15.05.2025
Angesichts der sich verschärfenden Klimaextreme benötigt die Landwirtschaft dringend Instrumente, mit denen sich die Risiken für den Pflanzenbau genauer bewerten lassen. In einem neuen Kommentar in der Zeitschrift Nature Food, skizziert ein internationales Forschungsteam unter der Leitung des Leibniz-Zentrums für Agrarlandschaftsforschung (ZALF) die wichtigsten Forschungslücken, die es aktuell erschweren, die Auswirkungen von extremen Wetterereignissen wie Hitzewellen, Dürren, Überschwemmungen und anderen Extremereignissen auf Anbausysteme zu erfassen und die damit verbundenen Risiken für Nutzpflanzen, die Einkommen der Landwirte, die Ernährungssicherheit und die Umwelt zu prognostizieren. Lösungen sehen die Autorinnen und Autoren unter anderem im Einsatz von Modellierung und maschinellem Lernen, sowie in einer engen Zusammenarbeit innerhalb der Forschergemeinschaft und mit landwirtschaftlichen Betrieben.
Derzeitige Risikobewertungen für Pflanzen und Klima beruhen häufig auf historischen Ertragsdaten und vereinfachten Wettermodellen, die die Bandbreite oder Intensität von Extremereignissen nicht vollständig erfassen.
Hauptautor Dr. Yean-Uk Kim von der Gruppe für Integrierte Pflanzenbau-Systemanalyse am ZALF erklärt: „In der Forschung und Modellierung sollte stärker auf große Ensembles von Klimamodell-Simulationen gesetzt werden, um die künftige Variabilität und Unsicherheit der Wetterbedingungen bei der Bewertung künftiger Risiken für den Anbau von Nutzpflanzen besser widerzuspiegeln.“
Der Artikel in Nature Food weist auch darauf hin, dass die meisten bestehenden Erntemodelle kritische Stressfaktoren wie Staunässe, Frost, Schädlinge und Krankheiten nicht berücksichtigen – Faktoren, die sich mit dem Klimawandel wahrscheinlich verstärken werden. Um dem entgegenzuwirken, plädieren die Autorinnen und Autoren für eine erweiterte Datenerfassung auf den Feldern der Landwirte durch den Einsatz moderner Sensortechnologien und für Partnerschaftsmodelle mit den landwirtschaftlichen Betrieben.
Mitautorin Prof. Heidi Webber, Leiterin der Arbeitsgruppe für
Integrierte Pflanzenbau-Systemanalyse am ZALF, ergänzt: „Maschinelles Lernen bietet der Forschung großes Potenzial, die Auswirkungen der verschiedenen Stressfaktoren auf den Feldern der Landwirte zu verstehen. Das Agricultural Model Intercomparison and Improvement Project (AgMIP) Machine Learning Team, eine internationale Gemeinschaft von Expertinnen und Experten, mit der wir zusammenarbeiten, leistet hier einen großen Beitrag. Wir werden die bisher in der Forschung verwendeten datengesteuerten Ansätze wahrscheinlich mit prozessbasierten Modellierungsansätzen ergänzen müssen, um in der Lage zu sein, die neuartige Kombination von Stressoren, die wir für die Landwirtschaft in Zukunft erwarten, abzuschätzen.“
Die Forschenden betonen, dass bei Risikobewertungen auch Kompromisse zwischen verschiedenen Nachhaltigkeitszielen berücksichtigt werden müssen, zum Beispiel in Bezug auf Ertrag, Rentabilität, Stickstoffverluste und Treibhausgasemissionen. Das Verständnis dieser Zielkonflikte ist entscheidend, um widerstandsfähige und gerechte Lebensmittelsysteme zu unterstützen und sicherzustellen, dass das Risikomanagement die Nachhaltigkeit unterstützt und nicht gefährdet.
Die Autorinnen und Autoren kommen zu dem Schluss, dass die Förderung von Klimarisikobewertungen in der Landwirtschaft mithilfe von Modellierung koordinierte Anstrengungen innerhalb der Wissenschaft erfordert, so wie sie das Agricultural Model Intercomparison and Improvement Project (AgMIP) für Studien zu den Auswirkungen des Klimawandels koordiniert. Dazu gehören die Verbesserung der Klimadaten, die Erweiterung von Erntemodellen zur besseren Darstellung von Extremen und die Entwicklung von Instrumenten zum Verständnis komplexer Kompromisse. Auch wenn es noch technische Herausforderungen gibt, bietet sich jetzt die Gelegenheit, den wissenschaftlichen Fortschritt mit der weltweiten Schwerpunktsetzung der Klimafinanzierung und -politik abzustimmen, um intelligentere und widerstandsfähigere Investitionen in die Nahrungsmittelsysteme zu ermöglichen. Der Artikel ruft die Forschenden aus dem Feld der Agrarmodellierung dazu auf, gemeinsam daran zu arbeiten, den dringenden Bedarf an robusten, datengestützten Risikobewertungen zu decken, die für eine transformative Anpassung in der Landwirtschaft wichtig sind.
Der Kommentar wurde von einem internationalen Team des Leibniz-Zentrums für Agrarlandschaftsforschung (ZALF), des NASA Goddard Institute for Space Studies, der ETHZ und der BTU Cottbus verfasst. Die Arbeit wurde von der Einstein Research Unit “Climate and Water under Change” (CliWaC) (Förderkennzeichen ERU-2020-609) der Einstein Stiftung Berlin und Berliner Universitätsallianz, der NASA Earth Sciences Division über die NASA GISS Climate Impacts Group und des Leibniz-Professorinnenprogramms (Förderkennzeichen P102/2020) finanziert.
Projektpartner
- Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF)
- NASA Goddard Institute for Space Studies
- ETH Zürich
- BTU Cottbus
Weitere Informationen
https://www.nature.com/articles/s43016-025-01168-1
Hinweis zum Text
Dies ist eine Zusammenfassung des Originaltextes, die mit Hilfe von künstlicher Intelligenz erstellt wurde:
Kim, YU., Ruane, A.C., Finger, R. et al. Robust assessment of climatic risks to crop production. Nat Food (2025).
https://doi.org/10.1038/s43016-025-01168-1.
