3.2. Scenario effects at the distri

3.2. Scenario effects at the district level for Brandenburg in 2025

3.2.1. Crop yields

Within the period 2020–2030, simulated crop yields fluctuated due to year-to-year weather variation. In the BAU scenario, the standard deviation ranged from 10 to 15% for spring crops (silage maize, sugar beet) and from 5 to 10% for winter crops. Simulated crop yields for the three scenarios and for the 14 districts are presented in Table 5. The results of the Irrigation scenario showed that irrigation was able to support significantly higher yields, to increase yield stability, and to reduce cropping risk. The yield increases were highest for silage maize (34–48%) and lowest for winter rapeseed (3–9%). For winter wheat and sugar beet, simulations resulted in yield increases of 16% and 23%, respectively. Because of the increased yields and improved yield stability, irrigation could be an effective measure to adapt to climate change.
This is because climate change impacts in this study area are predicted to shift rainfall from summer to winter periods thereby aggravating water stress during the vegetation period, and to
increase the rainfall variability between years, which in turn increases yield variability. In addition, irrigation is important for farms growing silage maize for biogas production, because they have to comply with long-term contracts for annual biomass delivery.
No significant change in crop yield was detected between the BAU and Energy scenarios. The crop yield of silage maize was reduced by 0.75 t ha1 on average in the Energy scenario compared
to the BAU scenario. This may be because the larger cultivation area for maize in the Energy scenario also includes sites of lower productivity. Patterns of simulated yield levels across the 14 districts of Brandenburg showed little variation between the scenarios. The highest simulated average crop yields were in the districts PR, UM, MOL, and EE. With the highest share of arable land, PR, UM and MOL are also the districts with the highest agricultural production
(Table 2). In contrast, PM, LDS and LOS had the lowest average crop yields. Modeling results revealed that considerable yield effects can be expected with the introduction of crop irrigation.

ผลลัพธ์ (ไทย) 1:

3.2. สถานการณ์ผลที่ระดับอำเภอสำหรับบรันเดนบูร์กใน 2025

3.2.1 พืชผลผลิต

ภายใน 2020 – ปี 2030 รอบระยะเวลาผลผลิตพืชจำลอง fluctuated เนื่องจากการเปลี่ยนแปลงสภาพอากาศปีต่อปี ในสถานการณ์เบา ส่วนเบี่ยงเบนมาตรฐานอยู่ในช่วง 10 ถึง 15% สำหรับฤดูใบไม้ผลิพืช (ไซเลจต่อข้าวโพด นทาน) และ จาก 5 ถึง 10% สำหรับพืชฤดูหนาว ผลผลิตพืชจำลอง 3 สถานการณ์ และเขต 14 จะแสดงในตาราง 5 ผลลัพธ์ของสถานการณ์ชลประทานพบว่า ชลประทานคือสามารถรองรับผลผลิตอย่างมีนัยสำคัญ การเพิ่มความมั่นคงผลตอบแทน และ เพื่อลดความเสี่ยงที่ครอบ เพิ่มผลผลิตได้สูงสุด สำหรับข้าวโพดไซเลจต่อ (34-48%) และต่ำสุดในฤดูหนาวเมล็ดต้นเรพ (3-9%) ข้าวสาลีฤดูหนาวและนทาน จำลองผลในผลผลิตเพิ่มขึ้น 16% และ 23% ตามลำดับ เพิ่มผลผลิตและผลผลิตปรับปรุงเสถียรภาพ ชลประทานอาจเป็นการวัดผลเพื่อปรับให้เข้ากับการเปลี่ยนแปลงสภาพภูมิอากาศได้
ทั้งนี้เนื่องจากผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศในพื้นที่ศึกษานี้คาดว่า จะกะปริมาณน้ำฝนจากฤดูร้อนไปหนาวรอบจึง aggravating เครียดน้ำช่วงพืช และการ
เพิ่มสำหรับความผันผวนของปริมาณน้ำฝนระหว่างปี ซึ่งจะเพิ่มผลตอบแทนสำหรับความผันผวน ชลประทานเป็นสิ่งสำคัญสำหรับการเติบโตไซเลจต่อข้าวโพดสำหรับผลิตก๊าซชีวภาพ ฟาร์มเนื่องจากพวกเขาจะต้องสอดคล้องกับสัญญาระยะยาวสำหรับปีชีวมวลส่ง
ไม่เปลี่ยนแปลงผลผลิตพืชพบในสถานการณ์เบาและพลังงาน ผลผลิตพืชของไซเลจต่อข้าวโพดถูกลดลง 0.75 t ฮา 1 โดยเฉลี่ยในสถานการณ์พลังงานเทียบ
เพื่อสถานการณ์เบา นี้อาจจะเนื่องจากพื้นที่เพาะปลูกขนาดใหญ่สำหรับข้าวโพดในสถานการณ์พลังงานรวมไซต์ของผลผลิตต่ำ รูปแบบของระดับผลผลิตเลียนแบบข้ามเขต 14 ของบรันเดนบูร์กแสดงให้เห็นการเปลี่ยนแปลงเล็กน้อยในสถานการณ์ สูงสุดจำลองพืชโดยเฉลี่ยอัตราผลตอบแทนอยู่ในเขต PR, UM โมล และแบบ มีส่วนแบ่งสูงสุดของจังหวัด PR, UM และโมลได้ยังเขตกับ
(Table 2) สินค้าเกษตรสูงสุด ในทางตรงข้าม PM แอลดีเอสและ LOS มีอัตราผลตอบแทนต่ำสุดเฉลี่ยตัด ผลการสร้างแบบจำลองเปิดเผยว่า ผลผลผลิตมากสามารถคาดหวังกับการแนะนำของพืชชลประทาน

ผลลัพธ์ (ไทย) 3:

3.2 . สถานการณ์ผลกระทบในระดับอำเภอ เพื่อดำเนินงานในระดับที่สุด

. ผลผลิตพืช

ภายในระยะเวลา 2020 - 2030 ) ผลผลิตพืชผันผวนเนื่องจากปีความผันแปรสภาพอากาศ ใน BAU สถานการณ์ , ส่วนเบี่ยงเบนมาตรฐานมีค่าระหว่าง 10 ถึง 15 % สำหรับพืชฤดูใบไม้ผลิ ( หมักข้าวโพด , น้ำตาล ) และ 5 - 10 % สำหรับพืชฤดูหนาวโดยผลผลิตพืชทั้งสามสถานการณ์ และ 14 เขต แสดงใน ตารางที่ 5 ผลของสถานการณ์น้ำ พบว่าน้ำสามารถรองรับผลผลิตสูงกว่า การเพิ่มผลผลิต มีความมั่นคง และลดความเสี่ยงในการปลูกพืช การเพิ่มผลผลิตสูงสุด สําหรับหมักข้าวโพด ( 34 ) ร้อยละ 48 ) และต่ำสุดสำหรับเมล็ดต้นฤดูหนาว ( 3 – 9 % ) ข้าวสาลีฤดูหนาวและน้ำตาลบีท ,จำลอง มีผลในการเพิ่มผลผลิตของร้อยละ 16 และ 23 ตามลำดับ เพราะการเพิ่มผลผลิตและปรับปรุงผลผลิตของน้ำอาจเป็นมาตรการที่มีประสิทธิภาพเพื่อปรับให้เข้ากับการเปลี่ยนแปลงสภาพภูมิอากาศ .
เพราะการเปลี่ยนแปลงภูมิอากาศผลกระทบในพื้นที่ศึกษา คาดว่าจะเปลี่ยนจากฤดูร้อนฤดูหนาวช่วงฝนจึง aggravating แล้งน้ำในช่วงระยะเวลาพืชและ

เพิ่มปริมาณความแปรปรวนระหว่างปี ซึ่งจะช่วยเพิ่มผลผลิตของความแปรปรวน นอกจากนี้ น้ำ เป็นสิ่งสำคัญสำหรับฟาร์มปลูกข้าวโพดหมักเพื่อผลิตก๊าซชีวภาพ เพราะพวกเขามีเพื่อให้สอดคล้องกับสัญญาระยะยาวจัดส่งมวลชีวภาพรายปี
ไม่มีการเปลี่ยนแปลงอย่างมีนัยสําคัญในผลผลิตที่ตรวจพบระหว่างบัวและพลังงานนี้และผลผลิตของข้าวโพดหมักลดลง 0.75 T ฮา  1 เฉลี่ยในสถานการณ์พลังงานเทียบ
ไปเบาที่สุด ซึ่งอาจเป็นเพราะมีขนาดใหญ่พื้นที่ปลูกข้าวโพดในสถานการณ์พลังงาน รวมถึงเว็บไซต์ของผลผลิตที่ลดลง รูปแบบจำลองระดับผลผลิตใน 14 เขตบรันเดนบูร์ก พบการเปลี่ยนแปลงเล็กน้อยระหว่างภาพสูงสุดโดยเฉลี่ยผลผลิตพืชในเขตประชาสัมพันธ์ อืม กระทรวงแรงงาน และ อี ที่มีส่วนแบ่งสูงสุดของที่ดินเพาะปลูก , PR . และกระทรวงแรงงาน ยังเป็นเขตที่มีมากที่สุดที่การผลิตทางการเกษตร
( ตารางที่ 2 ) ในทางตรงกันข้าม , PM , โบถส์และลอสได้ต่ำสุดเฉลี่ยผลผลิตพืช . แบบจำลองพบว่า ผลผลิตที่มีมากสามารถคาดหวังกับการแนะนำของพืชที่ให้น้ำชลประทาน