Since the 1960s, a major driver of crop yield stability inWesternand S การแปล - Since the 1960s, a major driver of crop yield stability inWesternand S ไทย วิธีการพูด

Since the 1960s, a major driver of

Since the 1960s, a major driver of crop yield stability inWestern
and Southern Australia (WSA) has been the observed decline in
winter rainfall (Cai and Cowan, 2008; Smith et al., 2000; Stokes and
Howden, 2010). InWSA, increasing atmospheric carbon dioxide (CO2)
concentrations are projected to be accompanied by increases in mean
temperature of 0.6 to 1.5 °C by 2030 and 2.2 to 2.5 °C by 2070 and
decreases in annual mean rainfall by −2.5 to −10% by 2030 and 2070
(Cai and Cowan, 2008; CSIRO and BoM, 2007; CSIRO and BoM, 2010;
CSIRO and BoM, 2012; Sinclair, 2011). Therefore, a major concern
arises for the long-term productivity and sustainability of dry land
broadacre cropping systems under future climate conditions (Anwar
et al., 2013; Challinor et al., 2014; Rodríguez et al., 2014; Stokes and
Howden, 2010). A strong scientific evidence base is needed to help
farmers choose resilient strategies and to guide research and development
(R&D) investments in the presence of climate change
(Anwar et al., 2013; Challinor et al., 2014; Dogliotti et al., 2014). The
effects of climate change are likely to exacerbate high natural climatic
variability on broadacre crop production systems in semiarid
environments in Australia (Hayman et al., 2012; IPCC, 2007).
The intensive rainfed farming systems of WSA are climatically sensitive,
as demonstrated by the significant fluctuations in regional
crop yields in dry and wet years (ABARES, 2013; Hennessy et al.,
2007). Such yield variation could be amplified by projected climate
changes (Lobell and Field, 2007; Stokes and Howden, 2010). However,
changes in rainfall and temperature are different for different locations
and time horizons and may have different effects on crop
yields depending on crop and soil types (Challinor et al., 2014; Stokes
and Howden, 2010). Regional assessments of vulnerability and the
consequent management responses must therefore take into account
the effects of climate changes for different locations and time horizons
on a range of crops growing in a range of different soil.
Numerous studies have assessed the effects of climate change
on crop productivity in rainfed cropping systems in Australia at
various scales (Anwar et al., 2007; Bassu et al., 2011; Crimp et al.,
2008; Ludwig and Asseng, 2006; Potgieter et al., 2013; van Ittersum
et al., 2003; Wang et al., 2011; Yang et al., 2014). In these studies,
wheatwas the most commonly assessed crop, though there are other
important broadacre crops in the domain of rainfed cropping system
that dictates food crop productivity (ABARES, 2013). Analyses suggest
that considerable decreases in wheat yield (Ludwig and Asseng,
2006; van Ittersum et al., 2003; Yang et al., 2014) can be attributed
to reductions in rainfall in the projected climates. The relevant
research has demonstrated that the major constraints to rainfed cropping
include crop type, agronomy, climate, and soil type (Iizumi et al.,
2013; Olesen et al., 2011; White et al., 2011). Climate change constitutes
the major exogenous shock to which adaptation responses
specific for crop type, soil type and agronomy would be required.
In this article, five important broadacre crops inWestern and South-
Eastern Australia are considered. These include wheat (Triticum
aestivum L), barley (Hordeum vulgare L), lupins (Lupinus angustifolius),
canola (Brassica napus L) and field peas (Pisum sativum).
Impact assessments of climate change on agricultural crops often
use climate scenarios (Nakic´enovic´ and Swart, 2000) developed by
downscaling Global Climate Model (GCM) predictions to a region
of interest (e.g., Betts et al., 2011; Ines and Hansen, 2006; Robertson
et al., 2007), and these are crucial for planning adaptation strategies
(Anwar et al., 2013; Rodríguez et al., 2014; Stokes and Howden,
2010). The resulting climate scenarios are used as inputs to drive
process-oriented crop simulation models for impact assessment
(Alexandrov et al., 2002; Betts, 2005; Lobell, 2013; Ozdogan, 2011;
Reilly et al., 2003; Tubiello et al., 2002). Most crop simulation models
require daily climate data (de Wit and van Keulen, 1987; Keating
et al., 2003; Soussana et al., 2010; Stockle and Nelson, 2001).
However, one of the unpredictable aspects of climate change is the
future amount of annual rainfall and howit will be distributed during
the growing seasons (Folland et al., 2001; Ramirez-Villegas and
Challinor, 2012). Different GCM can provide different future projections
for a particular region (Laurent and Cai, 2007; Zhang and
Cai, 2013). Moreover, GCM grid-cell estimates over the studied land
surfaces may be influenced by the radiative forcing of the climate
system (Eric and Salathe, 2003; Mearns et al., 1996; Randall et al.,
2007). GCM grid-cells typically have coarse spatial resolutions of
hundreds of kilometres. Such estimates, in combination with different
emission scenarios and uncertainty originating from the choice
of GCMs (Beniston et al., 2007; Ines and Hansen, 2006; Nakic´enovic´
and Swart, 2000), can result in over- or underestimated rainfall
amounts that may not be applicable to future climates at regional
scales (Randall et al., 2007; World Bank, 2012, 2013). There is also
a diversity of approaches and methods available for making future
climate projections, including anomalies, variable corrections, climate
change factors, scaling, empirical relationships, and statistical
downscaling (e.g., Anwar et al., 2007; Ines and Hansen, 2006; Liu
and Zuo, 2012; Maraun et al., 2010; Randall et al., 2007; Timbal et al.,
2008). Commonly numerical models or statistical relationships are
used to develop future climate projections based on historical climate
records. This is done in conjunction with GCM grid-cell spatial
average values over the land surfaces being studied (IPCC, 2001;
Mearns et al., 1996; Randall et al., 2007).
When we use best-practice climate downscaling for individual
Australian locations, how do the climate sequences compare with
the historical record in terms of distributions of key variables? This
paper provides the first location-level estimates of projected climate
in three time periods spanning from the present to 2030, 2060 and
2090. Our analysis considers four important broadacre crop growing
regions in Australia by applying a statistically downscaled bias correction
method (Liu and Zuo, 2012) involving 18 GCMs under the
A2 emission scenario (Nakic´enovic´ and Swart, 2000). Other objectives
of this study were to quantify the impact of climate scenarios
(2030, 2060 and 2090) on yield and phenological variations of five
important broadacre crops (wheat, barley, lupin, canola, field pea)
grown in three different soil types and these results can be an important
basis for adaptations
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
ตั้งแต่ปี 1960 โปรแกรมควบคุมหลักของพืชผลตอบแทนมั่นคง inWesternและได้ปฏิเสธพบในออสเตรเลียใต้ (WSA)ฝนหนาว (ไกและ Cowan, 2008 สมิธและ al., 2000 สโตกส์ และHowden, 2010) InWSA เพิ่มบรรยากาศคาร์บอนไดออกไซด์ (CO2)คาดว่าความเข้มข้นเพิ่มขึ้นเฉลี่ยร่วมอุณหภูมิ 0.6-1.5 ° C ปี 2030 และ 2.2-2.5 ° C โดย 2070 และลดลงในปริมาณน้ำฝนเฉลี่ยรายปี โดย −2.5 −10% โดยปี 2030 2070(ไก และแวนส์ 2008 CSIRO และ BoM, 2007 CSIRO และ BoM, 2010CSIRO และ BoM, 2012 นแคลร์ 2011) ดังนั้น ความกังวลที่สำคัญเกิดขึ้นในระยะยาวประสิทธิภาพและความยั่งยืนของดินแห้งbroadacre ครอบระบบภายใต้เงื่อนไขสภาพภูมิอากาศในอนาคต (อันวาร้อยเอ็ด al., 2013 Challinor et al., 2014 Rodríguez et al., 2014 สโตกส์ และHowden, 2010) ความเข้มแข็งหลักฐานทางวิทยาศาสตร์พื้นฐานเป็นสิ่งจำเป็นเพื่อช่วยให้เกษตรกรเลือกกลยุทธ์ความยืดหยุ่นและ ให้คำแนะนำวิจัยและพัฒนาลงทุน (R & D) ในต่อหน้าของการเปลี่ยนแปลงสภาพภูมิอากาศ(อันวา et al., 2013 Challinor et al., 2014 Dogliotti et al., 2014) ที่ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศมักจะทำให้รุนแรง climatic ธรรมชาติสูงสำหรับความผันผวนในระบบการผลิตพืช broadacre ใน semiaridสภาพแวดล้อมในออสเตรเลีย (เฮย์แมน et al., 2012 IPCC, 2007)ระบบการทำฟาร์ม rainfed เร่งรัดของ WSA เป็นสำคัญ climaticallyตามโดยเปลี่ยนแปลงที่สำคัญในภูมิภาคผลผลิตพืชผลในปีที่แห้ง และเปียก (ABARES, 2013 เฮนเนสซี่วี et al.,2007) การเปลี่ยนแปลงผลผลิตดังกล่าวสามารถขยาย โดยการคาดการณ์สภาพภูมิอากาศเปลี่ยนแปลง (Lobell และฟิลด์ 2007 สโตกส์ก Howden, 2010) อย่างไรก็ตามเปลี่ยนแปลงปริมาณน้ำฝนและอุณหภูมิแตกต่างกันสำหรับตำแหน่งที่ตั้งอื่นเวลาฮอลิซันส์ และอาจมีผลแตกต่างกันในพืชอัตราผลตอบแทนขึ้นอยู่กับชนิดพืชและดิน (Challinor et al., 2014 สโตกส์ก Howden, 2010) ภูมิภาคประเมินความเสี่ยงและตอบจัดการตามมาดังนั้นต้องนำเข้าบัญชีผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในสถานต่าง ๆ และเวลาฮอลิซันส์ในช่วงพืชเจริญเติบโตในช่วงของดินแตกต่างกันการศึกษาจำนวนมากได้ประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในผลผลิตพืชใน rainfed ครอบระบบในออสเตรเลียที่ต่าง ๆ ปรับขนาด (อันวา et al., 2007 Bassu et al., 2011 ใจคับ et al.,2008 ลุดวิกแห่งและ Asseng, 2006 Potgieter et al., 2013 รถตู้ Ittersumและ al., 2003 วัง et al., 2011 ยาง et al., 2014) ในการศึกษาเหล่านี้wheatwas ประเมินพืช ให้มากที่สุดโดยทั่วไปว่ามีอีกพืช broadacre สำคัญในโดเมนของ rainfed ครอบระบบที่บอกผลผลิตพืชอาหาร (ABARES, 2013) แนะนำวิเคราะห์ลดลงที่สำคัญในผลผลิตข้าวสาลี (ลุดวิกแห่งและ Assengปี 2006 รถตู้ Ittersum et al., 2003 สามารถเกิดจากยาง et al., 2014)การลดในปริมาณน้ำฝนในสภาพอากาศที่คาดการณ์ไว้ เกี่ยวข้องวิจัยได้สาธิตที่ข้อจำกัดสำคัญ rainfed ครอบรวม ถึงชนิดพืช เกษตรศาสตร์ อากาศ ดินชนิด (Iizumi et al.,2013 Al. Olesen ร้อยเอ็ด 2011 ขาวร้อยเอ็ด al., 2011) ถือการเปลี่ยนแปลงสภาพภูมิอากาศช็อตบ่อยสำคัญเพื่อตอบสนองการปรับเฉพาะเจาะจงสำหรับพืชชนิด ชนิดของดินและเกษตรศาสตร์จะต้องในบทความนี้ 5 inWestern broadacre สำคัญพืชและใต้-ออสเตรเลียตะวันออกจะถือว่า เหล่านี้รวมถึงข้าวสาลี (Triticumaestivum L), ข้าวบาร์เลย์ (Hordeum vulgare L), lupins (Lupinus angustifolius),คาโนลา (ผัก napus L) และถั่วลันเตาฟิลด์ (ลันเตา)ประเมินผลกระทบของสภาพภูมิอากาศเปลี่ยนแปลงพืชเกษตรมักจะใช้สถานการณ์สภาพภูมิอากาศ (Nakic´enovic´ และ Swart, 2000) พัฒนาโดยแบบจำลองภูมิอากาศโลก (บำรุง) คาดคะเนที่ downscaling เพื่อเป็นน่าสนใจ (เช่น Betts et al., 2011 ทุ่งนาและแฮนเซ่น 2006 โรเบิร์ตสันร้อยเอ็ด al., 2007), และเหล่านี้เป็นสิ่งสำคัญสำหรับการวางแผนปรับกลยุทธ์(อันวา et al., 2013 Rodríguez et al., 2014 สโตกส์และ Howden2010) . สถานการณ์สภาพภูมิอากาศเกิดขึ้นจะใช้เป็นอินพุตขับรูปแบบจำลองพืชมุ่งเน้นกระบวนการสำหรับการประเมินผลกระทบ(Alexandrov et al., 2002 Betts, 2005 Lobell, 2013 Ozdogan, 2011Reilly et al., 2003 Tubiello และ al., 2002) รูปแบบจำลองพืชมากที่สุดต้องการข้อมูลภูมิอากาศรายวัน (เดอปัญญาและแวน Keulen, 1987 คีทติงและ al., 2003 Soussana et al., 2010 Stockle กเนลสัน 2001)อย่างไรก็ตาม ด้านหนึ่งไม่แน่นอนของการเปลี่ยนแปลงสภาพภูมิอากาศเป็นจำนวนปริมาณน้ำฝนรายปีและ howit ในอนาคตจะมีการแจกจ่ายในระหว่างซีซั่นที่เพิ่มขึ้น (Folland et al., 2001 Ramirez Villegas และChallinor, 2012). Different GCM can provide different future projectionsfor a particular region (Laurent and Cai, 2007; Zhang andCai, 2013). Moreover, GCM grid-cell estimates over the studied landsurfaces may be influenced by the radiative forcing of the climatesystem (Eric and Salathe, 2003; Mearns et al., 1996; Randall et al.,2007). GCM grid-cells typically have coarse spatial resolutions ofhundreds of kilometres. Such estimates, in combination with differentemission scenarios and uncertainty originating from the choiceof GCMs (Beniston et al., 2007; Ines and Hansen, 2006; Nakic´enovic´and Swart, 2000), can result in over- or underestimated rainfallamounts that may not be applicable to future climates at regionalscales (Randall et al., 2007; World Bank, 2012, 2013). There is alsoa diversity of approaches and methods available for making futureclimate projections, including anomalies, variable corrections, climatechange factors, scaling, empirical relationships, and statisticaldownscaling (e.g., Anwar et al., 2007; Ines and Hansen, 2006; Liuand Zuo, 2012; Maraun et al., 2010; Randall et al., 2007; Timbal et al.,2008). Commonly numerical models or statistical relationships areused to develop future climate projections based on historical climaterecords. This is done in conjunction with GCM grid-cell spatialaverage values over the land surfaces being studied (IPCC, 2001;Mearns et al., 1996; Randall et al., 2007).When we use best-practice climate downscaling for individualAustralian locations, how do the climate sequences compare withthe historical record in terms of distributions of key variables? Thispaper provides the first location-level estimates of projected climatein three time periods spanning from the present to 2030, 2060 and2090. Our analysis considers four important broadacre crop growingregions in Australia by applying a statistically downscaled bias correctionmethod (Liu and Zuo, 2012) involving 18 GCMs under theA2 emission scenario (Nakic´enovic´ and Swart, 2000). Other objectivesof this study were to quantify the impact of climate scenarios(2030, 2060 and 2090) on yield and phenological variations of fiveimportant broadacre crops (wheat, barley, lupin, canola, field pea)grown in three different soil types and these results can be an importantbasis for adaptations
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
ตั้งแต่ทศวรรษที่ 1960, ขับรถที่สำคัญของความมั่นคงผลผลิตพืช inWestern
และภาคใต้ของประเทศออสเตรเลีย (WSA) ได้รับการลดลงในการสังเกต
ปริมาณน้ำฝนในช่วงฤดูหนาว (Cai และแวนส์ 2008 สมิ ธ , et al, 2000;. คส์และ
ฮาวเดน, 2010) InWSA เพิ่มก๊าซคาร์บอนไดออกไซด์ในชั้นบรรยากาศ (CO2)
ความเข้มข้นคาดว่าจะมาพร้อมกับการเพิ่มขึ้นของค่าเฉลี่ย
อุณหภูมิ 0.6-1.5 องศาเซลเซียสในปี 2030 และ 2.2-2.5 องศาเซลเซียสโดย 2070 และ
ลดลงในปริมาณน้ำฝนเฉลี่ยรายปีจาก -2.5 ถึง -10% โดย 2030 และ 2070
(Cai และแวนส์ 2008; CSIRO และ BoM 2007; CSIRO และ BoM 2010;
CSIRO และ BoM 2012; ซินแคล 2011) ดังนั้นจึงเป็นความกังวลหลัก
ที่เกิดขึ้นสำหรับการผลิตในระยะยาวและยั่งยืนของแผ่นดินแห้ง
ระบบการปลูกพืช broadacre ภายใต้เงื่อนไขภูมิอากาศในอนาคต (อันวาร์
, et al, 2013;.. Challinor et al, 2014;. Rodríguez et al, 2014; คส์และ
ฮาวเดน 2010) หลักฐานทางวิทยาศาสตร์ที่แข็งแกร่งเป็นสิ่งจำเป็นที่จะช่วยให้
เกษตรกรเลือกกลยุทธ์ความยืดหยุ่นและเพื่อเป็นแนวทางในการวิจัยและพัฒนา
(R & D) เงินลงทุนในการปรากฏตัวของการเปลี่ยนแปลงสภาพภูมิอากาศ
(อันวาร์, et al, 2013;. Challinor et al, 2014;. Dogliotti et al, 2014. )
ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศมีแนวโน้มที่จะรุนแรงภูมิอากาศสูงธรรมชาติ
แปรปรวนใน broadacre ระบบการผลิตพืชในแห้งแล้ง
สภาพแวดล้อมในออสเตรเลีย (เฮย์แมน et al, 2012;. IPCC, 2007).
ระบบการทำฟาร์มน้ำฝนเข้มข้นของ WSA มีภูมิประเทศที่สำคัญ
ที่แสดงให้เห็นโดย ความผันผวนอย่างรุนแรงในภูมิภาค
ผลผลิตในปีที่แห้งและเปียก (ABARES 2013; เฮนเนส, et al.
2007) การเปลี่ยนแปลงอัตราผลตอบแทนดังกล่าวจะได้รับการขยายโดยการคาดการณ์สภาพภูมิอากาศ
เปลี่ยนแปลง (Lobell และฟิลด์, 2007; คส์และฮาวเดน, 2010) อย่างไรก็ตาม
การเปลี่ยนแปลงในปริมาณน้ำฝนและอุณหภูมิที่แตกต่างกันสำหรับสถานที่ที่แตกต่างกัน
และขอบฟ้าเวลาและอาจมีผลแตกต่างกันในการเพาะปลูก
อัตราผลตอบแทนขึ้นอยู่กับการเพาะปลูกและชนิดของดิน (Challinor et al, 2014;. คส์
และฮาวเดน, 2010) การประเมินผลในระดับภูมิภาคของความเสี่ยงและ
การตอบสนองการจัดการที่เกิดขึ้นดังนั้นจึงต้องคำนึงถึง
ผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศสำหรับสถานที่ที่แตกต่างกันและกรอบเวลา
ในช่วงของการปลูกพืชในช่วงของดินที่แตกต่างกัน.
ศึกษาจำนวนมากได้รับการประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศ
ในการผลิตพืช ในระบบการปลูกพืชน้ำฝนในประเทศออสเตรเลียที่
เครื่องชั่งน้ำหนักที่แตกต่างกัน (อันวาร์ et al, 2007;.. Bassu et al, 2011; et al, Crimp.
2008; ลุดวิกและ Asseng 2006; Potgieter et al, 2013;. รถตู้ Ittersum
., et al, 2003; Wang et al, 2011;.. ยาง et al, 2014) ในการศึกษาเหล่านี้
wheatwas พืชส่วนใหญ่ประเมินทั่วไปแม้ว่าจะมีอื่น ๆ
พืช broadacre สำคัญในโดเมนของระบบการปลูกพืชน้ำฝน
ที่สั่งผลผลิตพืชอาหาร (ABARES 2013) การวิเคราะห์แสดงให้เห็น
ว่าการลดลงอย่างมากในการให้ผลผลิตข้าวสาลี (ลุดวิกและ Asseng,
2006; แวน Ittersum et al, 2003;.. ยาง et al, 2014) สามารถนำมาประกอบ
การลดลงของปริมาณน้ำฝนในสภาพอากาศที่คาดการณ์ไว้ ที่เกี่ยวข้อง
มีงานวิจัยที่แสดงให้เห็นว่าข้อ จำกัด ที่สำคัญในการปลูกพืชน้ำฝน
รวมถึงประเภทพืชพืชไร่สภาพภูมิอากาศและชนิดของดิน (Iizumi, et al.
2013; Olesen et al, 2011;.. ขาว et al, 2011) เปลี่ยนแปลงสภาพภูมิอากาศที่ถือว่าเป็น
ช็อตจากภายนอกที่สำคัญในการตอบสนองการปรับตัว
ที่เฉพาะเจาะจงสำหรับประเภทพืชชนิดของดินและพืชไร่จะต้อง.
ในบทความนี้ห้า broadacre สำคัญพืช inWestern เฉียงใต้และ
ตะวันออกของออสเตรเลียได้รับการพิจารณา เหล่านี้รวมถึงข้าวสาลี (Triticum
aestivum L) ข้าวบาร์เลย์ (Hordeum vulgare L) lupins (Lupinus angustifolius),
คาโนลา (Brassica napus L) และถั่วสนาม (pisum sativum).
การประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในพืชผลทางการเกษตรมักจะ
ใช้สถานการณ์สภาพภูมิอากาศ (Nakic 'enovic' และผิวคล้ำ, 2000) ที่พัฒนาโดย
downscaling ภูมิอากาศโลกรุ่น (GCM) การคาดการณ์ไปยังภูมิภาค
ที่น่าสนใจ (เช่นเบตต์, et al, 2011;. Ines และแฮนเซน 2006 โรเบิร์ต
. et al, 2007) และเหล่านี้เป็น สิ่งสำคัญสำหรับการวางแผนกลยุทธ์การปรับตัว
(อันวาร์, et al, 2013;. Rodríguez et al, 2014;. คส์และฮาวเดน,
2010) ส่งผลให้สถานการณ์สภาพภูมิอากาศที่ถูกนำมาใช้เป็นปัจจัยการผลิตที่จะขับรถ
ที่มุ่งเน้นกระบวนการจำลองพืชสำหรับการประเมินผลกระทบ
(Alexandrov, et al., 2002; เบตต์ 2005 Lobell 2013; Ozdogan 2011;
ลี et al, 2003;. Tubiello et al, , 2002) ส่วนใหญ่รูปแบบจำลองการเพาะปลูก
ต้องใช้ข้อมูลสภาพภูมิอากาศในชีวิตประจำวัน (เดวิทย์และรถตู้ Keulen 1987; คีด
et al, 2003;.. Soussana et al, 2010; Stockle และเนลสัน, 2001).
แต่หนึ่งในด้านที่คาดเดาไม่ได้ของการเปลี่ยนแปลงสภาพภูมิอากาศเป็น
จำนวนเงินในอนาคตของปริมาณน้ำฝนประจำปีและ howit จะกระจายในช่วง
ฤดูกาลที่กำลังเติบโต (Folland et al, 2001;. รามิเรซ-Villegas และ
Challinor 2012) GCM ที่แตกต่างกันสามารถให้การประมาณการในอนาคตที่แตกต่างกัน
สำหรับภูมิภาค (Laurent และ Cai 2007; Zhang และ
Cai 2013) นอกจากนี้ประมาณการ GCM ตารางเซลล์ที่ผ่านการศึกษาที่ดิน
พื้นผิวที่อาจจะได้รับอิทธิพลจากรังสีบังคับของสภาพภูมิอากาศ
ระบบ (เอริคและ Salathe 2003. Mearns et al, 1996;. แรนดัล, et al,
2007) GCM ตารางเซลล์มักจะมีความละเอียดเชิงพื้นที่หยาบของ
หลายร้อยกิโลเมตร ประมาณการดังกล่าวในการรวมกันกับที่แตกต่างกัน
สถานการณ์ปล่อยก๊าซเรือนกระจกและความไม่แน่นอนที่เกิดจากการเลือก
ของ GCMs (Beniston et al, 2007;. Ines และแฮนเซน, 2006; Nakic'enovic'
และผิวคล้ำ, 2000) จะส่งผลให้เกินหรือประเมินปริมาณน้ำฝน
จำนวน ที่อาจจะไม่ใช้บังคับกับภูมิอากาศในอนาคตภูมิภาค
เครื่องชั่งน้ำหนัก (แรนดัล, et al, 2007;. World Bank, 2012, 2013) นอกจากนี้ยังมี
ความหลากหลายของวิธีการและวิธีการที่ใช้ได้สำหรับการทำในอนาคต
คาดการณ์สภาพภูมิอากาศรวมถึงความผิดปกติของการแก้ไขตัวแปรสภาพภูมิอากาศ
ปัจจัยการเปลี่ยนแปลงการปรับความสัมพันธ์เชิงประจักษ์และสถิติ
downscaling (เช่นอันวาร์ et al, 2007;. Ines และแฮนเซน, 2006; หลิว
และ Zuo 2012; Maraun et al, 2010;.. แรนดัล, et al, 2007;. Timbal, et al,
2008) โดยทั่วไปรูปแบบตัวเลขหรือความสัมพันธ์ทางสถิติที่จะ
ใช้ในการพัฒนาการคาดการณ์ภูมิอากาศในอนาคตขึ้นอยู่กับสภาพภูมิอากาศที่ประวัติศาสตร์
บันทึก นี้จะกระทำร่วมกับเกรทไชน่ากริดเซลล์อวกาศ
ค่าเฉลี่ยมากกว่าพื้นผิวดินแดนที่มีการศึกษา (IPCC 2001;
Mearns et al, 1996;.. แรนดัล, et al, 2007).
เมื่อเราใช้สภาพภูมิอากาศปฏิบัติที่ดีที่สุดสำหรับบุคคล downscaling
ออสเตรเลีย สถานที่วิธีการทำลำดับสภาพภูมิอากาศเปรียบเทียบกับ
บันทึกประวัติศาสตร์ในแง่ของการกระจายของตัวแปรที่สำคัญ? นี้
กระดาษให้ประมาณการที่ตั้งระดับแรกของสภาพภูมิอากาศที่คาดการณ์ไว้
ในช่วงเวลาสามทอดจากปัจจุบัน 2030, 2060 และ
2090 การวิเคราะห์ของเราจะพิจารณาสี่ broadacre พืชสำคัญที่เพิ่มขึ้น
ในภูมิภาคในประเทศออสเตรเลียโดยใช้สถิติ downscaled แก้ไขอคติ
วิธี (หลิวและ Zuo 2012) ที่เกี่ยวข้องกับ 18 GCMs ภายใต้
สถานการณ์การปล่อย A2 (Nakic'enovic' และผิวคล้ำ, 2000) วัตถุประสงค์อื่น ๆ
ของการศึกษาครั้งนี้มีปริมาณผลกระทบของสถานการณ์สภาพภูมิอากาศ
(2030, 2060 และ 2090) ที่มีต่อผลผลิตและรูปแบบ phenological ห้า
พืช broadacre สำคัญ (ข้าวสาลีข้าวบาร์เลย์หมาป่า, คาโนลา, ถั่วเขต)
ที่ปลูกในดินสามประเภทที่แตกต่างกันและสิ่งเหล่านี้ ผลจะเป็นสิ่งสำคัญ
พื้นฐานสำหรับการปรับตัว
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
ตั้งแต่ปี 1960 , สาขาควบคุมผลผลิตความมั่นคง inwestern
และทางตอนใต้ของออสเตรเลีย ( ตัวแทน ) ได้รับการตรวจสอบจาก
ฤดูหนาว ( Cai และแวนส์ , 2008 ; Smith et al . , 2000 ; อาหาร
ฮาวเดน , 2010 ) inwsa เพิ่มคาร์บอนไดออกไซด์ในชั้นบรรยากาศ ( CO2 )
) คาดว่าจะมีเพิ่มขึ้นในค่าเฉลี่ย
อุณหภูมิ 0.6 1.5 ° C ถึง 2.2 2.5 องศา C ) และ
โดยการลดลงของปริมาณฝนรายปีโดยเฉลี่ย 2.5 ถึง−− 10 % โดย 2030 และ )
( Cai และแวนส์ , 2008 ; CSIRO และบอม , 2007 ; CSIRO และบอม , 2010 ;
CSIRO และบอม , 2012 ; ซินแคลร์ , 2011 ) ดังนั้น ปัญหาหลักที่เกิดขึ้นในระยะยาว

broadacre ประสิทธิภาพและความยั่งยืนของระบบการปลูกพืชที่ดินแห้งภายใต้สภาวะภูมิอากาศในอนาคต ( อันวาร์
et al . , 2013 ; แชลลีเนอร์ et al . , 2014 ; มาร์ตินลุยส์โรดรีเกซ et al . , 2014 ;อาหาร
ฮาวเดน , 2010 ) ฐานของหลักฐานทางวิทยาศาสตร์ที่แข็งแกร่งเป็นสิ่งจำเป็นที่จะช่วยให้เกษตรกรเลือกกลยุทธ์ที่ยืดหยุ่นและ

แนวทางการวิจัยและพัฒนา ( R & D ) การลงทุนในการแสดงตนของ
เปลี่ยนบรรยากาศ ( อันวาร์ et al . , 2013 ; แชลลีเนอร์ et al . , 2014 ; dogliotti et al . , 2010 )
ผลของการเปลี่ยนแปลงภูมิอากาศอาจ exacerbate
ภูมิอากาศธรรมชาติสูงความผันแปรในระบบการปลูกพืช broadacre ในสภาพแวดล้อม semiarid
ในออสเตรเลีย ( Horn et al . , 2012 ; IPCC 2007 )
น้ำฝนเกษตรประณีตระบบตัวแทนเป็น climatically ไว
ดังที่แสดงโดยนัยความผันผวนของอัตราผลตอบแทนในภูมิภาคปี
พืชแห้งและเปียก ( abares 2013 ; เฮนเนสซี่ et al . ,
2007 ) เช่นการขยายผลผลิตสามารถคาดการณ์ภูมิอากาศ
การเปลี่ยนแปลง ( lobell และสนาม , 2007 ; อาหารฮาวเดน , 2010 ) อย่างไรก็ตาม การเปลี่ยนแปลงของปริมาณฝนและอุณหภูมิ

ต่างกันในแต่ละสถานที่และเวลาอันไกลโพ้นและอาจมีผลกระทบที่แตกต่างกันในพืช
ผลผลิตขึ้นอยู่กับพืชและดินประเภท ( แชลลีเนอร์ et al . , 2014 ; Stokes
ฮาวเดนและ 2010 ) การประเมินช่องโหว่และ
ระดับภูมิภาคของการตอบสนองการจัดการลงทุนจึงต้องคำนึงถึงผลกระทบของภูมิอากาศเปลี่ยนแปลง

( สำหรับสถานที่ที่แตกต่างกันและเวลาในช่วงของพืชที่เติบโตในช่วงของดินที่แตกต่างกัน .
การศึกษามากมายประเมินค่าผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อการผลิตพืช
น้ำฝนในระบบการปลูกพืชในออสเตรเลียที่
ระดับต่างๆ ( อันวาร์ et al . , 2007 ; bassu et al . , 2011 ; จีบ et al . ,
) ;ลุดวิกและ asseng , 2006 ; potgieter et al . , 2013 ; รถตู้ ittersum
et al . , 2003 ; Wang et al . , 2011 ; ยาง et al . , 2010 ) ในการศึกษาเหล่านี้
wheatwas ส่วนใหญ่มักประเมินพืช , แม้ว่าจะมีอื่น ๆ
broadacre พืชสำคัญในโดเมนของระบบการเพาะปลูกอาศัยน้ำฝน
ที่สั่งการพืชอาหารผลผลิต ( abares 2013 ) ข้อมูลแนะนำ
ที่ลดลงในข้าวสาลีมากผลผลิต ( ลุดวิกและ asseng
,2006 ; รถตู้ ittersum et al . , 2003 ; ยาง et al . , 2014 ) สามารถประกอบ
เพื่อลดปริมาณน้ำฝนในคาดการณ์สภาพอากาศ . งานวิจัยที่เกี่ยวข้อง
ได้แสดงว่า ระบบการปลูกพืชแบบอาศัยน้ำฝน
รวม , พืชไร่ , อากาศ และชนิดของดิน ( iizumi et al . ,
2013 ; โอลีเซ่น et al . , 2011 ; สีขาว et al . , 2011 ) การเปลี่ยนแปลงภูมิอากาศถือเป็น
หลัก ซึ่งการตอบสนองภายนอกช็อกการปรับตัว
เฉพาะชนิดพืช ชนิดของดิน และพืชไร่จะต้อง .
ในบทความนี้ที่สำคัญ broadacre พืช inwestern และใต้ -
ภาคตะวันออกของออสเตรเลียเป็นสำคัญ เหล่านี้รวมถึงข้าวสาลี ( triticum
aestivum L ) , ข้าวบาร์เลย์ ( hordeum vulgare L ) ลูพิน ( กูปรี angustifolius )
คาโนลา ( ผักกาดก้านขาว L ) และทุ่งถั่ว ( pisum
sativum )ผลกระทบของการเปลี่ยนแปลงภูมิอากาศในพืชผลทางการเกษตรมักจะ
ใช้บรรยากาศสถานการณ์การประเมิน ( nakic ใหม่และ enovic ใหม่สวาต , 2000 ) ที่พัฒนาโดย
downscaling แบบจำลองภูมิอากาศโลก ( GCM ) คาดคะเนไปยังภูมิภาค
ที่น่าสนใจ ( เช่น เบต et al . , 2011 ; และไอน์แฮนเซน , 2006 ; โรเบิร์ต
et al . , 2007 ) และเหล่านี้เป็นสำคัญสำหรับการวางแผนกลยุทธ์การปรับตัว
( อันวาร์ et al . , 2013 ; มาร์ตินลุยส์โรดรีเกซ et al . , 2014 ;ฮาวเดน
อาหาร , 2553 ) ส่งผลให้บรรยากาศสถานการณ์ เช่น มีการใช้ปัจจัยการผลิต เพื่อขับเน้นกระบวนการจำลองแบบสำหรับพืช

การประเมินผลกระทบ ( alexandrov et al . , 2002 ; เบต , 2005 ; lobell 2013 ; ozdogan 2011 ;
Reilly et al . , 2003 ; tubiello et al . , 2002 ) มากที่สุดรูปแบบจำลองพืช
ต้องการข้อมูลภูมิอากาศรายวัน ( เดอปัญญาและรถตู้ keulen , 1987 ; Keating
et al . , 2003 ; soussana et al . , 2010stockle เนลสัน , 2001 ) .
แต่ด้านหนึ่งที่ไม่แน่นอนของการเปลี่ยนแปลงสภาพภูมิอากาศ
ปริมาณน้ำฝนรายปีและ howit ในอนาคตจะได้รับการกระจายในช่วงฤดูปลูก (
folland et al . , 2001 ; รามิเรซและ villegas
แชลลีเนอร์ , 2012 ) สามารถให้ที่แตกต่างกันแตกต่างกัน GCM ในอนาคตประมาณการ
สำหรับภูมิภาคโดยเฉพาะ ( Laurent และ CAI , 2007 ; Zhang และ
ไช่ , 2013 ) นอกจากนี้GCM กริดเซลล์ประมาณ ศึกษาพื้นผิวที่ดิน
อาจจะได้รับอิทธิพลจาก radiative บังคับของระบบภูมิอากาศ
( อีริค และ salathe , 2003 ; ใน et al . , 1996 ; Randall et al . ,
2007 ) GCM เซลล์ตารางมักจะมีพื้นที่หยาบมติ
หลายร้อยกิโลเมตร การประมาณการดังกล่าวในการรวมกันกับสถานการณ์มลพิษต่าง ๆและความไม่แน่นอนที่เกิดจากการเลือก

ของ GCMS ( beniston et al . , 2007 ; และไอน์แฮนเซน , 2006 ; nakic ใหม่และใหม่
enovic สวาต , 2000 ) ได้ผลเกินหรือต่ำไป ปริมาณฝน
ที่อาจไม่สามารถใช้กับสภาพอากาศในอนาคตในระดับภูมิภาค
( Randall et al . , 2007 ; ธนาคารโลก , 2012 , 2013 ) . นอกจากนี้ยังมีความหลากหลายของแนวทางและวิธีการ

สามารถทำให้การคาดการณ์สภาพภูมิอากาศอนาคต รวมถึงมิติตัวแปรที่ถูกต้องบรรยากาศ
เปลี่ยนปัจจัยการปรับความสัมพันธ์เชิงประจักษ์และ downscaling สถิติ
( เช่น อันวาร์ et al . , 2007 ; และเนส แฮนเซน , 2006 ; หลิว
และ Zuo , 2012 ; maraun et al . , 2010 ; Randall et al . , 2007 ; ทิมบอล et al . ,
2008 ) โดยทั่วไปรูปแบบตัวเลขหรือความสัมพันธ์ทางสถิติที่ใช้เพื่อการพัฒนาในอนาคต

อากาศการคาดการณ์สภาพภูมิอากาศตามบันทึกทางประวัติศาสตร์นี้จะทำร่วมกับ GCM กริดเซลล์พื้นที่
เฉลี่ยค่าเหนือแผ่นดินพื้นผิวที่ศึกษา ( IPCC , 2001 ;
Mearns et al . , 1996 ; Randall et al . , 2007 ) .
เมื่อเราใช้วิธีปฏิบัติที่ดีที่สุดสำหรับการ downscaling สถานที่ออสเตรเลียบุคคล
, วิธีการทำการเปรียบเทียบกับ
บันทึกลำดับประวัติศาสตร์ในแง่ของการแจกแจงของตัวแปรสำคัญ นี้
กระดาษแสดงครั้งแรกที่ตั้งระดับการประเมินคาดการณ์ภูมิอากาศ
3 ช่วงเวลาที่ทอดจากปัจจุบันถึง 2030 , 3355 และ
0 . การวิเคราะห์ของเราพิจารณาภูมิภาคเติบโต
4 สำคัญ broadacre พืช ในออสเตรเลีย โดยการใช้สถิติ downscaled อคติแก้ไข
วิธีเล่าและจั่ว 2012 ) ที่เกี่ยวข้องกับ 18 GCMS ภายใต้สถานการณ์มลพิษ
A2 ( nakic ใหม่และ enovic ใหม่สวาต , 2000 )
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2025 I Love Translation. All reserved.

E-mail: