많은 농업 시스템은 단기 기후 변화를 고려할 때 위험에 처할 수 있지만, 수많은 프로세스가 위험에 처해 있고 상호 작용은 여전히 예측하기가 어렵습니다. 무엇보다도, 커피, 카카오 또는 복숭아와 같은 나무 작물은 다년생 성장주기가 새로운 조건에 생산을 조정하기가 어렵고 길고 종종 비용이 많이 드기 때문에 이러한 변화에 가장 큰 영향을받습니다.
따라서, 미래의 기후 변화 영향을 다년생 작물과 숲에 더 잘 예측하기 위해 정보가 증가하고 있으며, 이들 변화가 발생하기 전에 이러한 변화에 대처하기 위해 새로운 농업 및 실습 관행을 설계합니다. 그러나 기후 조건의 변화는 생태계의 물과 탄소 균형에 대한 복잡한 효과의 조합으로 이어 지므로 잠재적으로 농업 체계 생산에 영향을 줄 수 있습니다. 예를 들어, 커피 트리 성장과 과일 생산은 특히 고온과 물 가용성에 민감하며, 이전 연구는 종종 미래의 생산 또는 지역 커버 손실을 예측합니다.
그럼에도 불구하고 농업 세레스 트리 시스템에 제공된 그늘은 다양한 관리 옵션에서 기후 변화의 영향을 완화 할 수 있지만, 결과적으로는 빛과 수자원에 대한 경쟁을 증가시킬 수 있습니다. 이러한 과정과 그 상호 작용을 연구하는 것은 온도와 강우 패턴의 향후 변화에 적합한 새로운 농업 및 실습 관행을 향한 첫 번째 단계입니다.
프로세스 기반 모델 (PBM)은 일반적으로 이러한 과제를 해결하는 데 적합합니다. PBM은 기본 물리적 및 생태 생리 학적 과정에 대한 이해를 기계적으로 시뮬레이션하기 위해 우리의 이해를 적용합니다 (Bohn et al., 2014). PBM은 종종 토양 공장 대기 학적 연속체 (SPAC, Philip (1966)) 형식을 사용합니다. 이 연속체는 결합 된 물과 에너지 흐름 측면에서 생태계 상태를 나타 내기 위해 주요 영역 (토양, 식물 및 대기) 사이에서 발생하는 프로세스의 상호 작용을 설명합니다. 이러한 복잡한 시스템에서, 모든 구성 요소 상태는 물 전위, 수도권 및 가용 에너지를 통해 다른 하나의 흐름을 구동함에 따라 모델링하는 데 중요합니다 (Lobet et al., 2014; Manzoni et al., 2013).
.구성 요소로 들어오는 에너지량은 대기에서 발생하는 가용 에너지와 물질 방사율, 트랜스 미축성, 흡광도 또는 캐노피 구조로서 생태계 특성에 의존합니다. 흡수 된 에너지는 온도의 모든 잠재적 변화와 물체 내 또는 표면의 물의 위상에서 증발 및 증발을 유발하는 공급원이다. 이 흡수 에너지는 또한 전도를 통해 주변 공기와 상호 작용할 것입니다 (즉, 현명한 플럭스) 및 증기 (, 즉 잠재적 인 플럭스), 온도와 습도 증가.
물과 에너지 균형은 또한 탄소 사이클과 상호 작용합니다. 실제로, 식물은이 에너지의 일부를 수확하여 대기 Co 2 에서 탄수화물 분자를 만듭니다. 그들의 기공을 통해 확산. 그렇게함으로써, 기공으로부터의 세포 간 물 (, 즉 증산), 더 부정적인 국소 수질 잠재력을 유발하고 뿌리에서 물을 당기고 토양에서 물을 당깁니다. 건조를 피하기 위해 시스템의 에너지 균형에 따라 잎 근처의 소기후에 따라 식물에 의해 기공 전도도를 조정할 수 있습니다. 그리고 잎 물 잠재력에서, 그것은 토양 물 상태 자체와 직접 연결되어 있습니다.
탄소의 플럭스를 식물로 제어함으로써 에너지 및 물 균형은 식물 성장을 유도합니다. 대기에서 생태계의 모든 생명에 이르기까지 탄소의 유일한 싱크대입니다. 온도를 제어함으로써 그들은 또한 대기를 향한 탄소의 공급원 인 호흡을 유도합니다. 따라서 SPAC 형식주의는 시스템의 물리적, 생리 학적 특성에 대한 많은 양의 지식이 필요하지만, 증산, 잎 및 토양 증발, 에너지 예산을 올바르게 시뮬레이션하는 데 필요하기 때문에 복잡합니다.
.모든 농업 에코 시스템 중에서, 다년생 농장과 숲은 아마도 이질적인 캐노피를 갖는 경향이 있기 때문에 모델에 가장 복잡 할 것입니다. 이것은 특히 coffea 와 같은 농업 시스템의 경우입니다. 아라비카 광 분포와 미세 계절 조건이 등방성이 높기 때문에 (즉, . 그것들은 공간적으로 이질적이기 때문에, 같은 분야의 두 개의 개별 식물은 매우 다른 조건을 경험할 수 있습니다. 따라서 트리 스케일 3D 모델은 이러한 시스템을 모델링하면서 공간 복잡성을 더 잘 통합하는 데 사용되어야합니다.
MAESPA 모델 (그림 2)은 개별 규모의 산림 에너지, 물 및 탄소 플럭스를 시뮬레이션하는 3D 명시 적 공정 기반 모델 (Duursma and Medlyn, 2012)입니다. 그것은 트리 크라운의 특정 볼륨 요소의 균질 한 표현 인 복셀 스케일의 숲을 설명하기 때문에 농업 시스템을 시뮬레이션하는 데 특히 적합합니다. 플롯, 구조 (크라운 높이, 너비…) 및 물리적 및 생리적 매개 변수에 대한 여러 나무 종을 관리 할 수 있습니다.
이 모델은 캐노피 공간 이질성을 고려하면서 산림 및 토양의 각 식물에 대한 가벼운 차단, 에너지, 물 및 탄소 플럭스의 미세 추정을 계산하여 수평 적으로 이종 산림 시스템에 대한 기후 변화의 영향을 해결하기위한 관련 후보가됩니다. 그러나 이전 연구에서 Maespa는 Coffea Agroforestry 시스템과 Pinus 및 Eucalyptus에 대한 높은 증발산 비율을 과소 평가하는 경향이 있음이 밝혀졌습니다. 예비 조사는이 현상이 캐노피 온도와 증기 압력의 신뢰할 수없는 추정에서 발생한다고 제안했다.
최근 기사에서 Vezy et al. (2018)은 캐노피 내 공기 온도와 캐노피 내 증기압의 계산을 포함하여 캐노피 미세 기후의 정제 된 표현 덕분에 증발산 비율을 더 잘 시뮬레이션하기 위해 MAESPA 모델을 수정했습니다 (그림 2). 두 변수는 캐노피, 토양 및 대기의 복잡한 상호 작용에 영향을 미치고 결과적으로 영향을 미치기 때문에 포함은 Maespa 모델에 대한 중요한 개선입니다.
이 작업은 Maespa (그림 3)에 의한 캐노피 온도 시뮬레이션의 개선으로 이어졌으며, 이로 인해 나중에 더 나은 물 및 에너지 플럭스 시뮬레이션 시뮬레이션이 이루어졌습니다 (모델 평가에 대한 자세한 내용은 기사를 참조하십시오). 그런 다음 저자들은 Maespa를 사용하여 간단한 균질 단일 공학 유칼립투스 에서 공간적 이질성이 증가함에 따라 다른 나무 작물의 증발산을 모델링했습니다. 복잡한 농업 coffea 에 서십시오 두 개의 그늘 나무 종이있는 농장.
저자들은 유칼립투스의 증발산이 라는 것을 발견했다 브라질의 상파울루 주에 위치한 농장은 2012 년에 같은 해의 연간 총 침전 (그림 4)보다 더 높았습니다 (그림 4). 증발산). 이 결과는 집중적 인 유칼립투스 를 보여줍니다 농장은 침전 규제 체제에서 조경 규모로 수자원을 줄일 수 있으며, 기후 변화가 미래의이 지역에서 강우량이 줄어들면서 기후 변화에서 점점 더 문제가 될 수 있습니다.
.두 번째 흥미로운 결과는 coffea 의 그늘진 나무가 코스타리카의 농업 세제 시스템은 더 들어오는 태양 에너지를 잠재적 인 플럭스로 변환하는 데 도움이되어 coffea 가 경험 한 소기후를 바꾸는 데 도움이됩니다. 아래는 방사선이 덜 깔끔하고 더 시원하고 더 인기있는 것입니다. 결과적으로, coffea 잎 온도와 증산이 감소되었습니다. 결과적으로 농업은 coffea를 적응시키는 잠재적 인 도구가 될 수 있습니다. 커피 수율에 대한 공기 온도가 증가하는 부정적인 영향을 줄임으로써 기후 변화에 대한 자르기 시스템. coffea를 줄일 수있는 잠재력에 대한 더 많은 조사 그늘에 의한 잎 온도가 필요하지만 이러한 결과는 이러한 측면에 대한 향후 연구를 안내 할 수 있습니다.
세 번째 흥미로운 결과는 농업 경화 관리가 강수량이 대기 또는 토양 수분에 생태계로 재활용되는 방식에 큰 영향을 미쳤다는 것입니다. coffea에 대한 그늘 나무 밀도가 높을수록 식물은 증발산이 높을수록 대기로 더 많은 물 재활용을 만듭니다. 이 현상은 그늘 나무가 건조기 기후, 특히 고밀도 농업 시스템의 수자원에 대해 매우 경쟁력이 될 수 있기 때문에 이해하는 것이 중요합니다. 따라서 MAESPA는 최적의 그늘 나무 종, 최적의 밀도 및 국소 소아 클리즘 조건을 고려한 최적의 관리를 조사하는 데 사용될 수 있습니다.
이러한 결과는 MAESPA 모델이 물 및 에너지 균형과 관련된 공정의 관계, 특히 복잡한 캐노피 구조를 가진 자르기 시스템을 조사하기에 좋은 후보임을 보여줍니다. 이 모델은 국소 소아 클리주의 조건을 고려하여 토양과 잎 증발과 식물 증발 사이의 가장 큰 분할을 통해 관리를 평가하는 데 사용될 수 있습니다. Maespa는 또한 공정 기반 기능 덕분에 기후 변화에 대한 생태계 반응을 예측하는 데 적합하며 다른 식물 종이나 지역에서 사용될 수 있습니다.
.이러한 결과는 최근에 Journal 농업 및 산림 기상학에 발표 된 Maespa Model을 사용하여 다양한 복잡성의 캐노피에서 측정 및 모델링 에너지 파티셔닝이라는 제목의 기사에 설명되어 있습니다. 이 작품은 Rémi Vezy, Mathias Christina, Olivier Roupsard, Yann Nouvellon, Remko Duursma, Belinda Medlyn, Maxime Soma, Fabien Charbonnier, Céline Blitz-Frayret, José-Luiz Stape, Jean-Paul Laclau, Elias de Melo Virginio가 수행했습니다 Filho, Jean-Marc Bonnefond, Bruno Rapidel, Frédéric C. Do, Alain Rocheteau, Delphine Picart, Carlos Borgonovo, Denis Loustau 및 Guerric Le Maire.
