Show simple item record

2018-07-05Kumulative Dissertation DOI: 10.18452/19266
Improving crop modeling approaches for supporting farmers to cope with weather risks
dc.contributor.authorGornott, Christoph
dc.date.accessioned2018-07-05T10:54:47Z
dc.date.available2018-07-05T10:54:47Z
dc.date.issued2018-07-05
dc.identifier.urihttp://edoc.hu-berlin.de/18452/20028
dc.description.abstractSich ändernde Klima- und Wetterbedingungen in Verbindung mit einer begrenzt ausdehnbaren Ackerfläche werden den Druck auf Nahrungsmittelproduktionssysteme weiter erhöhen. Um dieser Herausforderung gerecht zu werden, ist eine Erhöhung und Stabilisierung der Ernteerträge unverzichtbar. Dies erfordert aber ein tieferes Verständnis der Einflussfaktoren, die auf die Ertragsvariabilität wirken. Diese Dissertation leistet einen Forschungsbeitrag zu Ertragsmodellen in Deutschland, Tansania und auf globaler Ebene. Dazu analysiere und kombiniere ich statistische und prozessbasierte Ertragsmodelle in fünf Schritten: (i) Zunächst entwickele ich einen statistischen Modellansatz, um den Einfluss von Wetter und agronomischem Management auf Winterweizenerträge in Deutschland zu separieren. (ii) Auf der Grundlage dieses Modells erweitere ich die statistischen Methoden und wende sie für Winterweizen und Silomais auf regionale Ebene an. (iii) Diesen erweiterten Modellansatz verwende ich daraufhin zum Testen einer Kreuz-Validierung um zukünftige Ertragsänderungen unter Klimawandel zu projizieren. (iv) Anschließend wird in einer globalen statistischen Anwendung dieses Modell für kurzfristige Ertragsprognosen getestet. (v) Schließlich kombiniere ich für das Fallbeispiel Mais in Tansania statistische und prozessbasierte Ertragsmodelle, um wetterbedingte Ertragsverluste von nicht-wetterbedingten Ertragsverlusten zu separieren. Als Ergebnis lässt sich zusammenfassen, dass der Anteil der wetterbedingten Ertragsvariabilität in Deutschland höher ist als in Tansania. Dementsprechend sind die Ertragsschwankungen in Tansania eher auf das agronomische Management und sozioökonomische Einflüsse zurückzuführen. Für beide Länder stelle ich fest, dass der Anteil der wetterbedingte Ertragsvariabilität auf aggregierter Ebene höher ist als auf regionaler Ebene. Der kombinierte statistisch-prozessbasierte Ansatz zur Bewertung von wetterbedingten Ertragsverlusten kann für Versicherungszwecke genutzt werden.ger
dc.description.abstractDue to changing climate and weather patterns in combination with limitations to extend global arable land area, the pressure on food production systems will increase. To cope with this challenge, it will be indispensable to increase and stabilize crop yields. This requires, however, a deeper understanding of the factors influencing crop yield variability. This dissertation contributes to that research need as I further develop and apply crop models to assess regional wheat and maize yield variability in Germany, Tanzania and on a global scale. For this, I analyze and combine statistical and process-based crop models within five steps: (i) First, I develop a statistical crop modeling approach to decompose the influence of weather and agronomic management on winter wheat yields in Germany. (ii) Based on the first step, I expand the statistical methods and apply augmented models for winter wheat and silage maize on a disaggregated level. (iii) Then this model approach is used to investigate an out-of-sample cross validation to demonstrate the models’ capability to project future yield changes under climate change. (iv) In a global statistical application, this models’ capability of projecting yields is tested for short-term yield forecasts. (v) Finally, I combine statistical and process-based crop modeling to decompose weather-related maize yield losses from losses caused by non-weather factors for the case of Tanzania. Across these five steps, I find that the share of weather-related yield variability is higher in Germany than in Tanzania. Accordingly, crop yield variability in Tanzania is to a higher share attributable to agronomic management and socio-economic influences. For both countries, I find that the share of explained weather-related yield variability is higher on an aggregated level than on the regional level. Finally, this combined statistical-process-based approach can be used for assessing weather-related crop yield losses for insurance purposes.eng
dc.language.isoeng
dc.publisherHumboldt-Universität zu Berlin
dc.relation.haspart10.1016/j.foodpol.2017.05.001
dc.relation.haspart10.5073/JFK.2015.06.01
dc.relation.haspart10.1016/j.agrformet.2015.10.005
dc.relation.haspart10.1111/gcb.13738
dc.rights(CC BY-NC-ND 3.0 DE) Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschlandger
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de/
dc.subjectErtragsmodellger
dc.subjectWetterger
dc.subjectRisikoger
dc.subjectDeutschlandger
dc.subjectTansaniager
dc.subjectcrop modeleng
dc.subjectweathereng
dc.subjectriskeng
dc.subjectGermanyeng
dc.subjectTanzaniaeng
dc.subject.ddc630 Landwirtschaft und verwandte Bereiche
dc.titleImproving crop modeling approaches for supporting farmers to cope with weather risks
dc.typedoctoralThesis
dc.identifier.urnurn:nbn:de:kobv:11-110-18452/20028-8
dc.identifier.doihttp://dx.doi.org/10.18452/19266
dc.date.accepted2018-02-16
dc.contributor.refereeLotze-Campen, Hermann
dc.contributor.refereeRötter, Reimund Paul
dc.subject.rvkZA 57500
dc.subject.rvkZC 11000
dc.subject.rvkZC 22000
local.edoc.pages238
local.edoc.type-nameKumulative Dissertation
bua.departmentLebenswissenschaftliche Fakultät

Show simple item record