全球農業水資源モデルの構築及び全球収量ポテンシャルの推定

全球农业水资源模型构建及全球产量潜力估算

基本信息

批准号：
12J03816
负责人：
小槻峻司
金额：
$ 1.15万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2012
资助国家：
日本
起止时间：
2012 至 2013
项目状态：
已结题

项目摘要

本研究の目的は、農業生産活動と陸域の水循環との関わりを解析可能な農業水資源モデルを構築する事である. 開発目標である農業水資源モデルについては, 既に昨年度までにその枠組みの開発を終えており, 今年度に論文として掲載された. 本年度は, 昨年度までの活動を踏まえた上で, モデル自体の改良や, 入カデータの高精度化により, モデル出力をより現実に擦り合わせるための作業に重点を置いて研究を行った. 本年度の主な研究成果は, 以下の通りである.1. 衛星観測植生指標を用いた全球農事暦推定アルゴリズムの高精度化陸上の水循環, 及び, 作物モデルの開発・検証・適用に際して, 農事暦情報が必要となる. 本研究では, 近年利用が可能になってきた全球作物分布情報を利用することで, 衛星観測植生指標NDVIを用いた全球農事暦推定アルゴリズムを高精度化した. 特に作物の播種日は, 人為的な影響を強く受けるため気象・気候条件により決定する事が困難であった. 本研究で行ったアルゴリズムの改良により, 各国の作物統計情報と比較して, 作成される農事暦の再現性が向上する事を示した.2. タイ・チャオプラヤ川対象としたケーススタディ : 再現実験と将来の変化予測水関連災害の多いタイ・チャオプラヤ川におけるケーススタディを行った. 再現実験では, モデルが対象流域の年流出量や流出量の季節変化を再現しうる事を示すと共に, 同流域で雨季中盤の大雨が, 雨季後期の大出水につながるという知見を得た. 将来の気候条件を用いた将来予測計算では, GCM (Global Climate Model)や温室効果ガスの排出シナリオに関する不確実性を考慮した, 将来の水資源変化予測を行った. 解析では, GCMの違いによる不確実性を低減する為に, 複数のGCM出力を用いた結果, 多くのモデル出力が将来にかけての大幅な流量増加を支持することを示した.3. 乾燥域における水収支解析精度の高精度化への取り組み現在の全球水文モデルは, 乾燥域の河川で流量過大となる問題を抱えている. その理由は, 乾燥域における水文観測密度が低い事と, 現状の水文モデルが乾燥域の陸面プロセスを十分にモデル化できていないことが原因である. 地上観測情報の不十分さや, 乾燥域のモデルパラメータのキャリブレーションは, 衛星観測情報を用いた同化やフィルタリングにより改善される可能性がある. 本研究では, 地表面水文量の一つである土壌水分量に着目し, JAXAの提供するAMSR-E土壌水分量の利用を開始した. AMSR-E土壌水分に関しては, その利用可能状況を判断した上で, モデルの同化システムに組み込むことが今後の課題として残された.

这项研究的目的是建立一个农业水资源模型，该模型可以分析农业生产活动与陆生循环之间的关系。农业水资源模型的发展目标已经在去年完成，并于今年发表。今年，基于去年的活动，我们专注于改善模型本身，并提高数据的准确性以改善模型输出，并通过将模型的输出提高到更现实的方式。今年的主要研究结果如下：1。使用卫星观察植被指标以及农作物模型的开发，验证和应用所需的高精度全球农业日历估计算法以及农业日历信息。在这项研究中，我们使用近年来已获得的全球作物分销信息。我们已经使用卫星观察植被指数NDVI制作了全球农业日历估计算法。特别是，很难根据天气和气候条件来确定作物播种的日期，因为它受到人为因素的高度影响。这项研究中进行的算法的改进表明，与每个国家的农作物统计数据相比，农业日历的可重复性2。泰国县乔河的案例研究：繁殖实验，并预测泰国的混乱Phraya河的未来变化，在那里进行了许多与水有关的灾难。在繁殖实验中，该模型可以在目标盆地的年度径流和径流体积的季节性变化中繁殖，并且我们发现的发现，同一盆地中赛季中期的大雨在雨季后期导致大量水流。在未来使用未来气候条件的未来预测计算中，我们已经表明，考虑到温室气体排放情况的不确定性，GCM（全球气候），我们预测了水资源的未来变化。在分析中，我们使用多个GCM输出来减少GCM差异引起的不确定性，并表明许多模型输出支持将来显着增加。3。提高干燥区域水平分析准确性的倡议目前的全球水文模型存在干旱地区河流过度流速的问题。这样做的原因是，干燥区域中的水文观察密度很低，目前的水文模型尚未充分对干燥区域的土地表面过程进行建模。通过卫星观察信息，可以通过同化和过滤来改善地面观察信息和模型参数的校准。在这项研究中，我们专注于土壤水分含量，这是表面水文含量之一，我们已经开始使用JAXA提供的AMSR-E土壤水分含量。关于AMSR-E土壤水分，AMSR-E土壤水分的可用性仍然是未来在确定其可用性后将其纳入模型同化系统中的挑战。