景観の構造,気候の変動,土壌の質は,バイエルンの農業生態系における作物バイオマスパターンを形作っている

科学分野:

• 農業科学
• 環境科学
• リモートセンシング

背景:

• 環境の変動は作物のバイオマスと 収穫の安定に重大な影響を及ぼします
• 気候変動に耐える農業には これらの環境影響の理解が必要です
• 農作物のバイオマスの正確な推定は,農業計画に不可欠です.

研究 の 目的:

• 光利用効率 (LUE) モデルによるバイオマス推定値と,機械学習による遠隔感知フレームワークを比較する.
• 冬の小麦と油菜のバイオマスを推定するためのハイブリッドのLUEとランダムフォレスト (RF) モデルを開発し,適用する.
• 景観指標,地形,土壌,気候が作物バイオマスに及ぼす影響を調査する.

主な方法:

• ドイツのバイエルン州 (2001年−2019年) で5km2のグリッドにLUEとRFモデルを組み合わせた.
• 統合された景観指標 (地表の多様性,木造の特徴),地形 (高さ,斜面,側面),土壌の可能性,季節的な気候データ.
• 機械学習の枠組みの中で遠隔感知データを活用した.

主要な成果:

• RFベースのアプローチは,LUEモデルだけで,特に冬の小麦の予測精度が向上したことを示しました.
• 農作物のバイオマスパターンは,景観の構成と気候条件の両方によって大きく形作られました.
• 冬の小麦のバイオマスは地形と景観の特徴によってより影響を受け,油菜は太陽放射線と土壌特性により反応した.
• 適度な多様性のある風景で最適なバイオマスが観察され,極端な断片化や変動性により収穫量が低下しました.
• 特定された作物特有の温度値 (冬の小麦には21°C,油菜には12°C) が,バイオマス減少と関連している.

結論:

• ハイブリッドモデリングアプローチは,大規模な作物バイオマスマッピングと理解のための移行可能な枠組みを提供します.
• 気候変動の背景にある持続可能な農業計画に不可欠な地域特有の洞察力を提供しています.
• この研究は,正確な作物バイオマスの予測のために,景観と気候データを統合することの重要性を強調しています.