En lille bønnefarm i Darién -regionen i Colombia. Fremtidige klimascenarier kan modelleres på samfundsskala takket være et datasæt oprettet af CGIAR-forskningsprogrammet om klimaændringer, Landbrug og Fødevaresikkerhed (CCAFS) og Det Internationale Center for Tropisk Landbrug (CIAT). Kredit:Neil Palmer / International Center for Tropical Agriculture
Hvad den globale klimanød har i vente, kan variere fra den ene baghave til den næste, især i troperne, hvor mikroklima, geografi og arealanvendelsespraksis skifter dramatisk over små områder. Dette har store konsekvenser for tilpasningsstrategier på lokalt niveau og kræver pålidelige, højopløselige data om plausible fremtidige klimascenarier.
Et datasæt oprettet af International Center for Tropical Agriculture (CIAT) og kolleger fylder denne niche. Primært beregnet til at hjælpe politikere med at udarbejde tilpasningsstrategier for småbønder i hele verden, datasættet med åben adgang er blevet brugt i 350 forskningsartikler. Brugere i mindst 186 lande har downloadet næsten 400, 000 filer fra datasættet, siden det gik online i 2013.
En fuldstændig beskrivelse, gennemgang og validering af datasættet, herunder hvordan det blev bygget, blev udgivet 20. januar i Videnskabelige data , en open-access publikation af Natur til beskrivelse af videnskabeligt værdifulde datasæt.
"Klimamodeller er komplekse repræsentationer af jordsystemet, men de er ikke perfekte, " sagde Julian Ramirez-Villegas, projektets hovedefterforsker og en videnskabsmand hos CIAT og CGIAR Research Platform on Climate Change, Landbrug og fødevaresikkerhed (CCAFS). "Disse fejl kan have en indflydelse på vores landbrugsmodeller. Fordi disse modeller hjælper os med at træffe beslutninger, det kan have alvorlige konsekvenser. "
Mens dataene primært har tjent landbrugsforskning, det er også blevet brugt til at kortlægge den potentielle globale spredning af Zika (en mygbåren sygdom), at planlægge investeringsstrategier for international udvikling, og at forudsige det fortsatte fald i udendørs skøjtedage i Canada på grund af varmere vintre.
"Brugen og anvendeligheden af disse data har været virkelig omfattende og topisk ganske bred, " sagde Ramirez-Villegas. "Selvfølgelig, en stor del af undersøgelserne er blevet udført på afgrøder, der er nøglen til global fødevaresikkerhed og indkomster såsom ris, kaffe, kakao, majs, og andre."
En plakat med infografik beskriver gennemgangen af et datasæt til klimamodellering i høj opløsning. DOI:10.1038 / s41597-019-0343-8 Kredit:Carlos Eduardo Navarro / International Center for Tropical Agriculture
Indkredsning af klimapåvirkninger
Klimaændringer er typisk tilgængelige i grove skalaer, på 70-400 km. Men modeller for klimaforandringernes indvirkning på mange landbrugsplantsorter kræver data i finere skalaer. Forskerne brugte teknikker til at øge den rumlige opløsning (en proces kendt som nedskalering) og til at rette fejl (en proces kendt som bias correction) for at skabe højopløselige fremtidige klimadata for 436 scenarier.
"Dette er en kritisk ressource til mere realistisk modellering af fremtiden for afgrøder og økosystemer, sagde Carlos Navarro, hovedforfatteren af undersøgelsen, der er tilknyttet CIAT og CCAFS.
For en given emissionsvej og fremtidig periode, hvert scenarie inkluderer månedlige oplysninger for gennemsnitlige og ekstreme temperaturer, Regn, og 19 andre relaterede variabler. Dataene er offentligt tilgængelige i World Data Center for Climate og CCAFS-Climate dataportalen.
"Gennem disse scenarier, vi kan forstå, for eksempel, hvordan landbrugets produktivitet kan udvikle sig, hvis verden fortsætter på den nuværende bane for drivhusemissioner, " sagde Navarro. "De leverer også data til at modellere, hvilke typer tilpasninger der bedst vil modvirke eventuelle negative klimaændringseffekter."
Globale og regionale modeller analyserer klimaforhold i en mere grov skala og forenkler naturlige processer, producere resultater, der kan afvige fra realistiske scenarier.
Datasættet er CGIAR's største tilgængelige tilgængelige tilgængelige interoperable genanvendelige (FAIR) database. Det understreger også CGIARs rolle i big data til udvikling, gennem sin platform for big data i landbruget. Datasættet er i øjeblikket inkluderet i dets Global Agriculture Research Data Innovation and Acceleration Network (GARDIAN).
Højopløsningsskalaen for disse data er nyttig for forskere, politiske beslutningstagere, NGO'er og investorer, da det kan hjælpe dem med at forstå lokale klimaændringspåvirkninger og derfor satse bedre på tilpasningsforanstaltninger, hvilke planer der specifikt kan målrette vandskel, regions kommuner eller lande.