Potenzial für überraschende Hitze- und Dürreereignisse bei Weizen

npj Climate and Atmospheric Science Band 6, Artikelnummer: 56 (2023) Diesen Artikel zitieren

1064 Zugriffe

399 Altmetrisch

Details zu den Metriken

Frühere Analysen der Möglichkeit globaler Kornkammerausfälle haben Risiken auf der Grundlage historischer Beziehungen zwischen Klima und Erträgen extrapoliert. Der Klimawandel führt jedoch weltweit zu beispiellosen Ereignissen, die kritische Schwellenwerte überschreiten und zu Ertragseinbußen führen könnten, auch wenn es keinen historischen Präzedenzfall gibt. Das bedeutet, dass wir die Klimarisiken für unser Nahrungsmittelsystem wahrscheinlich unterschätzen. Im Fall von Weizen gibt es in Teilen der USA und Chinas kaum einen historischen Zusammenhang zwischen Erträgen und Temperatur, doch sind mittlerweile extreme Temperaturen möglich, die kritische physiologische Schwellenwerte in Weizenpflanzen überschreiten. UNSEEN-Ansätze (Unprecedented Simulated Extreme ENsemble) nutzen große Ensembles, um plausible, beispiellose Ereignisse zu generieren, die unsere Einschätzung des Risikos für Nutzpflanzen beeinflussen können. Wir verwenden den UNSEEN-Ansatz mit einem großen Ensemble archivierter saisonaler Vorhersagen, um Tausende plausibler Ereignisse der letzten 40 Jahre zu generieren und die Ergebnisse mit historisch beobachteten extremen Temperaturen und Niederschlägen zu vergleichen. Im Mittleren Westen der USA treten extreme Temperaturen, die 1981 etwa einmal in 100 Jahren auftraten, nun in jedem sechsten Jahr wieder auf, während in China die aktuelle Wiederkehrperiode in der Größenordnung von einem Jahr liegt -16 Jahre. Das bedeutet, dass im Mittleren Westen der USA extreme Temperaturen, die im Jahr 1981 mit einer Wahrscheinlichkeit von 1 % auftraten, nun in jedem Jahr mit einer Wahrscheinlichkeit von 17 % auftreten, während die Wahrscheinlichkeit in China von 1 % auf 6 % stieg. Rekordjahre, in denen kritische Schwellenwerte für Enzyme in der Weizenpflanze überschritten werden, sind heute wahrscheinlicher als in der Vergangenheit, und diese rekordverdächtigen heißen Jahre sind an beiden Standorten mit extrem trockenen Bedingungen verbunden. Mithilfe geopotentieller Höhen- und Windanomalien aus dem UNSEEN-Ensemble zeigen wir, dass starke Winde über Land bei extrem heißen und trockenen, unsichtbaren Ereignissen trockene Luft in diese Regionen ziehen. Wir charakterisieren plausible Extreme aus dem UNSEEN-Ensemble, die dazu verwendet werden können, sich ansonsten unvorhergesehene Ereignisse vorzustellen, einschließlich eines zusammengesetzten Ereignisses, bei dem starke Auswirkungen gleichzeitig in beiden Regionen auftreten und die Anpassungsplanung in diesen Regionen beeinflussen. Die jüngsten Temperaturextreme, insbesondere im Mittleren Westen der USA, sind wahrscheinlich kein guter Indikator dafür, was in den nächsten Jahren mit dem heutigen Klima zu erwarten ist, und lokale Interessengruppen könnten ihr Risiko als geringer einschätzen, als es tatsächlich ist. Wir stellen fest, dass in diesen Regionen ein hohes Überraschungspotenzial besteht, wenn Risikoanalysen ausschließlich auf historischen Datensätzen basieren.

Angesichts der globalen Vernetzung des Welternährungssystems können gleichzeitige Schocks in wichtigen Getreideproduktionsgebieten (Kornkammern) den Preis und die Verfügbarkeit von Grundnahrungsmitteln dramatisch beeinflussen. Mehrere Studien haben versucht, das Risiko mehrerer Kornkammerausfälle allein aufgrund von Klimaschocks zu quantifizieren1,2,3. Diese Studien haben in erster Linie aus historischen Mustern extrapoliert und das Risiko quantifiziert, dass Klimaschocks aus der Vergangenheit gleichzeitig in der Zukunft auftreten könnten. Allerdings bringt der Klimawandel neue und beispiellose Ereignisse mit sich, die andere Folgen haben können als die, die wir in der Vergangenheit erlebt haben, und geschichtsbasierte Analysen könnten daher unser aktuelles Risiko unterschätzen. In dieser Studie konzentrieren wir uns nicht mehr auf historische Ereignisse, sondern zeigen stattdessen, wie das Risiko historisch beispielloser Ereignisse visualisiert werden kann, die in wichtigen Weizenanbauregionen der USA und Chinas kritische Schwellenwerte überschreiten könnten.

Die meisten Studien zur Quantifizierung des Risikos von Ernteausfällen nutzen historische Beziehungen zwischen Klima und Ernteerträgen als Grundlage für die Einschätzung, wie sich zukünftige oder beispiellose Klimazustände auf die Erträge auswirken könnten. Beispielsweise2 verwenden historische Erträge, um einen Schwellenwert für schweren Wasserstress in Maisanbauregionen der USA und Chinas zu definieren, und untersuchen dann die Risikoänderung dieses Schwellenwerts mithilfe großer Ensembles, um beispiellose Extreme zu simulieren. Schätzungen des Risikos mehrerer Kornkammerausfälle für verschiedene Kulturpflanzen folgen ebenfalls diesem Ansatz. Dabei werden zunächst Klima-Ertrags-Beziehungen anhand historischer Daten geschätzt und dann die Ertragsergebnisse auf der Grundlage von Änderungen der Temperatur- und Niederschlagsvariablen extrapoliert, die historisch mit dem Ertrag in Zusammenhang standen.4 In einigen Regionen mehr Mehr als 50 % der historischen Ertragsschwankungen sind auf das Wetter zurückzuführen5.

In einem sich ändernden Klima werden sich jedoch die Klima-Ertrags-Beziehungen ändern. Nie zuvor erlebte Klimazustände und beispiellose Ereignisse können größere Auswirkungen auf Nutzpflanzen haben, als man aufgrund einer einfachen Extrapolation historischer Zusammenhänge erwarten würde. Insbesondere im Hinblick auf die Temperatur ist zu erwarten, dass noch nie zuvor erlebte hohe Temperaturen zu Ernteausfällen führen könnten, selbst wenn kein historischer Zusammenhang zwischen Ertrag und Temperatur besteht. Nichtlineare Reaktionen von Nutzpflanzen auf Hitzestress können dazu führen, dass die Zukunft deutlich anders aussieht als die Vergangenheit. Darüber hinaus können klimatische Stressfaktoren in Kombination mit anderen Belastungen die landwirtschaftliche Produktivität gefährden. Dazu gehören beispielsweise Konflikte, Schädlinge, Krankheiten, Bodengesundheit, Saatgutqualität und Bewässerung.

Weizenerträge (Triticum aestivum L.) in Teilen der Vereinigten Staaten und Chinas zeigen in beobachteten oder simulierten Datensätzen der Vergangenheit keinen starken Zusammenhang mit der Temperatur6, und daher werden extreme Temperaturen in diesen Regionen nicht oft in Modelle für potenzielle Kornkammerausfälle einbezogen4 . Physiologische Modelle zeigen jedoch, dass Weizenpflanzen in mehreren kritischen Wachstumsphasen temperaturempfindlich sind7. Im Allgemeinen führen längere Perioden extremer Hitze zu einer beschleunigten Blattalterung und einer Verringerung der Blattausdehnung und der Strahlungsnutzungseffizienz. Kurzfristige Hitzeereignisse sind in sensiblen Entwicklungsphasen wie der Stängelverlängerung besonders schädlich. Hitzeextreme während der Kornfüllung können zu einer Verringerung der Wachstumsrate und der Kornzahl führen8,9, während Hitzestress während der Blüte zu einer teilweisen oder vollständigen Sterilität der Röschen führen kann10,11.

Simulationen für das Ende des Jahrhunderts zeigen, dass sich beispiellose Temperaturen wahrscheinlich auf die Erträge auswirken werden, wenn höhere Schwellenwerte überschritten werden.12 Tatsächlich stimmen prozessbasierte und statistische Modelle tendenziell darin überein, dass sich die Erwärmung negativ auf die Weizenerträge auswirken sollte13,8 und eine Überprüfung verschiedener Modelltypen fanden Übereinstimmung darüber, dass der globale Weizenertrag wahrscheinlich durch steigende Temperaturen im Zuge des Klimawandels negativ beeinflusst wird14,15. Eine Lösung zur Bewertung der Auswirkungen dieser Nichtlinearität besteht in der Verwendung von Erntemodellsimulationen, die kritische Schwellenwerte einbeziehen können.16,17 Viele dieser Nutzpflanzenmodelle werden jedoch auf der Grundlage historischer Erträge entwickelt, und viele von ihnen konzentrieren sich auf jährliche Extremwerte und „wahrscheinliche“ Schwankungen. eher als Ereignisse mit geringer Wahrscheinlichkeit und großer Auswirkung.

Neue Methoden zur Simulation beispielloser Extreme können unser Verständnis dessen erweitern, was über historische Ereignisse hinaus möglich ist. Große Ensembles physikbasierter Klimamodelle können eine größere Stichprobe „alternativer Realitäten“ zur Berechnung von Extremwertstatistiken bereitstellen18,19,20 Ein Beispiel ist der UNSEEN-Ansatz (UNPrecedented Simulated Extremes using ENsembles), bei dem zum besseren Verständnis große Ensembles archivierter Vorhersagen verwendet werden Extreme21.

Bisher gehen die meisten Studien zu UNSICHTBAREN Ereignissen oder Klimageschichten von einem historischen Extremereignis aus, das bereits stattgefunden hat, und bewerten plausible Veränderungen in Häufigkeit und Ausmaß (z. B. Sturm Desmond22). Der Ansatz wurde auch verwendet, um Analogien zu zukünftigen Auswirkungen historischer Ereignisse abzuleiten, beispielsweise einer Sojabohnen-Dürre (Glycine max (L.) Merr.) in der Zukunft17.

Der UNSEEN-Ansatz kann auch zur Erforschung synthetischer Ereignisse – Ereignisse ohne historisches Analogon – verwendet werden, wenn die Modelle ordnungsgemäß auf ihre Fähigkeit hin überprüft wurden, realistische Ereignisse zu erzeugen23. Klimageschichten, die veranschaulichen, wie rekordverdächtige Extreme auftreten können, können unsere Vorstellungskraft erweitern, um Ereignisse einzufangen, die plausibel, aber noch nie zuvor erlebt wurden. Angesichts der Tatsache, dass die Anpassung an den Klimawandel in der Regel durch die gelebte Erfahrung der Menschen mit Extremereignissen ausgelöst wird24,25,26,27 kann die Visualisierung solcher Ereignisse vor ihrem Eintreten die Vorbereitung und Anpassung an den Klimawandel unterstützen.

In dieser Studie verwenden wir den UNSEEN-Ansatz, um Handlungsstränge beispielloser Hitze in zwei Weizen produzierenden Regionen der Kornkammern der Welt, den USA und China, zu untersuchen. Zunächst stellen wir für jede Region ein großes Ensemble archivierter Temperatur- und Niederschlagsvorhersagen zusammen und schätzen die Häufigkeit von Temperaturen über kritischen Wachstumsschwellen. Wir schätzen Veränderungen der Wiederkehrperioden extremer Temperaturen mit dem Klimawandel ab und berücksichtigen die Wahrscheinlichkeit eines zusammengesetzten Extrems aus hohen Temperaturen und geringen Niederschlägen in jeder Region. Während sich viele andere Studien auf den Klimawandel in der fernen Zukunft konzentrierten, untersuchen wir das aktuelle Klima und wie sich Risiken gegenüber der jüngsten Vergangenheit bereits verändert haben, und ergänzen die Arbeit1.

Im Mittleren Westen der USA zeigt das UNSEEN-Ensemble einen stetigen Anstieg der im Laufe der Zeit möglichen Höchsttemperaturen; Früher lag der Interquartilbereich der Ensemble-Ergebnisse unter 30 °C, mittlerweile nähert sich das obere Ende des Interquartilbereichs 35 °C (Abb. 1). Historisch gesehen waren die in den letzten 40 Jahren gemessenen Höchsttemperaturen niedriger als die vom UNSEEN-Ensemble erzeugten Extreme. Die höchsten Werte im großen Ensemble der letzten Jahre erreichen 40 °C, während die höchsten Werte im Beobachtungsdatensatz bei etwa 37 °C liegen.

Historische Beobachtungen von Temperatur und Niederschlag im März–Mai in der Winterweizenanbauregion im Mittleren Westen der USA (blaue Kreuze), überlagert mit grauen Boxplots des UNSEEN großen Ensembles. Boxplots visualisieren das Dargestellte als Median, Interquartilbereich, 1,5-facher Interquartilbereich und Ausreißer. Die Diagramme beziehen sich auf die folgenden Variablen: (a) Maximale Temperatur, (b) Anzahl der Tage über der „Stress“-Schwelle von 27,8 °C, c Anzahl der Tage über der „Enzymabbau“-Schwelle von 32,8 °C und (d) Gesamtniederschlag.

Auch die Anzahl der Tage, an denen kritische Hitzeschwellen überschritten werden, ist sowohl in den beobachteten als auch in den modellierten Datensätzen für den Mittleren Westen der USA gestiegen. Das UNSEEN-Ensemble enthält diskrete Ereignisse, die weit über den beobachteten Aufzeichnungen liegen, darunter ein Ereignis, bei dem mehr als 20 Tage lang die Schwelle für den „Enzymabbau“ überschritten wurde.

In den beobachteten oder simulierten Datensätzen von März bis Mai im Mittleren Westen der USA gibt es keinen klaren Niederschlagstrend (Abb. 1d). Die historische Dürre von 2014 kommt den extrem trockenen Ereignissen nahe, die im UNSEEN-Datensatz simuliert wurden, obwohl es einige UNSEEN-Ereignisse gibt, die trockener sind als dieser historische Rekord. Solche Ereignisse könnten sich negativ auf die Weizenerträge auswirken, wie es im Jahr 2014 der Fall war. In Kansas berichtete der Wheat Monitor im Jahr 2014, dass „der Zustand des Weizens den ganzen Monat über zurückgegangen ist und Ende Mai Berichten zufolge 62 % der Ernte in sehr schlechtem Zustand waren.“ schlechter Zustand, verglichen mit 47 % zu Beginn des Monats und 45 % im letzten Jahr“28 Der Ertrag pro abgeerntetem Hektar war der niedrigste seit 199528 In Nachrichtenberichten des lokalen öffentlichen Radios wurde erklärt, dass „anhaltende Dürre, starke Winde und unter dem Normalwert liegende Wintertemperaturen In Kombination mit der ohnehin schon geringen Unterbodenfeuchtigkeit ist die Winterweizenernte in Kansas, Oklahoma und Texas dezimiert worden. Diese Staaten bilden das Herzstück des Weizengürtels – trotz der von der Dürre betroffenen niedrigen Erträge im letzten Jahr haben sie immer noch ein- Drittel der nationalen Winterweizenernte“29.

In China sind die Ergebnisse ähnlich (Abb. 2). Die Höchsttemperaturen im März und Mai nehmen mit der Zeit zu und das große Ensemble umfasst viele beispiellose Ereignisse. Dazu gehören Temperaturen im oberen 30er-Bereich, während der historische Rekord eher bei 35 °C liegt. Sowohl die Zahl der „Stress“-Tage als auch der „Enzymabbau“-Tage nimmt zu, wobei die Möglichkeit besteht, dass in einer Saison die Schwelle für den „Enzymabbau“ an mehr als 10 Tagen überschritten wird.

Historische Beobachtungen von Temperatur und Niederschlag im März–Mai (blaue Kreuze), überlagert mit grauen Boxplots des UNSEEN-Großensembles. Boxplots visualisieren das Dargestellte als Median, Interquartilbereich, 1,5-facher Interquartilbereich und Ausreißer. Die Diagramme beziehen sich auf die folgenden Variablen: (a) maximale Temperatur, (b) Anzahl der Tage über der „Stress“-Schwelle von 27,8 °C, (c) Anzahl der Tage über der „Enzymabbau“-Schwelle von 32,8 °C und ( d) Gesamtniederschlag. Beachten Sie, dass Diagramm (b) den Genauigkeitstest nicht bestanden hat und daher mit Vorsicht interpretiert werden sollte, da die Kurtosis der beobachteten Daten außerhalb des 95. Perzentils des UNSEEN-Ensembles liegt.

Das UNSEEN-Ensemble enthält auch mehrere rekordverdächtige Dürreereignisse, bei denen es weniger Niederschläge gab als jemals zuvor in der Region beobachtet. Dabei handelt es sich um physikalisch plausible Ereignisse, die trockener sind als das, was historisch beobachtet wurde. Heißere und trockenere Sommer können die Aussaat- und Erntebedingungen verbessern und das Risiko von Staunässe verringern. Sollten diese Zeiträume jedoch mit sensiblen Phasen der Pflanzenentwicklung, z. B. Blüte und Kornfüllung, zusammenfallen, kann dies zu relativ geringeren Ertragsergebnissen führen.

Im Laufe der Zeit zeigt das UNSEEN-Ensemble eine erkennbare Veränderung der Wahrscheinlichkeit extrem heißer Temperaturen sowohl in den Regionen USA als auch China. Abbildung 3 zeigt die an die Beobachtungen und das UNSEEN-Ensemble angepasste Extremwertverteilung für die maximale Temperatur in der Saison März–Mai. In beiden Fällen sind die Höchsttemperaturen heute höher als in den 1980er Jahren, wobei ein 1-in-100-Jahres-Ereignis im Jahr 1981 im Mittleren Westen der USA im Durchschnitt häufiger auftritt als alle 6 Jahre im Jahr 2020. Die simulierte Veränderung ist im Nordosten Chinas etwas geringer, wobei im Jahr 1981 ein Ereignis, das alle 100 Jahre vorkommt, im Jahr 2020 durchschnittlich etwa alle 16 Jahre auftritt (Abb. 3a, d). Dies entspricht einer Wahrscheinlichkeit von 1 %, dass das Ereignis im Jahr 1981 eintritt, und einer Wahrscheinlichkeit von 17 % (USA) bzw. 6 % (China), dass es im Jahr 2020 eintritt.

Die Temperaturen liegen im März–Mai im Mittleren Westen der USA (obere Reihe) und im Nordosten Chinas (untere Reihe). a, d Wiederkehrperiode der saisonalen Höchsttemperaturen in den Jahren 1981 und 2020. GEV-Anpassungen werden für Beobachtungen mit gepunkteten Linien und heller Schattierung dargestellt, um die Unsicherheitsschätzungen anzuzeigen. GEV-Anpassungen werden für das UNSEEN-Ensemble mit durchgezogenen Linien und dunkler Schattierung für Unsicherheitsschätzungen dargestellt. Alle GEV-Anpassungen sind instationäre Verteilungen mit Kovariaten für die Jahre 1981 und 2020. Das Ausmaß des 100-Jahres-Ereignisses wird durch eine schwarze horizontale Linie angezeigt. b, e UNSICHTBARES Ensemble in Grau, überlagert mit Beobachtungen in Blau, mit einer instationären 2-Jahres-Wiederkehrperiodenschätzung für jeden Datensatz. c, f UNSICHTBARES Ensemble in Grau, überlagert mit Beobachtungen in Blau, mit einer instationären Schätzung der Wiederkehrperiode von 100 Jahren für jeden Datensatz. Das 95. Perzentil-Konfidenzintervall wird durch Schattierung der Beobachtungen in Blau dargestellt. Die statistische Unsicherheit wird als 95 %-Konfidenzintervall basierend auf der Normalnäherung geschätzt.

An beiden Standorten der Fallstudien ist jedoch die am besten passende Extremwertverteilung für den Beobachtungsdatensatz eine stationäre GEV-Anpassung. Dies steht im Gegensatz zu einer instationären Anpassung für das UNSEEN-Ensemble. Wenn man beispielsweise einfach eine instationäre GEV-Anpassung aus Beobachtungsdaten in der Untersuchungsregion USA extrapolieren würde (Abb. 3a, gepunktete Linie), würde man niedrigere Werte und viel größere Unsicherheiten im Vergleich zum dynamisch konsistenten UNSEEN-Ensemble schätzen und somit darstellen die Stärke dieser Art der Analyse.

Unter der Annahme, dass das Modell die Bandbreite des heutigen Klimas genau abbildet, könnte dies darauf hindeuten, dass beide Regionen in den letzten Jahren „Glück“ hatten und nicht die gesamte Bandbreite an hohen Temperaturen erlebt haben, die jetzt im heutigen Klima möglich sind. Tatsächlich wurden diese Regionen in der Vergangenheit teilweise aufgrund günstiger klimatischer Bedingungen für die Weizenproduktion ausgewählt, und die kritischen Schwellenwerte waren im Wesentlichen Grenzen. Das ist nicht mehr der Fall und extreme Temperaturen sind viel wahrscheinlicher. Die jüngste Erinnerung an Temperaturextreme liegt am unteren Ende der Verteilung plausibler Extreme für das heutige Klima, insbesondere im Mittleren Westen der USA, wo der Unterschied zwischen dem beobachteten und dem unsichtbaren Trend am größten ist. Nach Angaben des UNSEEN-Ensembles ist ein Ereignis, das im Jahr 1981 im Mittleren Westen der USA ein 1-in-100-Jahres-Höchsttemperaturereignis gewesen wäre, nun ein 1-in-6-Jahres-Ereignis. Andere Studien haben in ähnlicher Weise langfristige positive Temperaturtrends in beiden Regionen festgestellt, die teilweise auf den anthropogenen Klimawandel zurückzuführen sind30,31,32,33,34. Während Attributionsstudien das aktuelle Klima mit einem vorindustriellen Klima vergleichen, können wir hier Trends in den letzten Jahrzehnten erkennen, die für die Bezugnahme auf die jüngsten Lebenserfahrungen der Menschen von Wert sein könnten.

Wie angesichts der stochastischen Natur des Wetters zu erwarten war, stellen wir fest, dass die Reichweite historischer Wetterbeobachtungen im Vergleich zu einem großen Ensemble plausibler Wetterergebnisse begrenzt ist. Das UNSEEN-Ensemble enthält für jeden Ort eine Vielzahl von Hitze- und Dürreereignissen, die historische Rekorde brechen würden.

Extreme Hitze und extreme Trockenheit sind nicht unabhängig voneinander und treten aufgrund blockierender Wetterverhältnisse oft gleichzeitig auf. Daher stellen wir in Abb. 4 den Zusammenhang zwischen extremer Hitze und Trockenheit an jedem Ort dar. In beiden Regionen ist extreme Hitze stark mit Trockenheit verbunden, und sehr feuchte Ereignisse treten nicht gleichzeitig mit extremer Hitze auf.

Kumulierter Niederschlag, aufgetragen gegen die Anzahl der Tage, an denen die Schwelle für den „Enzymabbau“ im März–Mai überschritten wurde, für (a) die USA und (b) China. UNSICHTBAREN Ensemblemitglieder sind in Grau dargestellt, überlagert mit Beobachtungen in Blau. Der historische Rekord für die Anzahl der „Enzymabbau“-Tage wird als blaue horizontale Linie dargestellt; Alle grauen, unsichtbaren Ereignisse oberhalb dieser Linie sind rekordverdächtig.

Wenn es eine rekordverdächtige heiße Jahreszeit gibt, in der die Anzahl der Tage über der Enzymabbauschwelle höher ist als in der Vergangenheit (höher als die blaue Linie in Abb. 4), handelt es sich wahrscheinlich auch um eine Trockenzeit. Im Mittleren Westen der USA hat das UNSEEN-Ensemble 161 rekordverdächtige Jahreszeiten mit hohen Temperaturen hervorgebracht, und während die meisten von ihnen relativ trocken sind, haben 14 % von ihnen extrem niedrige Niederschläge, die geringer sind als die schlimmste Dürre aller Zeiten, die Dürre von 2014. Dies gilt auch in die andere Richtung: Von den 31 unsichtbaren Dürreereignissen, die schlimmer sind als die schlimmste Dürre der letzten 40 Jahre, haben 71 % dieser Ereignisse auch rekordverdächtige Hitze verursacht.

In China sind die Ergebnisse ähnlich; 63 % der UNSICHTBAREN rekordverdächtigen Dürreereignisse sind auch rekordverdächtige Hitzeereignisse, gemessen an der Häufigkeit von Tagen über der Enzymabbauschwelle. Wir können uns ereignisbasierte Handlungsstränge mit extremer Hitze und extrem geringem Niederschlag vorstellen, die an der Schnittstelle dieser beiden Gefahren beispiellose Auswirkungen haben würden. Höhere Temperaturen führen auch zu höheren Verdunstungsraten, was über die rekordverdächtig geringen Niederschläge hinaus die Wasserverfügbarkeit für die Landwirtschaft weiter verringern kann.

Einer der Hauptvorteile der Analyse eines großen Ensembles physikalisch plausibler Ereignisse besteht darin, dass das Ensemble es Benutzern ermöglicht, die Treiber und physikalischen Einflussfaktoren für bestimmte Extreme zu untersuchen, die in der beobachteten Aufzeichnung noch nie aufgetreten sind. In Abb. 5 zeichnen wir zusammengesetzte Anomalien der Geopotentialhöhe (GPH) und Windanomalien bei einem Druckniveau von 500 mb auf, um die extremsten Ereignisse aus dem größeren Ensemble zu analysieren.

Zusammengesetzte geopotentielle Höhen- und Windanomalien bei 500 MB im Zusammenhang mit den extremsten Ereignissen im UNSEEN-Ensemble für die Untersuchungsregion. Jedes Diagramm setzt sich aus den 10 Jahreszeiten mit (a) dem höchsten Niederschlag, (b) dem niedrigsten Niederschlag und (c) der höchsten Anzahl an Enzymabbautagen in jedem Untersuchungsgebiet zusammen. Die erste Zeile zeigt das Untersuchungsgebiet USA und die zweite Zeile das Untersuchungsgebiet China, beide durch ein schwarzes Kästchen abgegrenzt. Einzelne Diagramme für jedes der 10 Ereignisse, die zur Erstellung dieser Verbundwerkstoffe verwendet wurden, sind in den Zusatzinformationen verfügbar.

In der Region USA werden die 10 trockensten März-Mai-Jahreszeiten im SEAS5-Ensemble (Abb. 5bi) von Nord- und Westwindanomalien dominiert. Solche Windanomalien ziehen trockene Luft aus den kontinentalen USA in die Untersuchungsregion und begrenzen so die Niederschläge. Diese werden durch positive saisonale Anomalien der geopotentiellen Höhe westlich und südlich der Untersuchungsregion erzeugt. Bei den meisten dieser 10 UNSEEN-Ereignisse konzentrieren sich die positiven Anomalien auf den Südwesten der USA, aber es gibt einzelne Ereignisse, bei denen sich die positiven Anomalien weiter über die USA erstrecken (siehe Abb. SI11 für Darstellungen der mit einzelnen UNSEEN-Ereignissen verbundenen Anomalien). .

Die Muster der Windanomalien sind in den heißesten Jahreszeiten ähnlich (Abb. 5ci); Jahreszeiten mit der größten Anzahl heißer Tage oberhalb der Enzymabbauschwelle sind durch große Hochdruckgebiete über dem Untersuchungsgebiet und im Südwesten gekennzeichnet (Abb. 5ci). Es gibt wahrscheinlich Rückkopplungen zwischen Land und Atmosphäre, die die Erwärmungseffekte bei ungewöhnlich trockenen Ereignissen verstärken können35. Im Gegensatz dazu weisen die feuchtesten Ereignisse (Abb. 5ai) saisonale Windanomalien aus dem Süden und Osten auf, die Feuchtigkeit aus dem Golf von Mexiko und dem Atlantik mitbringen (Abb. SI11).

In der Untersuchungsregion China sind Windanomalien auch entscheidend für die Entstehung der extrem nassen, trockenen und heißen Ereignisse in Abb. 5, zweite Reihe. Die trockensten Jahreszeiten (Abb. 5bii), die im SEAS5-Ensemble modelliert wurden, hatten Windanomalien aus dem Norden und Westen, die Luft über Land in Richtung des Untersuchungsgebiets brachten. Dies war mit einer Tiefdruckzone nordöstlich des Untersuchungsgebiets verbunden. Heiße Jahreszeiten mit der höchsten Anzahl an Tagen oberhalb der Enzymabbauschwelle (Abb. 5cii) wiesen ähnliche Windanomalien auf wie die niederschlagsarmen Ereignisse und zeigen auch eine Tiefdruckregion nordöstlich des Untersuchungsgebiets.

In Ostchina kommt es in den zehn feuchtesten Jahreszeiten zu Windanomalien aus der entgegengesetzten Richtung, die aus dem Süden und Osten kommen und Feuchtigkeit in die Untersuchungsregion bringen (Abb. 5aii). Diese sehr nassen Jahreszeiten sind mit starken Hochdruckgebieten im Nordosten des Untersuchungsgebiets verbunden, die Winde im Uhrzeigersinn erzeugen, die Feuchtigkeit von über den Ozeanen in die Winterweizenregion ziehen. Im Juli 2021 kam es in der Provinz Henan, einer der Regionen in unserem Untersuchungsgebiet, zu einem extremen Niederschlagsereignis, und nachfolgende meteorologische Analysen ergaben, dass dies tatsächlich durch Winde aus dem Osten verursacht wurde, die ähnlich wie bei den synthetischen Ereignissen Feuchtigkeit in die Region brachten36 abgebildet in Abb. 5a.

In beiden Regionen sind Windanomalien, die vom Land kommen, mit heißen/trockenen Jahreszeiten verbunden, und umgekehrte Windanomalien über dem Wasser sind erwartungsgemäß mit extrem nassen Jahreszeiten verbunden. Die Muster geopotentieller Höhenanomalien, die solche Windanomalien hervorrufen, unterscheiden sich jedoch in ihrer allgemeinen Form, Größe und Lage. Atmosphärische Anomalien im Zusammenhang mit einzelnen UNSEEN-Ereignissen sind in den ergänzenden Abbildungen dargestellt. 10–15. Während beispielsweise nordwestliche Windanomalien in der chinesischen Winterweizenregion mit einer Tiefdruckzone im Nordosten verbunden sind, ist diese Zone in einigen Darstellungen größer (z. B. Abb. SI 14B) und erstreckt sich in anderen Darstellungen weiter nach Süden (z. B. Abb . SI 14A und SI 14F). Daher können Meteorologen und Klimaforscher auf mehrere verschiedene Sorten desselben Musters achten, die alle die Windanomalien hervorrufen können, die mit extrem heißen/trockenen Bedingungen in der Region, in der Winterweizen angebaut wird, verbunden sind.

Mit dem UNSEEN-Ansatz kann ermittelt werden, ob die Wahrscheinlichkeit gleichzeitiger Extremwerte in beiden Regionen höher ist, als man aufgrund des Zufalls erwarten würde. In den Beobachtungsdatensätzen gibt es keine Korrelationen zwischen den beiden Untersuchungsregionen USA und China für Höchsttemperaturen oder Gesamtniederschläge in der Saison März–Mai. Im UNSEEN-Ensemble bleibt der Gesamtniederschlag zwischen den beiden Regionen unkorreliert, es besteht jedoch eine geringe Korrelation für die maximale Tagestemperatur. Die TXx-Korrelation beträgt 0,06 mit 95 %-Konfidenzintervallen von 0,03–0,09. Dies ist wahrscheinlich auf den Einfluss des Klimawandels auf extreme Temperaturen weltweit zurückzuführen, der beide Regionen betrifft. Siehe ergänzende Abbildung 9 für ein Streudiagramm der Temperaturen.

Obwohl zwischen den beiden Regionen kein enger Zusammenhang besteht, gibt es einzelne unsichtbare Ereignisse, die an beiden Orten gleichzeitig Extreme hervorrufen. Wir haben die 250 besten Ensemblemitglieder für jede Untersuchungsregion identifiziert, die die meisten Enzymabbautage verursachten, und es gibt 10 Ensemblemitglieder, die sich in diesen beiden Listen überschneiden und an beiden Standorten gleichzeitig extreme Hitze erzeugen. Abbildung 6 zeigt eine Zusammenstellung der geopotentiellen Höhen- und Windanomalien im Zusammenhang mit diesen zehn Ereignissen, die in beiden Untersuchungsregionen extrem sind. Dies stellt eine dynamisch konsistente, ereignisbasierte Handlung eines gleichzeitig stattfindenden Ereignisses an beiden Orten dar. Das Komposit scheint mit einer zonalen Wellenzahl-3-Störung in der Zirkulation in höheren Breitengraden verbunden zu sein, die Hochdrucksysteme über beiden Untersuchungsgebieten erzeugt. Dieses zusammengesetzte Ereignis schafft gleichzeitig die in Abb. 5ci (USA) und 5cii (China) dargestellten Bedingungen (Tabelle 1).

Zusammengesetzte geopotentielle Höhen- und Windanomalien bei 500 MB im Zusammenhang mit gleichzeitigen Extremereignissen im UNSEEN-Ensemble in beiden Untersuchungsregionen. Jede Parzelle ist eine Zusammenstellung der 10 Jahreszeiten, die in beiden Untersuchungsgebieten zu einer extremen Anzahl von Enzymabbautagen führten. Die beiden Untersuchungsgebiete sind durch graue Kästchen abgegrenzt. Einzelne Diagramme für jedes der 10 Ereignisse, die zur Erstellung dieser Verbundwerkstoffe verwendet wurden, sind in der ergänzenden Abbildung 16 verfügbar.

Diagramme einzelner zusammengesetzter Ereignisse sind in der ergänzenden Abbildung 16 verfügbar. Das Ensemble, das das extremste zusammengesetzte Ereignis erzeugte, war ein UNSEEN-Ensemblemitglied im Jahr 2018 (Abb. SI 16J), das ähnliche atmosphärische Muster wie dieses Komposit aufweist. Es wurde ein Ereignis simuliert, das in der Studienregion USA einen regionalen Durchschnitt von 12,9 Enzymabbautagen aufwies (der beobachtete Rekord liegt bei 8,5), und in China führte dieses Ereignis zu einem regionalen Durchschnitt von 5,2 Enzymabbautagen (beobachteter Rekord von 2,9).

Der Klimawandel stellt weltweit ein zentrales Risiko für die Ernährungssysteme dar, doch viele Risikoanalysen leiten Schätzungen auf der Grundlage vergangener Klima-Ertrags-Beziehungen ab, ohne die Tatsache zu berücksichtigen, dass wir in einem grundlegend veränderten Klima leben. Nichtlinearitäten in der Reaktion von Nutzpflanzen auf unser sich veränderndes Klima können unerwartete Folgen in Form von Missernten und geringeren Erträgen haben. Neuartige Techniken zur Schaffung UNSICHTBARER Ensembles plausibler alternativer Jahreszeiten können unsere Vorstellung davon erweitern, welche Arten von noch nie dagewesenen Ereignissen jetzt möglich sind. Dies kann die Modellierung ermöglichen und die Diskussion darüber anregen, welche Auswirkungen diese auf die Landwirtschaft haben könnten.

Im Fall von unbewässertem Winterweizen in den USA und China zeigen wir, dass mehrere Regionen hinsichtlich ihrer jüngsten Erfahrungen mit Extremereignissen „Glück“ gehabt haben könnten. Aufgrund der stochastischen Natur des Wetters waren die jüngsten Temperaturextreme im Mittleren Westen der USA zufällig kühler als der gesamte vom UNSEEN-Klimaensemble simulierte Bereich. Dies bedeutet, dass die letzten Jahre wahrscheinlich kein guter Indikator dafür sind, was in den nächsten Jahren in Bezug auf das heutige Klima zu erwarten ist, und lokale Interessenvertreter könnten ihr Risiko als geringer einschätzen, als es tatsächlich ist. Frühere Studien, die die Anfälligkeit globaler Kornkammern gegenüber Klimaextremen abschätzten, könnten zu dieser geringeren Risikowahrnehmung beitragen, da sie die Temperatur nicht berücksichtigten, da historische (niedrigere) Temperaturen keinen Einfluss auf die Weizenerträge in diesen Regionen hatten.

In dem hier analysierten großen Ensemble stellen wir fest, dass extrem heiße und trockene Jahreszeiten mit großräumigen Zirkulationsanomalien verbunden sind, wobei Winde trockene Luft über Land in beide Weizenanbaugebiete bringen. Während Hitzewellenereignisse im synoptischen Maßstab möglicherweise mit lokalisierten Hochdruckregionen verbunden sind, stellen wir fest, dass die extremsten Jahreszeiten großräumige Zirkulationsanomalien aufweisen, die häufig Druckgradienten mit starken Windanomalien bilden. Diese großräumigen Zirkulationsanomalien können überwacht werden, um die Bedingungen besser zu verstehen und vorherzusagen, die in den einzelnen Regionen wahrscheinlich Stress für Weizenpflanzen verursachen.

Ein UNSICHTBARER Ansatz kann es uns ermöglichen, uns einige dieser beispiellosen Klimaereignisse vorzustellen, die mit anderen Treibern der weltweiten Ernteversorgung interagieren können, und die Geschichte davon erzählen, was in zwei Regionen der Kornkammern der Welt passieren könnte, die bisher „Glück“ hatten. Der Ansatz wird durch die Fähigkeit von Modellen eingeschränkt, das gesamte Spektrum plausibler Ergebnisse an einem Standort darzustellen, und obwohl wir Genauigkeits-/Stabilitäts-/Unabhängigkeitstests für die Daten einbezogen haben, repräsentieren unsere Modelle möglicherweise nicht das gesamte Risikospektrum.23 Neue Methoden stören Modelle und die Simulation plausibler Extreme können diese Erkundungen von Klimageschichten und beispiellosen Ereignissen unterstützen und eine Anpassung ermöglichen20.

Angesichts der erheblichen Möglichkeit einer rekordverdächtigen Hitze, wahrscheinlich in Kombination mit Dürre, in den Winterweizenanbaugebieten der USA und Chinas werden in vielen Kornkammern der Welt Anpassungen an den Klimawandel an Hitze und Dürre erforderlich sein. Für die meisten Grundnahrungsmittelgetreide, einschließlich Weizen, sind Änderungen in der landwirtschaftlichen Bewirtschaftung weit verbreitet. Zu den Anpassungen gehört die Forschung, um genetische Verbesserungen an Weizensorten zu finden, die die Erträge unter trockeneren und heißeren Bedingungen erhalten37,38. Weizensorten mit höheren Erträgen reagieren in der Vergangenheit empfindlicher auf heiße Temperaturen über 34 Grad39. Daher ist die weitere Erforschung von Hybridsorten, die extremer Hitze standhalten können, wichtig. Landwirte haben auch mit veränderten Pflanz- und Reifedaten von Feldfrüchten40 und der Verlagerung landwirtschaftlicher Flächen41 experimentiert. Zu den Strategien zur Bewältigung des Dürrerisikos gehören Bewässerungsmöglichkeiten und landwirtschaftliche Bewirtschaftung, um zusätzliches Bodenwasser zu speichern, das von der Kulturpflanze genutzt werden kann.

Anpassungsinvestitionen werden in der Regel durch persönliche Erfahrungen mit Extremereignissen vorangetrieben. Ergebnisse von UNSEEN-Ensembles wie diesem können verwendet werden, um Handlungsstränge über rekordverdächtige Klimaereignisse zu generieren, die den Menschen helfen können, sich die Auswirkungen vorzustellen, ohne sie direkt erleben zu müssen. Weitere Investitionen in den UNSEEN- und Storyline-Ansatz haben das Potenzial, Lücken in unserer Wahrnehmung der aktuellen Risiken für unsere Kornkammern und Lebensmittelsysteme aufzudecken und anpassungsfähige Maßnahmen zu fördern, um negative Auswirkungen in den kommenden Jahren zu verhindern.

Klimaschocks wirken nicht isoliert und interagieren mit einer Vielzahl anderer Belastungen für die landwirtschaftliche Produktion. Dazu gehören Innenpolitik, Schädlinge und Krankheiten, globaler Handel, Anbaugebiete, Bewässerung und andere. Zum Zeitpunkt des Verfassens dieses Artikels hat beispielsweise der Krieg in der Ukraine im Jahr 2022 die Versorgung mit Weizen aus den Kornkammern Russlands und der Ukraine verringert42 Zu den Belastungen gehörten Schäden oder Blockaden der Exportinfrastruktur, Sanktionen und Verschiebungen in der regionalen Kontrolle43 Von all diesen Belastungen in der Landwirtschaft Wir verstehen Klimaereignisse gut durch physikbasierte Modelle. Daher kann der Einsatz solcher Modelle zur Förderung der Planung für Extremereignisse dazu beitragen, den Klimadruck auf die Landwirtschaft in Zukunft zu verringern.

Wir befolgen das Protokoll, um UNSEEN23 anzuwenden und seine Glaubwürdigkeit sicherzustellen. Zunächst werden die Domänen, Variablen und Indizes definiert, die für das Weizenwachstum am relevantesten sind. Anschließend wählen wir geeignete Datensätze für die Analyse aus und bewerten den Realismus für die ausgewählten Ereignisdefinitionen statistisch. Wenn Probleme identifiziert werden, werden diese erwähnt und/oder durch Reduzierung der Stichprobengröße oder Korrektur der Daten behoben. Aus den als realistisch erachteten Datensätzen werden dann interessante Statistiken ermittelt.

In dieser Studie konzentrieren wir uns auf Winterweizen in den USA und China, insbesondere auf die Hauptproduktionsregionen jedes Landes. In den USA ist dies der Mittlere Westen der USA, einschließlich West-Kansas (27 % der nationalen Produktion), Ost-Colorado und Nordwest-Oklahoma (105–95,5 W, 35–40 N)44. Die Region China liegt im Nordosten Chinas und umfasst die Provinzen Hebei, Shandong, Henan, Jiangsu und Anhui (110–122,5 E, 30,5–40 N), auf die jeweils 10 % oder mehr der Winterweizenproduktion Chinas entfallen.45 In den USA sind die Die Bundesstaaten Kansas, Oklahoma und Colorado produzierten im Jahr 2017 zusammen 15.229.953 Tonnen, was 43,5 % der Winterweizenernte des Landes ausmachte.46 Insgesamt produzierte China im Jahr 2017 134.334.000 Tonnen Weizen, einschließlich Winterweizen und anderen Sorten. Die gesamte weltweite Weizenproduktion betrug im Jahr 2017 772 Millionen Tonnen (FAO).

Das Wachstum des Winterweizens beginnt im Herbst, gefolgt von einer Ruhephase im Winter47. Das Nachwachsen beginnt im zeitigen Frühjahr, wobei die volle Kornblüte und -entwicklung im frühen bis späten Frühjahr erfolgt, was diesen Zeitraum für das Ertragswachstum vor der Ernte im Juni und Juli entscheidend macht47. In früheren Studien korrelierte der Weizenertrag an jedem Standort mit dem kumulativen Niederschlag während der Vegetationsperiode, ohne oder nur mit geringem Zusammenhang mit der Temperatur3,6.

Allerdings werden Temperaturen über 27,8 °C im Mai mit Hitzestress für Winterweizenpflanzen in Verbindung gebracht.47 Längere Temperaturen bei oder über dieser Temperatur sind besonders schädlich. Darüber hinaus beginnen Weizenenzyme oberhalb von 32,8 °C abzubauen, was die Entwicklung der Pflanze weiter beeinträchtigt.48 In anderen Studien wurden Schwellenwerte von 21 °C als optimal und 34 °C als schädlich verwendet, um eine gewisse Ertragsminderung aufgrund extremer Temperaturen zu belegen heiße Temperaturen in Teilen von Kansas49,39. Da die Ernte im Juni und Juli erfolgt, liegen die Phasen des Weizens, die empfindlich auf Hitzestress reagieren (einschließlich Anthese und Kornfüllung), in der Regel zwischen März und Mai. Während es in beiden Regionen eine gewisse Bewässerung gibt, ist Winterweizen für einen Großteil seines Wasserbedarfs auf Niederschläge angewiesen. Daher ist die Gesamtniederschlagsmenge auch im Zeitraum März–Mai von entscheidender Bedeutung.

In dieser Studie haben wir drei Temperaturwerte von Interesse ausgewählt: die maximale Tagestemperatur in der Saison März–Mai sowie die Anzahl der Tage mit einer maximalen Temperatur über 27,8 °C (Stressschwelle) und die Anzahl der Tage über 32,8 °C (Enzymabbauschwelle). Wir analysieren auch den Gesamtniederschlag im März–Mai als entscheidenden Einfluss auf die Weizenergebnisse. Jede Variable wird mit der nativen Auflösung des Datensatzes berechnet und dann über Landpunkte in der ausgewählten Region flächengemittelt.

Für das große Ensemble „alternativer Realitäten“ des aktuellen Klimas und der jüngsten Vergangenheit verwenden wir Archive von SEAS5, den Langzeitvorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF)50. Diese Vorhersagen werden jeweils zum ersten Mal initialisiert Monat und führen Sie ein physikbasiertes Modell für 7 Monate in der Zukunft aus und generieren Sie tägliche Wetterdaten für einen Zeitraum von 7 Monaten. Prognosen, die die gesamte Saison März–Mai umfassen, werden im März (1 Monat Vorlaufzeit), Februar (2 Monate Vorlaufzeit), Januar (3 Monate Vorlaufzeit) und Dezember (4 Monate Vorlaufzeit) initialisiert. und November (5 Monate Vorlaufzeit).

Während SEAS5 als operative Vorhersage ausgeführt wird, kann das archivierte große Ensemble zur Identifizierung von Extremereignissen verwendet werden, die noch nie zuvor aufgetreten sind, da die archivierten Vorhersagen plausible Ereignisse enthalten, die einfach nie stattgefunden haben. Das Modell besteht von 1981 bis 2016 aus 25 Ensemblemitgliedern und von 2017 bis heute aus 51 Ensemblemitgliedern. Einschließlich jeder der 5 Vorlaufzeiten umfasst das große Ensemble somit 125 Alternativrealisierungen jedes Jahres bis 2016 und 255 Ensembleläufe pro Jahr ab 2017.

Um das SEAS5-Ensemble zu verifizieren, vergleichen wir die Ergebnisse mit historischen Beobachtungen. In den USA verwenden wir den DayMet-Datensatz Version 4, einen 1 km x 1 km großen täglichen Oberflächenwetterdatensatz für Nordamerika, der hauptsächlich von bodengestützten Wetterstationen51 stammt (in China verwenden wir die ERA5 Land-Reanalyse des täglichen Oberflächenwetters, d. h erstellt mit einer Auflösung von 9 km52. Alle Datensätze wurden zum Zweck der Analyse auf eine Auflösung von 1 Grad skaliert.

Für jede der vier interessierenden Variablen bewerten wir das SEAS5 UNSEEN-Ensemble, um zu bestimmen, welche Ensembles und Vorlaufzeiten zur Charakterisierung des gesamten Spektrums plausibler Ereignisse verwendet werden könnten. Zunächst haben wir die Stabilität über die Vorlaufzeiten hinweg bewertet, um zu messen, ob es bei den längeren Vorlaufzeiten zu einer Modelldrift kam. Für keine der Variablen und Orte in dieser Studie wurde keine gefunden (Diagramme sind in den ergänzenden Abbildungen 3, 4 verfügbar).

Anschließend haben wir die Unabhängigkeit zwischen den Ensemblemitgliedern geschätzt. Da alle Ensemblemitglieder gleichzeitig initialisiert wurden, mangelt es bei kürzeren Vorlaufzeiten oft an Unabhängigkeit zwischen den Ensemblemitgliedern. Die erste Vorlaufzeit (eine am 1. März initialisierte Prognose für die Saison März–Mai) wurde aufgrund der angenommenen gegenseitigen Abhängigkeit der Ensemblemitglieder für alle Variablen ausgeschlossen. Über diese erste Vorlaufzeit hinaus haben wir alle Vorlaufzeiten eliminiert, für die paarweise Rangkorrelationen zwischen Ensemblemitgliedern einen Medianwert von mehr als 0,25 hatten, was einen Mangel an Unabhängigkeit zeigt.53 Dies kam nur einmal vor, für TXx in der Region USA, für die Ableitung 2 galt entfernt (siehe Abb. SI 1-2 für Darstellungen der Unabhängigkeit zwischen Durchlaufzeiten).

Zuletzt haben wir die Genauigkeit des SEAS5 UNSEEN-Ensembles im Vergleich zum historischen Beobachtungsdatensatz für TXx und den Gesamtniederschlag geschätzt. Wir unterteilen die größere UNSEEN-Stichprobe nach dem Zufallsprinzip in 10.000 Serien mit der gleichen Länge wie die Beobachtungen, um „Proxy-Beobachtungen“ zu erstellen, die mit den beobachteten Daten verglichen werden können. Wir verglichen den Mittelwert, die Standardabweichung, die Schiefe und die Kurtosis des beobachteten Datensatzes mit diesen Werten für jede der simulierten Beobachtungen. Im Fall des Gesamtniederschlags in der Region China für MAM lag der Mittelwert der historischen Beobachtungen außerhalb des 95. Perzentilbereichs des UNSEEN-Ensembles, und wir haben eine additive Bias-Korrektur implementiert. Der unsichtbare Gesamtniederschlag im März–Mai wurde durch Subtraktion von 24 mm angepasst, um ihn an den Mittelwert der Beobachtungen anzupassen. Die anderen Variablen wurden nicht angepasst (siehe ergänzende Abbildungen 5–8 für die Wiedergabetreuediagramme für alle Variablen). Im Fall von TXx für die Region USA lag die beobachtete Kurtosis jedoch leicht unter dem 95. Perzentil aller Kurtosis-Ergebnisse aus dem UNSEEN-Ensemble. Ergebnisse für diese Variable sollten daher mit Vorsicht interpretiert werden.

Für die abgeleiteten Extremvariablen der Anzahl der Tage oberhalb der Stress-/Enzymabbauschwellen führen wir die gleichen Genauigkeitstests durch. Die Standardabweichung, Schiefe und Kurtosis der historischen Beobachtungen lagen mit einer Ausnahme im 95. Perzentilbereich der UNSEEN-Ergebnisse. Die beobachtete Anzahl an Tagen oberhalb der „Stress“-Schwelle in der Region China liegt unter dem 5. Perzentil des UNSEEN-Ensembles und sollte daher ebenfalls mit Vorsicht interpretiert werden.

Während der UNSEEN-Ansatz möglicherweise nicht das gesamte Spektrum aller plausiblen Ereignisse erfasst, können wir dank dieser Genauigkeitsprüfungen mit einer gewissen Gewissheit fortfahren, dass die simulierten Extreme eine Untersuchung wert sind, um die Anpassungsplanung zu unterstützen.

Anhand dieser validierten Datensätze haben wir dann mithilfe von drei Ansätzen Einblicke in Ereignisse mit geringer Wahrscheinlichkeit und hoher Auswirkung gewonnen. Zuerst haben wir die Zeitreihen beobachteter und unsichtbarer Ereignisse visuell untersucht. Da der UNSEEN-Datensatz eine große Anzahl von Ereignissen pro Jahr enthält, wird dieser Datensatz mithilfe von Boxplot-Statistiken dargestellt, die den Median, den Interquartilbereich, den 1,5-fachen Interquartilbereich und Mitglieder außerhalb des 1,5-fachen Interquartilbereichs anzeigen. Zweitens zählen wir die Anzahl der Schwellenwertüberschreitungen. Die Wahrscheinlichkeit solcher Schwellenwertüberschreitungen kann als Prozentsatz der Anzahl der Überschreitungen an der Gesamtzahl der Ereignisse ausgedrückt werden. Somit kann auch die Wahrscheinlichkeit zusammengesetzter Ereignisse geschätzt werden. Drittens haben wir Extremwertstatistiken auf die Maximaltemperaturen von März bis Mai angewendet54. Wir haben eine Gumbel-, Generalisierte Extremwert- (GEV) und instationäre GEV-Verteilung an die historischen Ergebnisse und das UNSEEN-Ensemble angepasst. Wir haben die Orts- und Skalierungsparameter als Kovariate linear an die Zeit angepasst19,23, wie in Kelder et al. Wir testen mithilfe eines Likelihood-Ratio-Tests, welche Verteilung am besten zu den Daten passt, und schätzen die Parameter der Verteilungen mithilfe der Maximum-Likelihood-Schätzung (MLE). Diese Verteilungen wurden zur Berechnung der Wahrscheinlichkeit und des Ausmaßes außergewöhnlich extremer Temperaturen im historischen und aktuellen Klima verwendet. Um Zirkulationsmuster im Zusammenhang mit den UNSICHTBAREN Extremereignissen zu analysieren, zeichnen wir die Geopotentialhöhenanomalien (GPH) und Windanomalien bei einem Druckniveau von 500 mb auf, um spezifische Extremereignisse aus dem größeren Ensemble zu analysieren. Unter Verwendung der Ableitungen 1–4 (aufgrund der Verfügbarkeit monatlicher SEAS5-Daten) zeichnen wir die zehn trockensten, feuchtesten und heißesten Jahreszeiten in den Studienregionen USA und China auf.

Alle in dieser Studie verwendeten Daten sind öffentlich verfügbar und können wie folgt abgerufen werden:

SEAS5-Archive und ERA5-Land im Copernicus-Klimadatenspeicher: https://cds.climate.copernicus.eu/cdsapp#!/dataset/seasonal-original-single-levels?tab=form. https://doi.org/10.24381/cds.181d637e. https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land?tab=form. https://doi.org/10.24381/cds.e2161bac. Daymet-Daten auf der ONRL DAAC-Website: https://daymet.ornl.gov/getdata. https://doi.org/10.3334/ORNLDAAC/2129.

Die UNSEEN-Methodik ist hier dokumentiert: https://unseen-open.readthedocs.io/en/latest/. Alle Anfragen nach Code oder Daten können an die Autoren gerichtet werden.

Kent, C. et al. Verwendung von Klimamodellsimulationen zur Bewertung des aktuellen Klimarisikos für die Maisproduktion. Umgebung. Res. Lette. 12, 054012 (2017).

Artikel Google Scholar

Janetos, A., Justice, C., Jahn, M., Obersteiner, M., Glauber, J. & Mulhern, W. Die Risiken mehrerer Kornkammerausfälle im 21. Jahrhundert: eine wissenschaftliche Forschungsagenda. Frederick S. Pardee Center for the Study of the Longer-Range Future der Universität Boston. https://www.bu.edu/pardee/files/2017/03/Multiple-Breadbasket-Failures-Pardee-Report.pdf (2017).

Gaupp, F., Hall, J., Hochrainer-Stigler, S. & Dadson, S. Veränderte Risiken eines gleichzeitigen globalen Kornkammerausfalls. Nat. Aufstieg. Änderung 10, 54–57 (2020).

Artikel Google Scholar

Gaupp, F., Pflug, G., Hochrainer-Stigler, S., Hall, J. & Dadson, S. Abhängigkeit der Pflanzenproduktion zwischen globalen Kornkammern: ein Copula-Ansatz zur Bewertung globaler und regionaler Risikopools. Risikoanalyse 37, 2212–2228 (2017).

Artikel Google Scholar

Frieler, K. et al. Verständnis des Wettersignals bei der nationalen Ernteertragsvariabilität. Earth's Future 5, 605–616 (2017).

Artikel Google Scholar

Ray, DK, Gerber, JS, MacDonald, GK & West, PC Klimavariationen erklären ein Drittel der globalen Variabilität der Ernteerträge. Nat. Komm. 6, 5989 (2015).

Artikel Google Scholar

Lobell, DB & Field, CB Klima-Ertragsbeziehungen im globalen Maßstab und die Auswirkungen der jüngsten Erwärmung. Umgebung. Res. Lette. 2, 014002 (2007).

Artikel Google Scholar

Zampieri, M., Ceglar, A., Dentener, F. & Toreti, A. Weizenertragsverluste aufgrund von Hitzewellen, Dürre und Wasserüberschuss auf globaler, nationaler und subnationaler Ebene. Umgebung. Res. Lette. 12, 064008 (2017).

Artikel Google Scholar

Ma, J. et al. Transkriptomanalysen zeigen Weizenreaktionen auf Trockenstress während der Fortpflanzungsphase unter Feldbedingungen. Vorderseite. Pflanzenwissenschaft. 8, 592 (2017).

Artikel Google Scholar

Porter, JR & Gawith, M. Temperaturen und das Wachstum und die Entwicklung von Weizen: ein Rückblick. EUR. J. Agron. 10, 23–36 (1999).

Artikel Google Scholar

Alghabari, F., Lukac, M., Jones, HE & Gooding, MJ Wirkung von Rht-Allelen auf die Toleranz von Weizenkörnern, die während des Keimens und der Blüte hohen Temperaturen und Trockenstress ausgesetzt sind. J. Agron. Crop Sci. 200, 36–45 (2013). S.

Artikel Google Scholar

Schauberger, B. et al. Konsistente negative Reaktion von US-Pflanzen auf hohe Temperaturen in Beobachtungen und Pflanzenmodellen. Nat. Komm. 8, 1–9 (2017).

Artikel Google Scholar

Lobell, DB & Asseng, S. Vergleich von Schätzungen der Auswirkungen des Klimawandels aus prozessbasierten und statistischen Nutzpflanzenmodellen. Umgebung. Res. Lette. 12, 015001 (2017).

Artikel Google Scholar

Liu, B. et al. Ähnliche Schätzungen der Temperaturauswirkungen auf den globalen Weizenertrag durch drei unabhängige Methoden. Nat. Aufstieg. Änderung 6, 1130–1136 (2016).

Artikel Google Scholar

Zhao, C. et al. Laut vier unabhängigen Schätzungen verringert der Temperaturanstieg die weltweiten Erträge wichtiger Nutzpflanzen. Proz. Natl Acad. Wissenschaft. 114, 9326–9331 (2017).

Artikel Google Scholar

Xie, W. et al. Rückgang des weltweiten Bierangebots aufgrund extremer Dürre und Hitze. Nat. Pflanzen 4, 964–973 (2018).

Artikel Google Scholar

Goulart, H., Van Der Wiel, K., Folberth, C., Balkovic, J. & Van Den Hurk, B. Handlungsstränge wetterbedingter Ernteausfälle im Zuge des Klimawandels. Erdsystem. Dyn. 12, 1503–1527 (2021).

Artikel Google Scholar

Diffenbaugh, NS et al. Quantifizierung des Einflusses der globalen Erwärmung auf beispiellose extreme Klimaereignisse. Proz. Natl Acad. Wissenschaft. 114, 4881–4886 (2017).

Artikel Google Scholar

Kelder, T. et al. Verwendung unsichtbarer Trends zur Erkennung dekadischer Veränderungen in 100-jährigen Niederschlagsextremen. npj Clim. Atmosphäre. Wissenschaft. 3, 1–13 (2020).

Artikel Google Scholar

Gessner, C., Fischer, EM, Beyerle, U. & Knutti, R. Sehr seltene Hitzeextreme: Quantifizierung und Verständnis mithilfe der Ensemble-Neuinitialisierung. J. Clim. 34, 6619–6634 (2021).

Google Scholar

Thompson, V. et al. Im aktuellen Klima besteht in Großbritannien ein hohes Risiko beispielloser Regenfälle. Nat. Komm. 8, 107 (2017).

Artikel Google Scholar

Sillmann, J. et al. Ereignisbasierte Handlungsstränge zur Bewältigung des Klimarisikos. Die Zukunft der Erde 9, e2020EF001783 (2021).

Artikel Google Scholar

Kelder, T. et al. Ein offener Workflow, um aus initialisierten Vorhersagen Erkenntnisse über Wetterereignisse mit geringer Wahrscheinlichkeit und großen Auswirkungen zu gewinnen. Meteorol. Appl. 29, e2065 (2022).

Artikel Google Scholar

van Valkengoed, AM & Steg, L. Metaanalysen von Faktoren, die das Anpassungsverhalten an den Klimawandel motivieren. Nat. Aufstieg. Änderung 9, 158–163 (2019).

Artikel Google Scholar

Koerth, J., Vafeidis, AT & Hinkel, J. Küstenanpassung auf Haushaltsebene und ihre Treiber: eine systematische Fallstudienübersicht. Risiko Anal. 37, 629–646 (2017).

Artikel Google Scholar

Adger, WN, Quinn, T., Lorenzoni, I., Murphy, C. & Sweeney, J. Veränderte Gesellschaftsverträge bei der Anpassung an den Klimawandel. Nat. Aufstieg. Änderung 3, 330–333 (2013).

Artikel Google Scholar

Spence, A., Poortinga, W., Butler, C. & Pidgeon, NF Wahrnehmung des Klimawandels und Bereitschaft, Energie im Zusammenhang mit Hochwassererfahrungen zu sparen. Nat. Aufstieg. Änderung 1, 46–49 (2011).

Artikel Google Scholar

USDA. Pressemitteilung zur Kansas Wheat History, National Agricultural Statistics Service. https://www.nass.usda.gov/Statistics_by_State/Kansas/Publications/Cooperative_Projects/KS-wheat-history19.pdf (2019).

Brocious, A. Dürre hämmert Winterweizen über die Ebenen. Öffentliches Radio von Iowa. https://www.iowapublicradio.org/agriculture/2014-06-10/drought-hammers-winter-wheat-across-the-plains (2014).

Qian, C. Entwirrung des Urbanisierungseffekts, der multidekadischen Variabilität und des säkularen Temperaturtrends in Ostchina im Zeitraum 1909–2010. Atmosphäre. Wissenschaft. Lette. 17, 177–182 (2016).

Artikel Google Scholar

Qian, C. & Cao, LJ Lineare Trends der mittleren und extremen Temperatur in der Xiongan New Area, China. Atmosphäre. Ozean. Wissenschaft. Lette. 11, 246–254 (2018).

Artikel Google Scholar

Wang, J., Tett, SF, Yan, Z. & Feng, J. Haben menschliche Aktivitäten die Häufigkeit absoluter Extremtemperaturen in Ostchina verändert? Umgebung. Res. Lette. 13, 014012 (2018).

Artikel Google Scholar

Chen, Y. et al. Die anthropogene Erwärmung hat die Wahrscheinlichkeit von Hitzewellen wie im Juli 2017 über Zentralostchina erheblich erhöht. Stier. Bin. Meteorol. Soc. 100, S91–S95 (2019).

Artikel Google Scholar

Wang, X., Lang, X. & Jiang, D. Nachweisbarer anthropogener Einfluss auf sommerliche Hitzeereignisse über China von 1965 bis 2014. Umwelt. Res. Lette. 17, 034042 (2022).

Artikel Google Scholar

Miralles, DG, Gentine, P., Seneviratne, SI & Teuling, AJ Land – atmosphärische Rückkopplungen bei Dürren und Hitzewellen: Stand der Wissenschaft und aktuelle Herausforderungen. Ann. NY Acad. Wissenschaft. 1436, 19–35 (2019).

Artikel Google Scholar

Luo, Y. & Du, Y. Die Rolle von Low-Level-Jets beim extrem anhaltenden Starkregenereignis „21·7“ in Henan. Adv. Atmosphäre. Wissenschaft. 40, 350–373 (2022).

Artikel Google Scholar

Semenov, MA, Stratonovitch, P., Alghabari, F. & Gooding, MJ Anpassung des Weizens in Europa an den Klimawandel. J. Cereal Sci. 59, 245–256 (2014).

Artikel Google Scholar

Lopes, MS et al. Nutzung der genetischen Vielfalt von Landrassen in der Weizenzüchtung zur Anpassung an den Klimawandel. J. Exp. Bot. 66, 3477–3486 (2015).

Artikel Google Scholar

Tack, J., Barkley, A. & Nalley, LL Auswirkung steigender Temperaturen auf US-Weizenerträge. Proc Natl Acad Sci. 112, 6931–6936 (2015).

Artikel Google Scholar

Gouache, D. et al. Bewertung agronomischer Anpassungsmöglichkeiten an zunehmenden Hitzestress unter dem Klimawandel bei der Weizenkornabfüllung in Frankreich. EUR. J. Agron. 39, 62–70 (2012).

Artikel Google Scholar

Yang, X. et al. Anpassung der Landwirtschaft an die Erwärmung im Nordosten Chinas. Aufstieg. Änderung 84, 45–58 (2007).

Artikel Google Scholar

Graham, N., Pe'er, I. Putins Invasion in der Ukraine droht eine globale Weizenkrise. Der Atlantische Rat. https://www.atlanticcouncil.org/blogs/econographics/putins-invasion-of-ukraine-could-spark-a-global-food-crisis/ (2022).

Bearak, M. Die Weizenernte der Ukraine, die die Welt ernährt, darf das Land nicht verlassen. Die Washington Post. https://www.washingtonpost.com/world/2022/04/07/ukraine-wheat-crop-global-shortage/ (2022).

USDA. Vereinigte Staaten: Winterweizenproduktion. https://ipad.fas.usda.gov/rssiws/al/crop_produktion_maps/US/USA_Winter_Wheat.png (2018).

USDA. China: Winterweizenproduktion (2018) https://ipad.fas.usda.gov/rssiws/al/crop_produktion_maps/China/China_Winter_Wheat.jpg (2018).

USDA National Agricultural Statistics Service, Landwirtschaftszählung 2017. Vollständige Daten verfügbar unter www.nass.usda.gov/AgCensus.

Erweiterung der Kansas State University. Handbuch zur Weizenproduktion. K-State-Forschung und -Erweiterung. (1997).

Lollato, R., DeWolf, E. & Knapp, M. Auswirkungen der jüngsten hohen Temperaturen auf Weizen. K-State Research and Extension Agronomy eUpdate, 695 (2018).

Zhang, T., Lin, Wissenschaft. Gesamtumgebung. 508, 331–342 (2015).

Artikel Google Scholar

Johnson, SJ et al. SEAS5: das neue saisonale Vorhersagesystem des ECMWF. Geowissenschaftliche Modellentwickler. 12, 1087–1117 (2019).

Artikel Google Scholar

Thornton, MM et al. Daymet: Tägliche Oberflächenwetterdaten in einem 1-km-Raster für Nordamerika, Version 4. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1840 (2020).

Hersbach, H. et al. Die globale ERA5-Reanalyse. QJR Meteorol. Soc. 146, 1999–2049 (2020).

Artikel Google Scholar

Brunner, MI & Slater, LJ Extreme Überschwemmungen in Europa: Über Beobachtungen hinausgehend mithilfe von Neuprognose-Ensemble-Pooling. Hydrol. Erdsystem. Wissenschaft. 26, 469–482 (2022).

Artikel Google Scholar

Coles, S., Bawa, J., Trenner, L. & Dorazio, P. Eine Einführung in die statistische Modellierung von Extremwerten Vol. 208, 208 (Springer, 2001).

Referenzen herunterladen

Die Autoren bedanken sich für die Unterstützung des NASA-Kooperationsstipendiums „Today's Risk of Extreme Events“ (Vereinbarungsnummer 80NSSC22K1706). Die Autoren danken dem Tufts University High Performance Compute Cluster (https://it.tufts.edu/high-performance-computing), der für die in diesem Artikel beschriebene Forschung genutzt wurde.

Feinstein International Center, Friedman School of Nutrition Science and Policy, Tufts University, Boston, USA

Erin Coughlan de Perez

Klimazentrum des Roten Kreuzes, Roter Halbmond, Den Haag, Niederlande

Erin Coughlan de Perez

Landwirtschaft, Ernährung und Umwelt, Friedman School of Nutrition Science and Policy, Tufts University, Boston, USA

Hamsa Ganapathi & Timothy Griffin

University of Sussex, Brighton, Großbritannien

Gibbon IT Guten Morgen

Simbabwe Meteorological Services Department, Harare, Simbabwe

Gibbon IT Guten Morgen

Climate Adaptation Services (CAS), Bussum, Niederlande

Tim Kelder

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

ECdP, HG, GITM und TK haben den Forschungsplan und die Methoden gemeinsam entworfen. ECdP analysierte die Klimadaten und verfasste den Artikel. GITM, HG und TK steuerten Analysen, Methoden und Daten bei. Alle Autoren unterstützten die Analyse, trugen zum Artikel bei und genehmigten die eingereichte Version.

Korrespondenz mit Erin Coughlan de Perez.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Coughlan de Perez, E., Ganapathi, H., Masukwedza, GIT et al. Potenzial für überraschende Hitze- und Dürreereignisse in den weizenproduzierenden Regionen der USA und Chinas. npj Clim Atmos Sci 6, 56 (2023). https://doi.org/10.1038/s41612-023-00361-y

Zitat herunterladen

Eingegangen: 24. August 2022

Angenommen: 03. Mai 2023

Veröffentlicht: 02. Juni 2023

DOI: https://doi.org/10.1038/s41612-023-00361-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt