気候類似物質は相互作用を促進する可能性がある - パスティッチェリアマシナリーグループ株式会社

Scientific Reports volume 13、記事番号: 9317 (2023) この記事を引用

メトリクスの詳細

コミュニケーション理論では、気候変動対策、特に農業のような複雑なシステムには、情報伝達ではなく対話型の対話が必要であると示唆されています。気候類似物（現在の気候が対象地域の将来の気候に似ている場所）は、より関連性の高い情報を伝達するものとして最近の関心を集めています。しかし、それらは有意義な対話を促進するという未開発の可能性を秘めており、類似物の開発方法が違いを生むかどうかは不明です。私たちは、米国の特殊作物生産に関する農業関連の気候指標に基づいて、気候状況に特有の類似物を開発し、気候適応オプションに関する対話を促進する可能性を探りました。米国の特産作物郡の 80% 以上が、21 世紀半ばに許容可能な米国類似作物を有しており、特に西部と北東部では、標的と類似作物のペア全体で生産される作物に大きな類似性があった。通常、西部の郡には南に類似点があり、他の地域の郡には西に類似点がありました。ターゲットとアナログのペアによるパイロット対話は、実用的な適応の洞察を引き出す可能性を示し、アナログ主導の対話を気候変動コミュニケーションにより広範に組み込む潜在的な価値を示しました。

気候変動が食料生産、天然資源、生物多様性などのさまざまな分野に与える潜在的な影響は、十分に確立されています。しかし、社会は依然として行動を起こさない1。この失敗に対処する 1 つの方法は、過去の経験に基づいたより関連性の高い情報を提示することです 2。また、気候変動のアナログが適切なコミュニケーションツールとして最近注目を集めています 3。アナログアプローチでは、「ターゲット」場所の将来の気候変数を取得し、統計的距離法 4 を使用して、現在の気候条件がターゲット場所の予測される将来に似ている「アナログ」場所を特定します。したがって、これらのペアリングは、未知の未来への期待を、仲間の既知の比較可能な経験に変換することができます。類似体の特性評価は、季節の気温や降水量などの生の気候変数を使用して、都市の状況 3、農業の状況 5,6、および一般的な生態学的状況 4,7 に関して行われてきました。より関連性の高い情報を伝達することは正しい方向への一歩ではありますが、コミュニケーション理論では、より良い情報の伝達8はそれ自体が行動9につながるわけではなく、単純なデータの提示から対話型の対話への切り替えが必要であると強調しています10,11。類似物は、気候適応に関する対話を促進するための基礎となり得る。ただし、この側面におけるそれらの可能性は現在十分に探求されておらず実現されておらず、おそらく用途と類似体の定量化方法に依存するでしょう。

私たちの目的は、21 世紀半ばの米国の特殊作物生産をケーススタディとして使用し、受け入れられ、適切な気候変動類似物を開発することです。また、実用的な適応の洞察につながる可能性のある、ターゲットとアナログのペアの対話を促進する際のアナログの有用性についても調査します。米国では、特殊作物は、果物、野菜、木の実、ドライフルーツ、その他の園芸作物および苗床作物として法的に定義されています12、13。この広範なカテゴリーの中で、当社は、生産面積の大部分 (90% 以上) を占める果物、野菜、ナッツ類に焦点を当てています。特殊作物は、干ばつや熱ストレスに対してますます脆弱になっているカリフォルニア州に非常に集中していますが、他のいくつかの州でもかなりのファームゲート価値を生み出しています（表1）。これらの作物は、複数の理由から有益なケーススタディです。まず、トウモロコシや大豆などの穀物作物に比べて、気候変動との関連で研究が不足しています14、15、16。第二に、収穫、包装、加工作業がより複雑であるため、穀物よりもエーカー当たりの地域経済への影響が大きくなります17。第三に、気候変動への適応の観点から見ると、特殊作物は長期的な投資期間（多年生作物の場合）、穀物作物と比較して特殊な生産機械18、生産と加工への多額の資本と労働投資などの理由から困難である。より広範には、農業に対する気候変動の影響は非常に微妙であり、作物の収量16,19や地価への一般的に調査される影響（すなわち、リカード分析）20を超えている。害虫、病気、品種の違い、異常気象への曝露など、これまであまり注目されてこなかった、気候に影響を受ける複数の側面も重要であり、特殊作物の専門家のネットワーク間の対話型対話は、実用的な洞察を特定する複雑さを乗り越えるのに役立ちます。

私たちは、特殊作物生産地域の 99% を占める米国の特殊作物郡 680 の対象郡の将来の気候の類似体をシミュレーションしました (図 1)。潜在的な類似体の郡プールには、隣接する米国下流 48 州の 3001 郡すべてが含まれます。私たちは、21 世紀半ばの時間枠 (2040 ～ 2070 年) に焦点を当てました。これは、特殊作物栽培者の計画と投資の期間とよく一致しており、気候が現在 (1990 ～ 2020 年) と異なるには十分に遠い将来です。）条件。それぞれ 2 つの温室効果ガスシナリオ (代表的な濃度経路 (RCP) 4.5 および 8.5) に基づいた 19 個の大循環モデル (GCM) が検討されました。各特産作物郡の将来の気候変数が、米国のすべての郡の現在の気候変数と比較され、非類似性距離メトリックが計算されました。シグマ相違度メトリクス 4 を使用しました。これにより、意味のある対話に十分な類似性がある場合もそうでない場合もある、最も近い類似体のみではなく、一連の「許容可能な」類似体を識別するための解釈可能な距離のしきい値を定義できます。

米国の隣接するすべての特別作物生産郡と、生産面積の 99% を占める 680 郡の一部。

統計的に許容されるアナログであるだけでなく、対話のコンテキストに関連する変数を選択し、ターゲットとアナログのペアの生産システムの類似性を確保することは、意味のある対話を促進するアナログの能力に影響を与える可能性があります。そこで私たちはこれらの側面を調査しました。まず、気候由来の作物生産関連変数 (状況固有) に基づいて、各特産作物郡について許容される米国郡の類似値のセットを計算し、それらを季節の気温と降水量の変数 (一般的) に基づく類似値と比較しました。いくつかの汎用アナログデータ製品が利用可能であり、この比較により、2 つのアプローチが類似の場所をアナログとして識別するかどうか、またはコンテキスト固有のアナログの生成がより関連性の高いターゲットとアナログのペアを識別するのに役立つかどうかを判断することができました。次に、特殊作物郡のどの割合が許容可能な類似体を欠いているか、または非特殊作物郡のみに許容可能な類似体があるかを定量化しました。これは重要です。なぜなら、同様の運用システムに精通している人々の間で対話や関連情報の共有が行われない限り、非生産的ではないにしても、対話や共有は困難になる可能性が高いからです。さらに、2017 年の USDA 農業国勢調査統計を利用して、対象郡と類似郡で栽培されている特殊作物の類似性を評価し、対話が異なる環境で同じ作物を管理するための洞察に焦点を当てることができるかどうか、あるいは、同じ作物を管理することができるかどうかの感覚を得ることができました。主に新しい作物を導入する機会に関係します。

最後に、私たちはこのような対話を試験的に実施し、米国南東部の対象郡およびそのアナログペアから、米国協力普及システム（CES）を含む普及およびアウトリーチの専門家を招集しました。 CES は、ランドグラント大学を通じて運営されている既存のネットワークです。これには、さまざまな規模の生産者と直接協力して、特殊作物のサプライチェーンが直面するニーズや変化する状況についての知識を提供する特殊作物の専門家が含まれており、これらの対話型対話に参加し、その範囲を拡大するのに適しています。その他の専門家も、保全地区、政府機関、民間部門のコンサルタント、非政府組織などの生産者に進歩を翻訳して広めることに貢献しています。私たちの分析は、CES ネットワークと一致する郡規模で実行されました。これらの専門家、特に CES の専門家は、新しい農業技術や実践の導入を促進するために、長い間、地域内および地域間の対話を利用してきましたが、気候変動の文脈における地域を越えた対話については知りません。

気候類似物に関する出版された文献は初期段階にあり、主に一般的な季節の気温と降水量の変数に焦点を当てています (例 3、5、6、7)。これらの一般的な類似体の広範な適用可能性を仮定すると、(a) 季節の気温と降水量の変数を特定の状況に関連する指標 (例: (b) 入力変数のカテゴリーに対する異なる相対的な重み。私たちのケーススタディでは、コンテキスト固有の入力変数を使用する効果を調査しました。つまり、一般的な生の変数と、そこから派生した作物生産関連変数（生育日数、熱ストレス、季節の長さ、寒冷蓄積、降水量の均一性）を使用すると、類似した郡と同じセットが得られるかどうかを尋ねました。許容される一般的および状況固有のアナログ郡のリストが正確に一致するとは期待していませんでしたが、驚くべきことに、米国の 680 の特殊作物郡の大部分 (RCP 8.5 の 64%、RCP 4.5 の 50%) では、許容可能な郡の完全に異なるリストが作成されました。 2 つのアプローチ間のアナログ郡 (0% 重複) (図 2)。入力変数に対する選択されたアナログの感度は、(a) コンテキスト固有の変数に基づいてアナログを識別することが、効果的な対話をもたらすターゲットとアナログのペアを持つために重要である可能性が高いことを強調し、(b) アナログをカスタマイズすることを可能にします。さまざまなダイアログ。今後は、コンテキスト固有性の適切なバランスを見つけることが課題となり、インタラクティブな対話の正式な評価を通じてコミュニティが取り組む必要があります。私たちのパイロットケーススタディの残りの部分では、これらの特定の状況固有の類似物が、特殊作物の気候適応に関する有意義な対話を促進するのに役立つかどうかを探る最初のステップを踏みます。

一般的な入力変数とコンテキスト固有の入力変数を使用して識別されたアナログセット間の類似性。 680 の特殊作物郡のそれぞれは、両方の方法に共通するアナログ郡の割合に基づいて色分けされています。類似度の範囲は、これら 2 つの入力変数セットを使用して特定された許容可能なアナログ郡が完全に異なる場合の 0.00 から、許容可能なアナログ郡が両方の場合でまったく同じである場合の 1.00 までの範囲になります。アナログセットは、RCP 8.5 (a) および RCP 4.5 (b) に基づいて 19 個の GCM を使用して作成されました。

米国の特殊作物郡の大多数（RCP 8.5 で 80%、RCP 4.5 で 84%）が、他の特殊作物郡でも許容できる類似品をいくつか持っていることがわかりました（図 3）。これは、米国の特殊作物生産が、変化を促し、将来の生産と関連する生計の維持に役立つ対話を促進する可能性を備えた優れた事例研究である可能性が高いことを示しています。地域差があり、中西部と北部平原では特殊作物郡の割合が低く、他の特殊作物郡では許容される類似品が存在します（図3）。しかし、これら 2 つの地域は全国の特産作物生産面積の 10% 未満を占めています21。南西部は主要な特殊作物生産地域であり、米国内で許容される類似作物が存在しない対象郡がいくつかありました（RCP 8.5 で 6%、RCP 4.5 で 2%）（図 3）。実際、それらのシグマ相違値は、米国では観測されていない新しい気候とみなされるのに十分な高さでした。

特殊な作物を生産するアナログ郡の存在。 680 の特殊作物郡のそれぞれは、(1) 別の特殊作物郡に少なくとも 1 つの許容可能な類似物 (灰色の網掛け)、(2) 非特殊作物郡にのみ許容可能な類似物 (白色の網掛け) があるかどうかに基づいて色分けされます。 (3) 米国内では許容される類似体がない (赤色の網掛け)。米国の各地域には 2 つの数字が付けられています。その地域の特産作物郡のうち、他の特殊作物郡に類似作物がある割合 (上の数字) と、許容される類似作物がない割合 (下の数字) です。アナログセットは、RCP 8.5 (a) および RCP 4.5 (b) に基づいて 19 個の GCM を使用して作成されました。

特殊作物には多種多様な種類があるため、ターゲットとアナログのペア間での会話は、将来の異なる気候に合わせて同じ作物を管理する方法 (同様の作物が栽培されている場合) や、新しい作物への多様化の機会に関するものになる可能性があります。各ペアのターゲットとアナログの両方に共通する栽培された特殊作物のリスト (作物ミックス) を比較し、各ペアで共通する作物の割合 (一致割合) を計算し、各ターゲットの最大一致割合をフィルタリングすることによって郡（1 つの標的に複数の許容可能な類似体が存在する可能性がある）を調査したところ、特殊作物混合の少なくとも 20% が、標的と類似体のペアの大部分（RCP 8.5 に基づく郡の 93%、RCP 4.5 に基づく郡の 97%）で共通していることがわかりました。特産作物の 40% が一致することを目標としても、郡の 63% が RCP 8.5 に該当し、73% が RCP 4.5 に該当します (図 4)。特産作物と米国北東部では、この 40% の一致閾値を、RCP 8.5 ではターゲットと類似作物の 85%、RCP 4.5 では 86% が一致させる割合が高く、米国西部と北東部で満たしています。 60% という高い一致であっても、RCP 8.5 ではこれらの領域のターゲットとアナログのペアの 30% が満たされ、RCP 4.5 では 46% が満たされます。これは、作物混合を多様化する機会について洞察が得られる可能性が高い南部平原や米国南西部と比較して、これらの地域では既存の作物の管理慣行の変更に関して実りある対話が行われる可能性が高いことを示しています。この分析は、完全な作物リストを持つ 680 の対象郡のうち 556 郡に基づいて実行されました。

各ターゲットの最大特殊作物一致割合。これは、各ターゲットと許容されるアナログのペアにわたる特殊作物ミックスを比較して作物一致率 (作物ミックス内のすべての作物のうち、ターゲット郡とアナログ郡の両方で発生する割合) を計算し、最大一致率を取得することによって取得されます。対象となる郡ごとに。アナログセットは、RCP 8.5 (a) および RCP 4.5 (b) の 19 GCM を使用して作成されました。

米国西部の郡に許容される類似物には、通常、さらに南の類似物があります (図 5)。米国中西部、北東部、および南東部の特産作物郡には、通常、西方向に類似作物があり、場合によっては地理的に遠く離れています。たとえば、ミシガン州のモントカーム郡には、ワシントン州南東部の一部に許容可能な類似物があります。複数の郡が同様の過去の状況を持つ可能性があり、モデルの不確実性を把握するために 19 個の GCM を使用したため、異なる許容可能な類似体が結果として得られるため、対象の郡には複数の許容可能な類似体が存在する可能性があります。結果は、北東部のターゲットを除き、RCP 4.5 と 8.5 でほぼ同様です。視覚的にわかりやすくするために、郡のサブセットをここに示します。対象となる 680 郡すべての類似作物と作物配合のリストを提供する対話型 Web ツールは、https://agclimatechangetools.cahnrs.wsu.edu/ で公開されており、一般公開されています。

RCP 8.5 (a) および RCP 4.5 (b) の 19 GCM に基づく、今世紀半ば (2040 ～ 2070 年) の特定のトップ生産特殊作物郡の許容されるすべての類似体の空間分布。ターゲットとアナログのペアは、同じような色で網掛けされており、ターゲット郡には名前の注釈が付けられており、円のサイズが大きくなっています。

私たちは、実用的な適応に関する洞察につながる可能性のある、ターゲットとアナログのペアの対話を促進する際のアナログの有用性を調査するために、2 段階のプロセスを試験的に実施しました。まず、2022 年 1 月に、拡張専門家向けに全国規模のオリエンテーションウェビナーを主催しました。そこでは、(a) アナログアプローチについて説明し、アナログ結果を共有し、(b) 議論の種類を探るためにターゲットとアナログのペアのダイアログを促進することへの関心を紹介しました。そして生まれるかもしれない洞察。これらの普及専門家は、分析により許容可能な類似物が特定された州 (ワシントン、オレゴン、カリフォルニア、ウィスコンシン、ミネソタ、ミシガン、ニューヨーク、メイン、ノースカロライナ、サウスカロライナ、テキサス、フロリダ、ジョージア州）。場合によっては、州の CES 管理者やチームメンバーからの推奨に基づいて、特定の個人に招待状を送付することもありました。オリエンテーションウェビナー (2 回開催) には、特産作物郡を持つ 29 州から 95 名が参加しました (全国に焦点を当てた数名も参加しました)。ウェビナーのディスカッション中に、複数の参加者がターゲットとアナログのペアのディスカッションを検討することに関心を示し、ターゲットとアナログの 1 つのペアからの参加者が対話を伴うパイロットの第 2 フェーズに進むよう招待されました。

この第 2 フェーズは、2022 年 3 月に行われる少人数のバーチャルワークショップを中心に行われました。このワークショップは南東部および南部平原地域に焦点を当て、フロリダ (フロリダ)、ジョージア (ジョージア)、およびサウスカロライナの対象郡から 9 人の特殊作物普及専門家が参加しました。（SC）およびテキサス州東部（TX）の類似郡の同様の専門家（図5のシアン、フクシア、ブラウン）。私たちがこれらの州に焦点を当てたのは、これらの州には許容可能なアナログペアがあり (分析によると)、オリエンテーションウェビナー中に拡張専門家の強力な参加があったためです。第 2 フェーズの参加者には、オリエンテーションウェビナーで興味を示した人や、その人から推薦された人が含まれていました。ワークショップ中、私たちは対象郡と類似郡で活動する普及専門家の間での議論を促進するために、次のような誘導質問を使用しました: (1) 気候変動は、あなたが働いている郡の特殊作物の生産にどのような影響を与えていますか? そして、(2) これらの地域におけるどのような生産上の問題と実践が、気候変動の影響に対する回復力をもたらしているのでしょうか? ワークショップの最後の部分では、潜在的な適応代替案に関する対話につながるつながりを特定し促進するためのメカニズムとしての気候アナログペアの有用性について、参加者に見解を尋ねました。

ワークショップでの議論では、桃 (フロリダ州、ジョージア州、テキサス州、サウスカロライナ州)、ブルーベリー (ジョージア州、サウスカロライナ州、テキサス州)、および葉物野菜 (ジョージア州、サウスカロライナ州、テキサス州) の 3 つの特殊作物が焦点となりました。チームはディスカッションのメモを記録し、それらを集合的に解釈して、潜在的に実用的な洞察の 4 つのカテゴリーのリストを作成しました (表 2)。 3 つのカテゴリーは、適応を促進するために栽培者または他の主体 (例えば、育種者) が取ることができる行動のタイプを反映しています。 4 番目は、生産システムの変革を反映しています (表 2 の新たな機会と潜在的な関連課題のカテゴリー)。次に、表 2 の情報を参加者と共有して、正確さを確認しました。これらの洞察が対象国での行動につながるかどうかはまだわかりませんが、これらの洞察は、そのような対話から何が得られるかという興味深い例を提供しており、パイロットを超えて拡大し、そのような対話を開始するためのプロセスを正式化することの有用性を指摘しています。

コミュニケーション理論は、科学的知識を行動に移すための対話、共同制作、および地域に関連した情報の重要性を指摘しています22、23、24、25、26。拡張システムの歴史的基盤である地域内のさまざまな利害関係者との議論を主催することは直観的で重要ですが、気候アナログは、未知の部分を以前のデータに変換できる他の地域の専門家とのペアリングをガイドするための有用なツールであると思われます27。経験を共有し、知識共有の対話において重要な補完的な役割を果たします。南東部地域の標的と類似体のペアでは、他の地域に比べて類似の特殊作物は生産されていませんが（図 4）、議論の焦点として浮上した特殊作物と得られた洞察（表 2）は、類似体が効果的な農作物となり得ることを示唆しています。異なる地域にわたる継続的なつながりを特定し、促進するためのメカニズム。確立されたソーシャルネットワーク内での対話は、気候適応などのイノベーションの導入における重要な要素であることが示されています27,28。私たちのパイロットでは、より大規模な地域サンプル間で実用的な情報の交換を可能にする機会があることを示唆しています。これらのペアの対話は、他の方法で追求されるよりも大きな地理的なペアのセット全体で、新しく効果的なソーシャルネットワークの確立につながる可能性があります。ダイアログの構造を形式化し、ダイアログの内容を評価することは、この研究で検討したパイロットの概念実証を超えて拡張するために重要です。

特殊作物の場合、2 つの側面により類似体が有望視されます。それは、許容可能な類似体を有する特殊作物郡の割合が高いこと、および標的と類似体のペア間の作物混合が類似していることです。これは、米国西部や北東部など地理的に離れた地域で特に顕著であり、適応対話の基礎要素であるネットワーキングの機会を開発するための積極的なアプローチの必要性を示しています。これは、特殊作物にとって特に重要です。なぜなら、これらの作物は、通常連続した生産地域を持ち、気候変動への適応に関する多くの著名な研究論文の焦点となっている主要穀物（トウモロコシ、小麦、大豆）とは対照的だからです（バークなど）ら15、Schlenkerら16）。私たちのパイロットプロセスは、作物専門家間の行動指向の情報交換を促進するペア対話アプローチの有望性を初期に示しました。この研究で開発された新しい状況固有のターゲットとアナログのペアは、議論を促進し、対話に参加するネットワークを拡大するための基礎を形成することができ、最終的にはこれらの重要な作物生産システムを気候変動の課題にうまく適応させることに貢献する可能性があります。

この研究のアナログ計算では、土壌の特性や継続的な灌漑用水の利用可能性（どちらもパイロット対話中に提起された）など、生産に影響を与えるいくつかの重要な環境要因が考慮されていませんでした。ただし、インタラクティブな対話形式の強みは、これらの独自のローカルな考慮事項を会話に統合したり、相違点や代替管理戦略についての議論を統合したりできることです。さらに、当社のアナログ計算方法は、過去の範囲を考慮しながら平均気候変数に基づいて距離を計算する以前の研究 4 に基づいて構築されています。このアプローチで将来的に改善される可能性があるのは、気候変数の分布全体にわたる距離を計算する方法論を採用するか、熱波と降水現象の時間的構造に対処する時系列分析を組み込むことです。現在のアプローチでも、ターゲットとアナログのペアにわたる変数の分布を事後的に比較することができ、必要に応じて、分布の違いを対話の論点として強調表示することができます。

この論文は米国の特殊作物のみに焦点を当てていますが、気候類似物は世界中の他の農業システムにも関連しており、気候変動の行動と適応を促進するペアの情報交換を促進するのに役立ちます。気候、生産性、収益性に関連する閾値や非線形性に関する現地の知識を組み込んだ気候アナログは、多年生作物の新たな植栽計画など、高価値の投資に役立つ経済最適化のための重要な科学的根拠を提供する上で重要な役割を果たす可能性がある。多くの場合、1 ヘクタールあたり 50,000 米ドルを超えます。さらに、この概念は、作物生産だけでなく、新たな環境に適応するために追加投資が必要となる貯蔵施設、食品加工施設、輸送ハブの計画や配置など、農業サプライチェーン全体のニーズに対処するためにも使用できます。作物。また、労働需要、連邦政策、生産者に影響を与え影響を与える作物保険、災害支援、保全プログラムなどの政府プログラムなど、アナログ概念によって影響を受ける可能性のある作付システムに影響を与えるさまざまな社会経済的要因もあります。意思決定。

アナログの概念を複数のアプリケーションに拡張する際、ケーススタディで実証されているように、アナログのセットは一般的な季節変数や温度の変数に基づくものとは大きく異なる可能性があるため、成功はおそらく気候変数から導出されたコンテキスト固有のメトリクスを使用して許容可能なアナログを特定することにかかっています。。ターゲットとアナログのペアネットワークは、最終的に科学を行動に移す継続的な共同対話における最初の足がかりを作り出すことができます。これは、気候変動の影響が複雑な作業地に関わる用途では特に重要であり、科学を行動に移すための効果的なコミュニケーションモデルには、単純な情報伝達ではなく対話型の対話が必要です。

過去のデータは、1979 年から現在までの米国下流 48 州の連続する 1/24 度 (約 4 km) の空間解像度で利用可能な GridMET データ製品 29 に基づいており、「現在の」状況の分析期間は 1990 年から 2020 年です。将来の予測は、結合モデル相互比較プロジェクト (CMIP 5) の一部である 19 個の GCM に基づいており、修正多変量適応型構築アナログ (MACA) 手法に基づいてバイアスが補正され、1/24 度の解像度にダウンスケールされました30。これらのモデルには、BCC-CSM-1、BCC-CSM-1.1-m、BNU-ESM、CanESM2、CCSM4、CNRM-CM5、CSIRO-Mk3-6-0、GFDL-ESM2G、GFDL-ESM2M、HadGEM2-CC365、HadGEM2が含まれます。 -ES365、INMCM4、IPSL-CM5A-LR、IPSL-CM5A-MR、IPSL-CM5B-LR、MIROC5、MIROC-ESM、MIROC-ESM-CHEM、および MRI-CGCM3。 RCP 4.5 および 8.5 の 2040 ～ 2070 年の期間のデータが使用されました。 RCP 8.5 は、比較的高い気温上昇予測を伴う気候政策なしシナリオの 90 パーセンタイルに位置します。 RCP 4.5 は、比較的低い温度上昇による温室効果ガス排出の緩和を想定していますが、これらの違いは、世紀半ばの分析期間以降ではより顕著になります。この研究では、毎日の最高気温と最低気温、および降水量の変数が使用されました。計算効率を高めるために、1/24 度の解像度のデータが線形補間によって 1/16 度の解像度に再グリッド化されました。

私たちは、一年のすべての季節にわたって生産に影響を与える重要な生物学的に重要なプロセスを説明する、状況固有の（特殊作物生産に関連する）変数を選択しました。成長度日数 (GDD) は植物の成長と発育の予測因子であり、作物固有の基準温度閾値と上限温度閾値の間の熱単位の蓄積の関数です。これは、Miller et al.31 で説明されているように計算されます。成長度日の 1 単位は、閾値間の 1 °C への 1 日の曝露を示します。私たちの研究では、基準温度を 0 °C (32 °F)、上限閾値を 29.44 °C (85 °F) と仮定し、年間 GDD 蓄積を計算しました。このカットオフ/閾値は、複数の特殊作物に一般的に適用されます。霜が降りない季節の長さによって、どの作物や品種がいつ成長できるかが決まります。 GDD と無霜期間の長さは両方とも、作物収量反応研究で広く使用されている指標です (例: Kukal および Irmak32)。さらに、特に夏季の熱ストレスは作物の生産に影響を与える可能性があります33。当社では、熱ストレスの尺度として、特定のしきい値を超える有害な温度にさらされた時間と強さの両方を組み込んだ熱度時間値を使用します。 1 熱度時間は、しきい値より 1 °C 高い温度に 1 時間さらされることに相当します。時間ごとの温度しきい値として 32 °C (89.6°F) を使用しました。サインカーブ分解34を使用して、毎日の最高気温と最低気温から時間ごとの気温を推定し、この時間ごとのデータから熱度時間を計算しました。多年生作物システムでは冬のダイナミクスが重要であり、代表的な指標として低温時間の蓄積を使用しました。これは、0 °C (32 °F) ～ 7.22 °C (45 °F) の温度にさらされた時間の尺度です35。これは、chillR パッケージ 36 に実装されているように、前年の 10 月 1 日から今年の 3 月 31 日までの季節に対して計算されます。十分な冷気の蓄積が不足すると、不均一な開花、花の離散、結実の減少が発生し、生産に悪影響を及ぼす可能性があります37。最後に、米国の西部（冬季の降水量と乾燥した夏）と東部（一般に湿潤な条件で年間を通じて均一な降水量）の間の降水パターンの違いを捉える指標に興味がありました。 Williams et al.38 が指摘しているように、複数の月降水量変数を持つことはオプションですが、変数の数を制限することが距離計量の計算には重要です。したがって、広く使用されているケッペンの気候分類 39 で採用されているアプローチと一致して、最も雨の多い月と最も乾燥した月の間の降水量の差を指標として使用します。この指標は（ケッペンの気候クラスから明らかなように）生育期中の湿度の相対的な違いとも相関しており、これは作付システムにおける害虫や病気の圧力の重要な違いにつながります40。

時間的集計を表 3 にまとめます。気候アナログ計算には 3 つの気候変数データセットが必要です (a) 現在の気候平年: 1990 ～ 2020 年の 30 年平均 (b) 予測される将来の気候平年: 2040 ～ 2070 年の 30 年平均(c) 気候の年々変動を計算するための、1990 年から 2020 年までの年次歴史的観測。 (a) と (c) の両方の計算には、gridMET データセット 29 が使用されました。

気候データは、郡内の農業グリッドについてのみ集計されました。これらのグリッドは、2020 USDA NASS Cropland Data Layer (CDL)41 に基づいて特定されました。これは、衛星画像分析に基づいて作成され、30 m の解像度で提供される、農地利用に関する年次地理参照データセットです。農業用地を分離するために、非農地利用分類コード (81、82、83、87、88、92、111、112、121 ～ 124、131、141 ～ 143、152、190、195) を CDL データセットから削除しました。ピクセル。次に、グリッド領域の少なくとも 1/8 が農業 CDL ピクセルで構成されている場合、気候データグリッドを農業としてコード化することで、データを気候データ入力の解像度 (1/16 度) にアップスケールしました。

2017 年の USDA 国立農業統計局 (NASS) 農業センサス (NASS センサス)21 では、生産された作物のリスト、各作物の生産エリアと市場価格など、複数の郡レベルの農業生産特性が提供されています。 NASS 国勢調査データには、野菜、木の実とナッツ、ベリーにそれぞれ対応するテーブル番号 29、31、および 32 を使用して、国勢調査データクエリツール 21 を介してアクセスしました。これらの作物グループの合計統計を使用して、米国南部 48 隣接地域の 3001 郡すべてを特殊作物郡または非特殊作物郡としてコード化しました。特殊作物郡としてコード化された 1713 郡のうち、さらなる分析のために特殊作物作付面積の 99% を占める 680 郡をサブセット化しました (図 1)。私たちは、(a) 郡内で栽培されているすべての作物 (作物ミックス)、および (b) 各郡の果物、野菜、ナッツのカテゴリからのすべての重点特殊作物 (特殊作物ミックス) の網羅的なセットを作成しました。開示とデータ欠落の問題により、680 郡のうち 556 郡についてのみ完全な作物リストを作成できました。

2 セットのアナログ計算が実行されました。 1 つ目は、気温と降水量に基づく一般的な類似物です。 2 つ目は、導出変数に基づいたコンテキスト固有のアナログです。年間の生育度日、霜の降りない季節の長さ、夏の暑さの時間、寒さの時間、および最も雨の多い月と最も乾燥した月の間の降水量の差です。

類似体は、Mahony et al.4 のアプローチに従って計算されました。このアプローチでは、(a) 標準化されたユークリッド距離を、年々変動によってスケールされた変数を使用してマハラノビス距離に適応させ、(b) 距離をカイ分布のシグマ相違度パーセンタイルとして解釈します。このアプローチの利点は、異なるスケールを持つ変数値と、変数間の相関から生じる分散の膨張から生じる問題に対処できることです。さらに、距離をカイ分布空間に変換することで、距離の比較機能を妨げる距離計算への次元の影響に対処します。私たちのアプローチの 1 つの違いは、グリッドを最寄りの気象観測所のデータと照合するのではなく、気候正常値が計算されるグリッドデータ製品から気候変数の年々変動を計算したことです。シグマ相違度は、680 の特殊作物郡について、これらの郡の将来の気候を、19 の GCM について隣接する米国の 3001 郡すべての過去の気候と比較することによって計算されました。

シグマ相違度 2 (2σ) はカイ分布の 95 パーセンタイルを表し、4σ は 99.994 パーセンタイルを表します。シグマ相違度距離 ≤ 2σ を持つ郡は許容可能な類似気候とみなされ、シグマ相違度距離 ≥ 4σ を持つ郡は新規気候とみなされます。どのような対象郡であっても、許容される類似物は特殊作物郡または非特殊作物郡のいずれかである可能性があり、私たちはこの 2 つを区別します。各対象郡の許容可能な類似体のセットは、まず GCM ごとに特定されます。次に、すべての GCM にわたって許容可能な類似体のセット全体を作成するために、少なくとも 5 つの GCM で許容可能な類似体として結果が得られた郡のみをフィルター処理します (これは、GCM の > 25% に共通する類似体に相当します)。しきい値は任意ですが、その目的は、許容可能なアナログセットを外れ値ではなく、複数のモデルに共通する郡に制限することでした。しきい値 (3、5、7、および 10 GCM の値) について感度分析を実行しました。他の特殊作物郡に類似品がある特殊作物郡の推定割合は、閾値が異なっても 10% を超える変化はなく、また、閾値は結果の解釈に影響を与えませんでした。

気象および派生入力は、まず各グリッドの月次タイムステップに時間的に集約され、次に、各郡のすべての農業グリッドの平均を計算することによって、米国南部 48 隣接地域の 3001 郡ごとに空間的に集約されました。次に、何らかの特産作物を生産している 1713 郡のうち 680 郡がアナログ計算の対象郡として選択されました。これは、特殊作物の生産地域ごとに郡を分類し、作付面積の 99% を占める上位の郡を選択することによって行われました。シグマ相違距離統計は、RCP 4.5 および 8.5 シナリオに基づいて、19 の GCM について 680 の対象郡ごとに計算されました。これは、対象郡の 21 世紀半ばの各将来実現と米国 3,001 の各郡の歴史的気候との距離を計算することによって行われ、合計 7,750 万件の比較が行われました (対象郡 680 × 19 GCM × 2 RCP × 3001郡）。距離統計を使用して、シグマ非類似性メトリックが ≤ 2σ となるように、郡、GCM、RCP の組み合わせごとに許容可能な類似物をフィルター処理しました。次に、前のセクションで述べたように、少なくとも 5 つの GCM に共通する許容可能なアナログをフィルタリングすることにより、郡と RCP の組み合わせごとに許容可能なアナログセットが最終的に決定されました。

許容可能な類似体は 2 セットの変数 (一般的および状況固有) に対して計算され、一致率は共通の固有の許容可能な類似体の数と、両方のセットの許容可能な類似体の和集合にわたる固有の許容可能な類似体の総数の比として計算されました。変数の。次に、許容可能な類似セットを特殊作物類似物と非特殊作物類似物にグループ化し、許容可能な類似物全体のうち特殊作物郡である割合を計算します。最後に、各対象郡の全特産作物に対する一般的な特産作物の割合は次のように計算されます。許容可能な類似体ごとに、ターゲットとアナログ特殊作物の混合セットの和から独自の特殊作物の総数を計算しました。次に、共通の固有作物の数を計算し、それを合計数で割って、許容可能な各類似体の共通作物の比率を推定しました。すべての許容可能な類似体にわたる最高の比率が各ターゲットについて報告されます。この最後のステップは、完全な作物リストを持っていた 556 の郡でのみ可能でした。

アナログ計算用のスクリプト (4 で共有されたコードの修正バージョン)、後処理スクリプト、距離メトリクスとターゲットアナログのペアの CSV ファイルは、GitHub リンクから入手できます: https://github.com/agroecosystemsmodelingwsu/農業気候アナログ。米国の上位 680 の特殊作物郡の類似品と作物配合は、https://agclimatechangetools.cahnrs.wsu.edu/ で視覚化できます。生の気候情報は、https://www.climatologylab.org/maca.html からアクセスできます。

Knutti, R. 気候変動における知識と行動のギャップを埋める。ワン・アース 1、21–23 (2019)。

記事 ADS Google Scholar

ロレンツォーニ、I. & ピジョン、ニュージャージー州気候変動に関する一般の見解: ヨーロッパと米国の視点。登る。変更 77、73–95 (2006)。

記事 ADS Google Scholar

Fitzpatrick, MC & Dunn, RR 21 世紀後半の北米 540 都市地域の現代気候の類似体。ナット。共通。 10、1-7 (2019)。

記事 CAS Google Scholar

マホニー、CR、キャノン、AJ、ワン、T. & エイトケン、SN 新しい気候の詳細な観察: 大陸から景観スケールまでの新しい方法と洞察。グロブ。バイオルを変更します。 23、3934–3955 (2017)。

記事 ADS Google Scholar

Webb, LB、Watterson, I.、Bhend, J.、Whetton, PH & Barlow, EWR 将来の期間におけるワイン生産地域の地球規模の気候類似体: 気温と降水量の予測。 8月。 J. グレープワイン Res. 19、331–341 (2013)。

記事 Google Scholar

Ramírez Villegas, J.、Lau, C.、Köhler, AK、Jarvis, A.、Arnell, NP、Osborne, TM、Hooker, J. 気候類似物: 明日の農業を今日見つける。ワーキングペーパーNo. 12. カリ: 気候変動、農業、食料安全保障に関する CGIAR 研究プログラム (CCAFS) (2011)。

Saxon, E.、Baker, B.、Hargrove, W.、Hoffman, F. & Zganjar, C. さまざまな地球規模の気候変動シナリオの下でリスクにさらされている環境をマッピング。エコル。レット。 8、53–60 (2005)。

記事 Google Scholar

キャッシュ、DW、ボーク、JC、パット、AG 科学と意思決定を結び付ける積み込み場アプローチに対抗する。科学。テクノロジー。人間の価値観 31、465–494 (2006)。

記事 Google Scholar

BR のクック氏とML メロズリタ氏赤字モデルを復活させないことで参加の約束を果たした。グロブ。環境。変更 56、56–65 (2019)。

記事 Google Scholar

アーウィン、A. リスク、科学、公共コミュニケーション。 Routledge Handbook of Public Communication of Science and Technology 160–172 (2014)。

Nerlich, B.、Koteyko, N. & Brown, B. 気候変動コミュニケーションの理論と言語。ワイリー・インターディシプ。クリム牧師。変更 1、97–110 (2010)。

記事 Google Scholar

特殊作物競争力法。 2004. 7 USC 3101 メモ。 https://www.congress.gov/108/plaws/publ465/PLAW-108publ465.pdf (2004)。 (最終アクセス日: 2022 年 5 月)。

2014 年農業法、公法 113-79。 https://www.congress.gov/bill/113th-congress/house-bill/2642/text (2014)。 (最終アクセス日: 2022 年 5 月)。

カリフォルニア州ザイフェルト氏とDB ローベル氏米国における気候変動に対する二毛作の適合性の反応。環境。解像度レット。 10、024002 (2015)。

記事 ADS Google Scholar

Burke, M. & Emerick, K. 気候変動への適応: 米国農業からの証拠。午前。エコン。Ｊ．Ｅｃｏｎ．ポール。 8(3)、106–140 (2016)。

記事 Google Scholar

Schlenker, W. & Roberts, MJ 非線形の温度影響は、気候変動下で米国の作物収量に重大な損害が与えられることを示しています。手順国立アカド。科学。アメリカ合衆国。 106、15594–15598 (2009)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Alston, JM & Pardey, PG 特殊作物の研究に対する公的資金。 HortScience 43、no.5、1461–1470 (2008)。

記事 Google Scholar

ニール、CL & モーガン、クアラルンプール規模と範囲を超えて: エダマメへの応用で米国の特殊作物生産の経済的推進力を探る。フロント。持続する。食品システム。 4、(2021)。

Rosenzweig, C. et al. 農業モデル相互比較改善プロジェクト (AgMIP): プロトコルとパイロット研究。農業。のために。メテオロール。 170、166–182 (2013)。

記事 ADS Google Scholar

Mendelsohn, R.、Nordhaus, WD、および Shaw, D. 農業に対する地球温暖化の影響: リカード分析。午前。エコン。改訂 753–771 (1994)。

USDA NASS 農業センサス米国農務省、国立農業統計局、2017 年農業国勢調査 www.nass.usda.gov/AgCensus (2017)。 (最終アクセス日: 2022 年 3 月)。

フュッセル、HM 気候変動への適応計画: 概念、評価アプローチ、および重要な教訓。持続する。科学。 2、265–275 (2007)。

記事 Google Scholar

Doll, JE、Eschbach, CL & DeDecker, J. 対話を利用して農業関係者を気候変動についての協力的な学習に参加させる: 幅広い意味を持つ戦略。 J. Extension 56、25 (2018)。

Google スカラー

レモス、MC & モアハウス、BJ 統合気候評価における科学と政策の共同制作。グロブ。環境。変化。 15、57–68 (2005)。

記事 Google Scholar

Dilling, L. & Lemos, MC 利用可能な科学の創造: 気候に関する知識の活用の機会と制約、および科学政策へのその影響。グロブ。環境。変化。 21、680–689 (2011)。

記事 Google Scholar

Buizer, J.、Jacobs, K. & Cash, D. 短期の気候予測を有益にする: 科学と行動を結び付ける。手順国立アカド。科学。アメリカ合衆国。 113、4597–4602 (2016)。

論文 ADS PubMed Google Scholar

Stephenson, G. 拡張サービスの理論的基盤には多少の欠陥があります。 J.内線 41(4)、1–10 (2003)。

Google スカラー

Prokopy, LS、Floress, K.、Klotthor-Weinkauf, D. & Baumgart-Getz, A. 農業の最良の管理慣行採用の決定要因: 文献からの証拠。 J. 土壌水保全。 63(5)、300–311 (2008)。

記事 Google Scholar

Abatzoglou、JT 生態学的アプリケーションとモデリングのための格子状の地表気象データの開発。内部。Ｊ．Ｃｌｉｍａｔｏｌ． 33、121–131 (2013)。

記事 Google Scholar

Abatzoglou、JT および Brown、TJ 山火事アプリケーションに適した統計的ダウンスケーリング手法の比較。内部。Ｊ．Ｃｌｉｍａｔｏｌ． 32、772–780 (2012)。

記事 Google Scholar

Miller, P.、Lanier, W.、Brandt, S. 成長度日数を使用して植物の段階を予測します。 Ag/拡張機能のコミュニケーション。コーディネーターコミュ。サービスモンタナ州立大学 - ボーズマン Bozeman MO 59717(406), 994–2721 (2001)。

Google スカラー

20 世紀のミシシッピ州クカルとサス州イルマックの農業気候: 生育日数、初霜と終霜、生育期の長さ、作物収量への影響。科学。議員番号 8、6977 (2018)。

論文 ADS PubMed PubMed Central Google Scholar

Parker、LE、McElrone、AJ、Ostoja、SM & Forrestel、EJ 多年生作物に対する極端な暑さの影響と将来の生産を維持するための戦略。植物科学。 295、110397 (2020)。

論文 CAS PubMed Google Scholar

デラウェア州リンビル毎日の最高温度と最低温度の観測値から冷却時間と冷却単位を計算します。 HortScience 25、14–16 (1990)。

記事 Google Scholar

Lee, H. & Sumner, DA 2050 年までの予測を伴う、縮小された気候誘発性農地変化の経済学: カリフォルニア州ヨロ郡の証拠。登る。変更 132、723–737 (2015)。

記事 ADS Google Scholar

Eike, L.hillR: 温帯果樹における生物季節分析のための統計的手法。 R パッケージバージョン 0.72.4。（2021年）。

Atkinson, CJ、Brennan, RM & Jones, HG 寒冷化の減少と温帯多年生作物への影響。環境。経験値ボット。 91、48–62 (2013)。

記事 Google Scholar

JW ウィリアムズ、ST ジャクソン、JE クッツバッハ西暦 2100 年までに新たな気候と消滅する気候の分布を予測。手順国立アカド。科学。アメリカ合衆国。 104、5738–5742 (2007)。

論文 ADS CAS PubMed PubMed Central Google Scholar

ベック、H.E. et al. 現在および将来のケッペンガイガー気候分類マップ (解像度 1 km)。科学。データ 5、180214 (2018)。

記事 PubMed PubMed Central Google Scholar

ロメロ、F.ら。湿度と高温は、世界中で真菌性疾患の発生を予測するために重要です。新しいフィトール。 234、1553–1556 (2021)。

論文 PubMed Google Scholar

USDA NASS CDL。米国農務省、国立農業統計局、2020 年農地データレイヤー https://nassgeodata.gmu.edu/CropScape/ (2020)。 (最終アクセス日: 2022 年 3 月)。

リファレンスをダウンロードする

この研究は、USDA NIFA AFRI award 2017-68002-26789 によって資金提供されました。パイロットワークショップの開催にご協力いただいたワシントン州立大学農業・天然資源部門ディレクターのカレン・ルイス氏に感謝いたします。また、米国南東部とテキサス州の研究および普及の専門家（ジルフィーナ・ルビオ・エイムズ—ジョージア大学、アリ・サーコシュ—フロリダ大学、ブライアン・ヘイズ—ジョージア大学、パム・ノックス—ジョージア大学、フィリップ・W・シャッケルフォード—テキサスA&M大学、 Hehe Wang — クレムソン大学、Joseph G. Maebni — テキサス A&M 大学、Chris Oswalt — フロリダ大学) にワークショップへの参加とフィードバックをいただきました。

ワシントン州立大学、生物システム工学部、プルマン、ワシントン州、米国

シッダース・チョーダリー、キルティ・ラジャゴパラン、クラウディオ・O・ストックル

持続農業および天然資源センター、ワシントン州立大学、米国ワシントン州ウェナチー

チャド・E・クルーガー & ソニア・A・ホール

ワシントン州立大学経済科学部、プルマン、ワシントン州、米国

マイケル・P・ブレイディ

フロリダ大学農業生物工学部、ゲインズビル、フロリダ州、米国

クライド・W・フライス & ゲリット・ホーゲンブーム

農業・食品システム研究所、米国ワシントン DC

デヴィッド・I・グスタフソン & レイチェル・L・メルニック

USDA 気候ハブ、米国ワシントン DC

ジュリアン・レイエス

国際食糧政策研究所、米国ワシントン DC

ティモシー・B・サルサー

PubMed Google Scholar でこの著者を検索することもできます

SC、KR、CEK、CWF、DIG、GH、COS がこの作品の設計と草案を作成しました。 SC、KR、CEK、MPB がデータを解釈して分析しました。 SC、KR、DIG、RLM、SH、JR、TBS が最初の草案を書き、SC がすべての図を作成しました。著者全員が原稿を修正および改訂しました。

キルティ・ラジャゴパランへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Chaudhary、S.、Rajagopalan、K.、Kruger、CE 他。気候類似物は、米国の特産作物の適応に向けた地域間の対話を促進することができます。 Sci Rep 13、9317 (2023)。 https://doi.org/10.1038/s41598-023-35887-x

引用をダウンロード

受信日: 2022 年 7 月 21 日

受理日: 2023 年 5 月 25 日

公開日: 2023 年 6 月 8 日

DOI: https://doi.org/10.1038/s41598-023-35887-x

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。