Jose A. Egea1*, Manuel Caro2, Jesús García-Brunton2, Chúa Giêsu Gambin 3, José Egea 1 và David Ruiz 1*
- 1Nhóm Giống cây ăn quả, Cục Giống cây trồng, CEBAS-CSIC, Murcia, Tây Ban Nha
- 2Viện Nghiên cứu và Phát triển Thực phẩm Nông nghiệp Murcia, Murcia, Tây Ban Nha
- 3Trường Kinh doanh ENAE, Đại học Murcia, Murcia, Tây Ban Nha
Sản xuất trái cây bằng đá có tầm quan trọng kinh tế to lớn ở Tây Ban Nha. Địa điểm trồng các loài trái cây này (như đào, mơ, mận và anh đào ngọt) bao phủ các khu vực địa lý rộng lớn và có khí hậu đa dạng trong cả nước. Biến đổi khí hậu đã tạo ra sự gia tăng nhiệt độ trung bình với cường độ đặc biệt ở một số khu vực như Địa Trung Hải. Những thay đổi này dẫn đến giảm độ lạnh tích lũy, có thể có tác động sâu sắc đến hiện tượng học của Prunus các loài thích quả có hạt do, ví dụ, khó đáp ứng các yêu cầu làm lạnh để phá vỡ nội mùi, xuất hiện các đợt sương giá muộn hoặc nhiệt độ cao bất thường sớm. Tất cả những yếu tố này có thể ảnh hưởng nghiêm trọng đến sản lượng và chất lượng trái cây và do đó gây ra những hậu quả rất tiêu cực về mặt kinh tế xã hội ở các khu vực hiện tại. Do đó, việc mô tả đặc điểm của các khu vực canh tác hiện tại theo các biến số khí hậu nông nghiệp (ví dụ, sự tích tụ nhiệt và lạnh cũng như xác suất xảy ra sương giá và các đợt nắng nóng bất thường sớm), dựa trên dữ liệu từ 270 trạm thời tiết trong 20 năm qua, được thực hiện trong nghiên cứu này để tạo ra một bức tranh đầy thông tin về tình hình hiện tại. Ngoài ra, các dự báo khí hậu trong tương lai từ các mô hình khí hậu toàn cầu khác nhau (dữ liệu lấy từ Cơ quan Khí tượng Nhà nước Tây Ban Nha—AEMET) cho đến năm 2065 cho hai kịch bản Lộ trình Tập trung Đại diện (tức là RCP4.5 và RCP8.5) cũng được phân tích. Sử dụng tình hình hiện tại làm cơ sở và xem xét các kịch bản trong tương lai, có thể suy ra thông tin về khả năng thích nghi hiện tại và tương lai của các loài/giống khác nhau với các vùng trồng khác nhau. Thông tin này có thể là cơ sở của một công cụ hỗ trợ quyết định để giúp các bên liên quan khác nhau đưa ra quyết định tối ưu liên quan đến việc trồng cây ăn quả có hạt hiện tại và tương lai hoặc các loài ôn đới khác ở Tây Ban Nha.
Giới thiệu
Tây Ban Nha là một trong những nước sản xuất trái cây có hạt chính trên thế giới (như đào, mơ, mận và anh đào ngọt) với sản lượng trung bình hàng năm khoảng 2 triệu tấn. Việc trồng các loại trái cây này có vai trò kinh tế rất quan trọng trong nước, bao phủ khoảng 140,260 ha (FAOSTAT, 2019). Các khu vực trồng trọt chính ở Tây Ban Nha đối với các giống cây này nằm ở các khu vực có đặc điểm khí hậu nông nghiệp khác nhau: từ các khu vực ấm áp như Thung lũng Guadalquivir và phần lớn khu vực Địa Trung Hải đến các khu vực lạnh giá như phía bắc Extremadura, thung lũng Ebro và một số địa điểm nội địa của khu vực Địa Trung Hải. (nhìn thấy Hình 1). Vì những loại cây trồng này cần đủ lạnh vào mùa đông để phá vỡ nội mùi nhằm tránh các vấn đề về sản xuất (Atkinson và cộng sự, 2013)Campoy và cộng sự, 2011b; Luedeling và cộng sự, 2011; Luedeling, 2012; Julian và cộng sự, 2007; Guo và cộng sự, 2015; 2019; Chmielewski và cộng sự, 2018) và (iv) lựa chọn các phương pháp và công nghệ nông nghiệp tốt nhất để giảm thiểu tác động của biến đổi khí hậu (Campoy và cộng sự, 2010; Mahmood và cộng sự, 2018).
Yêu cầu làm lạnh và nhiệt (Fadón và cộng sự, 2020b) hoặc mức độ thiệt hại do sương giá (Miranda và cộng sự, 2005) của các loài/giống cây trồng hiện tại có thể được kết hợp với các số liệu khí hậu nông nghiệp ở các khu vực khác nhau để xây dựng các công cụ quyết định giúp nhà sản xuất và các bên liên quan khác thiết kế các chính sách kinh tế và sản xuất tối ưu trong trung và dài hạn. Các công cụ lập mô hình sẵn có để xử lý hàng loạt lớn về khí hậu và hiện tượng học đã làm cơ sở để xây dựng các công cụ quyết định nêu trên (Luedeling, 2019; Luedeling và cộng sự, 2021; Miranda và cộng sự, 2021). Dự báo khí hậu ở lưu vực Địa Trung Hải cho thấy tác động của sự nóng lên toàn cầu có thể đặc biệt nghiêm trọng ở khu vực này (Giorgi và Lionello, 2008; MedECC, 2020; IPCC, 2021), do đó, các biện pháp dự đoán là rất quan trọng để tránh các vấn đề sản xuất trong tương lai, có thể ảnh hưởng nghiêm trọng đến nền kinh tế của một số khu vực nhất định như những vấn đề được trình bày trong nghiên cứu này (Olesen và Bindi, 2002; Benmoussa và cộng sự, 2018).
Các nghiên cứu khác nhau đã xác định tác động tiêu cực của sự nóng lên toàn cầu đối với việc sản xuất trái cây và các loại hạt ôn đới ở các khu vực khác nhau trên hành tinh. Nguyên nhân chính liên quan đến việc giảm giá lạnh trong mùa đông mặc dù sự gia tăng rủi ro sương giá do sự nở hoa và ra hoa sớm hơn dự kiến cũng được tính đến trong một số nghiên cứu. Ví dụ, Fernandez và cộng sự. dự báo mùa đông lạnh cần thiết cho sản xuất trái cây rụng lá ở Chile sẽ giảm, với những tác động tiêu cực dự kiến ở các khu vực phía bắc của đất nước. Đồng thời, họ dự đoán khả năng xảy ra sương giá sẽ giảm đáng kể trong thời kỳ nảy chồi hợp lý nhất đối với cây ăn quả rụng lá ở tất cả các địa điểm được xem xét (Fernandez và cộng sự, 2020); Lorite và cộng sự. đã phân tích các hiện tượng như thiếu lạnh mùa đông, nguy cơ sương giá và điều kiện ấm áp trong quá trình nở hoa ở Bán đảo Iberia đối với một số giống hạnh nhân kết hợp với các dự báo khí hậu và thông tin hiện tượng học. Họ nhận thấy rằng, nói chung (và tùy thuộc vào giống cây trồng được xem xét), (i) việc không có cái lạnh mùa đông sẽ rõ rệt hơn ở bờ biển Địa Trung Hải và Thung lũng Guadalquivir, (ii) điều kiện ấm áp trong quá trình ra hoa sẽ dữ dội hơn ở miền Trung. Cao nguyên và Thung lũng Ebro, và (iii) nguy cơ băng giá sẽ giảm ở các khu vực cụ thể của Cao nguyên phía Bắc và Khu vực đồi núi phía Bắc (Lorite và cộng sự, 2020). Benmoussa và cộng sự. dự báo mức giảm giá lạnh mùa đông quan trọng trong tương lai ở Tunisia có thể ảnh hưởng đáng kể đến việc sản xuất một số loại trái cây và hạt. Ví dụ, đối với kịch bản bi quan nhất, chỉ những giống hạnh nhân có nhiệt độ thấp mới có thể tồn tại được. Trong các kịch bản khác, một số giống hồ trăn và đào có thể tồn tại lâu dài ở khu vực Tây Bắc của đất nước (Benmoussa và cộng sự, 2020); Fraga và Santos đã xem xét cả hiện tượng lạnh và tích tụ nhiệt trong tương lai cũng như tác động của chúng đối với việc sản xuất các loại trái cây khác nhau ở Bồ Đào Nha. Họ dự đoán giá lạnh mùa đông sẽ giảm mạnh và sẽ ảnh hưởng nghiêm trọng hơn đến các khu vực sâu nhất của đất nước. Các khu vực trồng táo phía bắc sẽ đặc biệt phải đối mặt với tình trạng giảm độ lạnh. Các tác giả cũng dự báo mức độ tích tụ nhiệt sẽ gia tăng, với tác động cao hơn ở các khu vực phía Nam và ven biển của đất nước. Họ nhấn mạnh rằng thực tế này có thể làm tăng nguy cơ thiệt hại do sương giá do sự tiến triển của các giai đoạn hiện tượng học (Rodríguez và cộng sự, 2019, 2021; Fraga và Santos, 2021) so sánh hiện trạng vùng sản xuất một số loại trái cây ôn đới ở Tây Ban Nha với các kịch bản biến đổi khí hậu trong tương lai liên quan đến tích tụ lạnh. Họ dự báo tổn thất lạnh nghiêm trọng ở một số khu vực (ví dụ: khu vực Đông Nam hoặc Gualdalquivir) ngay cả trong tương lai gần. Trong tương lai xa (>2070), các tác giả này tuyên bố rằng khi xem xét các khu vực trồng trọt hiện tại, các giống mận, hạnh nhân và táo có thể bị ảnh hưởng nghiêm trọng do thiếu lạnh (Rodríguez và cộng sự, 2019, 2021).
Trong nghiên cứu này, chúng tôi đã đánh giá các biến khí hậu nông nghiệp chính liên quan đến khả năng thích ứng với quả hạch ở các vùng khác nhau ở Tây Ban Nha, bao gồm cả những khu vực diễn ra hoạt động sản xuất quả hạch quan trọng nhất bằng cách sử dụng dữ liệu từ 270 trạm thời tiết trong giai đoạn 2000–2020. Điều này đi kèm với các dự báo nhiệt độ trong tương lai để ước tính diễn biến tích tụ nhiệt và lạnh cũng như xác suất xảy ra sương giá và các hiện tượng nhiệt bất thường sớm trong tương lai so với tình hình hiện tại. Thông tin này có thể rất hữu ích cho việc đưa ra các quyết định tối ưu liên quan đến việc thiết lập vườn cây ăn quả mới, di dời các vườn cây ăn quả hiện có hoặc lựa chọn các giống cây trồng tối ưu để thu được lợi nhuận lâu dài.
Đóng góp chính của nghiên cứu này là chúng tôi đã phân tích đồng thời các biến khí hậu nông nghiệp khác nhau liên quan đến khả năng thích ứng với quả hạch. Không chỉ sự tích lũy lạnh để đáp ứng CR như được thực hiện trong nghiên cứu bởi Rodríguez và cộng sự. (2019, 2021) mà còn tích tụ nhiệt để ra hoa thích hợp, rủi ro sương giá và một biến số hiếm khi được định lượng trong tài liệu: xác suất xảy ra các đợt nắng nóng bất thường trong mùa đông có thể thúc đẩy giải phóng nội tiết với tác động tiêu cực đến sản lượng, chất lượng và năng suất trái cây, như đã từng xảy ra quan sát thấy ở các khu vực ấm áp trong những năm qua. Chúng tôi đã sử dụng dữ liệu từ mạng lưới trạm thời tiết rất dày đặc để cung cấp số liệu chính xác cho tình hình hiện tại. Chúng tôi tập trung vào các khu vực sản xuất hiện tại vì các quyết định liên quan đến việc thích ứng với hiện tượng nóng lên có thể sẽ được đưa ra ở những khu vực đó, nơi đã có sẵn công nghệ và kiến thức phù hợp. Ở những khu vực như vậy, việc di dời cây trồng sẽ gây ra những hậu quả kinh tế xã hội không mong muốn và tình trạng suy giảm dân số. Hơn nữa, để mô tả tình hình hiện tại, chúng tôi đã sử dụng nhiệt độ thực tế hàng giờ thay vì nhiệt độ ước tính, điều này mang lại kết quả chính xác hơn so với các nghiên cứu khác trong đó nhiệt độ hàng giờ được nội suy từ nhiệt độ hàng ngày. Độ phân giải được sử dụng (∼5 km) tốt hơn so với các nghiên cứu tương tự khác ở Tây Ban Nha (Rodríguez và cộng sự, 2019, 2021; Lorite và cộng sự, 2020) và giúp đưa ra quyết định ngay cả ở cấp địa phương.
Vật liệu và phương pháp
Dữ liệu khí hậu và các biến khí hậu nông nghiệp
Dữ liệu khí hậu từ 340 trạm thời tiết nằm ở các khu vực sản xuất trái cây bằng đá chính ở Tây Ban Nha (xem Hình 1) đã được sử dụng để đánh giá các số liệu khí hậu nông nghiệp. Dữ liệu bao gồm các biến khí hậu chính, bao gồm nhiệt độ trung bình, nhiệt độ tối đa và tối thiểu (°C), độ ẩm tương đối (%), lượng mưa (mm), lượng bốc thoát hơi nước (ETo, mm) và bức xạ mặt trời (W/m2). Hồ sơ chưa đầy đủ và các vấn đề đã được phát hiện ở một số trạm được xem xét. Sau khi áp dụng quy định của Tây Ban Nha (UNE 500540, 2004), số lượng cuối cùng gồm 270 trạm đã được chọn. Dữ liệu nhiệt độ hàng giờ đã hoàn chỉnh ngoại trừ những giờ trống tương ứng với các sự kiện bảo trì không được điền vì chúng chiếm tỷ lệ không đáng kể trong tổng số. Nhiệt độ trung bình hàng giờ trong giai đoạn 2000–2020 được sử dụng để tính toán các biến số khí hậu nông nghiệp chính, bao gồm sự tích tụ nhiệt và lạnh cũng như xác suất xảy ra sương giá có hại và các đợt nắng nóng bất thường trong mùa đông. Số năm trọn vẹn của mỗi trạm thay đổi tùy theo trạm: từ 5 đến 21 năm (trung vị = 20) tùy theo trạm.
Tích lũy lạnh cho mỗi mùa được tính từ ngày 1 tháng 28 đến ngày XNUMX tháng XNUMX năm sau. Utah (Richardson và cộng sự, 1974) và Động (Người cá và cộng sự, 1987) các mô hình đã được sử dụng để thực hiện phép tính này. Nhiệt tích lũy cho mỗi mùa được tính từ ngày 1 tháng 8 đến ngày 14 tháng XNUMX (khoảng XNUMX tuần) bằng công thức Richardson (Richardson và cộng sự, 1974) và Anderson (Anderson và cộng sự, 1986), cung cấp kết quả về số giờ độ ngày càng tăng (GDH). Xác suất xảy ra hiện tượng sương giá và nhiệt độ bất thường được tính toán mỗi tuần như sau: trong mỗi tuần, hiện tượng sương giá xảy ra nếu nhiệt độ giảm xuống dưới −1°C trong ít nhất ba giờ liên tiếp. Sau đó, xác suất xuất hiện các đợt sương giá trong một tuần cụ thể được xác định bằng số lần tuần đó có ít nhất một đợt sương giá trong thời gian nghiên cứu chia cho số năm được xem xét. Tương tự, hiện tượng nắng nóng bất thường xảy ra nếu nhiệt độ tăng trên 25°C trong ít nhất ba giờ liên tục. Sau đó, xác suất xuất hiện các hiện tượng nhiệt bất thường được tính toán như đã giải thích đối với các hiện tượng băng giá. Tuần 1 bắt đầu vào ngày 1 tháng 2. Đối với các hiện tượng băng giá, các tuần từ 10 đến 2 được coi là các tuần nguy hiểm tiềm ẩn. Những tuần đầu tiên trong phạm vi (tức là tuần 5 đến tuần 6–5) sẽ là những tuần nguy hiểm nhất ở những vùng ấm áp, trong khi những tuần còn lại (tức là tuần 6–10 đến tuần 49) sẽ là những tuần nguy hiểm nhất ở những vùng lạnh. Đối với các hiện tượng nắng nóng bất thường, khoảng thời gian được xem xét dao động từ tuần 8 của năm trước (đầu tháng XNUMX) đến tuần XNUMX (cuối tháng XNUMX) khi những hiện tượng này có thể thúc đẩy quá trình giải phóng trạng thái ngủ sớm liên quan đến các vấn đề sản xuất sau này.
Các kịch bản trong tương lai
Về các kịch bản trong tương lai, các dự báo nhiệt độ do Cơ quan Khí tượng Nhà nước Tây Ban Nha (AEMET) tính toán đã được sử dụng. Trong những năm gần đây, AEMET đã đưa ra một bộ dự báo biến đổi khí hậu thu nhỏ tham khảo ở Tây Ban Nha hoặc áp dụng các kỹ thuật giảm quy mô thống kê cho đầu ra của các mô hình khí hậu toàn cầu (GCM) hoặc sử dụng thông tin được tạo ra bởi các kỹ thuật thu nhỏ quy mô động thông qua các dự án châu Âu hoặc các sáng kiến quốc tế chẳng hạn như PRUDENCE, ENSEMBLES và EURO-CORDEX (Amblar-Francés và cộng sự, 2018). Trong nghiên cứu này, chúng tôi đã sử dụng nhiệt độ dự kiến hàng ngày (tức là tối đa và tối thiểu) bằng cách sử dụng phương pháp thu nhỏ thống kê dựa trên mạng lưới thần kinh nhân tạo. Điều này đã được đánh giá là một phương pháp phù hợp để đưa ra các dự báo khí hậu trong các kịch bản hiện tại và tương lai ở Tây Ban Nha đồng thời giảm sai lệch mô hình GCM (Hernanz và cộng sự, 2022a,b) trên lưới có độ phân giải 5 km. Hai khoảng thời gian đã được xem xét, cụ thể là 2025–2045 (đặc trưng bởi năm 2035) và 2045–2065 (đặc trưng bởi năm 2055) để đưa ra kết quả trong ngắn hạn và trung hạn. Hai con đường tập trung đại diện, tức là RCP4.5 và RCP8.5, đã được xem xét (van Vuuren và cộng sự, 2011). Đáng chú ý, 11 GCM đã được sử dụng trong nghiên cứu này (Bảng 1). Kết quả được trình bày bằng cách sử dụng một toàn thể phương pháp luận (Semenov và Stratonovitch, 2010; Wallach và cộng sự, 2018) trong đó các giá trị trung bình của các số liệu dự kiến (ví dụ: tích lũy nhiệt và lạnh hoặc xác suất) được tính toán bởi tất cả các mô hình được sử dụng trong các bước tiếp theo. Nhiệt độ hàng giờ để tính toán các chỉ số khí hậu nông nghiệp được mô phỏng từ nhiệt độ hàng ngày bằng gói chillR (Luedeling, 2019).
Bảng 1
BẢNG 1. Danh sách các mô hình khí hậu toàn cầu được sử dụng trong nghiên cứu này.
Để so sánh các biến khí hậu nông nghiệp trong các kịch bản hiện tại và tương lai, vị trí thực tế của các trạm thời tiết được so sánh với các điểm gần nhất với lưới điện. Khoảng cách tối đa, tối thiểu và trung bình từ các trạm thời tiết đến các điểm gần nhất trong lưới lần lượt là 3.87, 0.26 và 2.14 km. Trong mọi trường hợp (kịch bản hiện tại và tương lai), khu vực nội suy xung quanh các trạm thời tiết được xem xét (tức là cách trạm thời tiết gần nhất không quá 50 km) đã được tính toán bằng phương pháp tính trọng số khoảng cách nghịch đảo.
Kết quả
tích lũy lạnh
Như đã chỉ ra ở trên, hai mô hình được sử dụng để tính toán tích lũy độ lạnh, đó là Utah (tính theo đơn vị độ lạnh) và mô hình Động (theo phần). Sử dụng các giá trị trung bình của tổng độ lạnh tích lũy trong toàn bộ thời gian cho tất cả các trạm, người ta nhận thấy mối tương quan rất cao giữa cả hai chỉ số (R2 = 0.95, Hình bổ sung 1). Do đó, kết quả được trình bày chỉ bằng một trong số chúng (các phần). Hình 2 cho thấy các mô hình không gian của các phần lạnh trung bình trong các khoảng thời gian được xem xét khác nhau. Trong tình hình hiện tại, chúng ta có thể thấy rằng có một số khu vực địa lý có độ lạnh tích tụ cao ( ≥75 phần), như Thung lũng Ebro, phía bắc Extremadura và một số khu vực nội địa ở Địa Trung Hải. Chỉ ở Địa Trung Hải và Thung lũng Guadalquivir, người ta mới tìm thấy những vùng ấm áp có độ lạnh tích tụ dưới 60 phần (thậm chí dưới 50 ở một số khu vực biệt lập). Các kịch bản trong tương lai cho thấy giá lạnh tích lũy giảm rõ rệt ở các khu vực ấm áp, ở phía bắc Extremadura và một số khu vực nội địa Địa Trung Hải. Sự giảm giá lạnh tích lũy ở Thung lũng Ebro sẽ được tạo ra ở phần phía đông của khu vực đó, trong khi bên trong sẽ tích tụ giá lạnh mùa đông đáng kể ngay cả trong kịch bản bi quan nhất (ví dụ: 2055_RCP8.5). Tác động của hiện tượng nóng lên toàn cầu đối với sự suy giảm giá lạnh vào mùa đông sẽ nghiêm trọng hơn trong kịch bản 2055_RCP8.5 như mong đợi. Bảng bổ trợ 1–4 hiển thị mức tích lũy lạnh trung bình trong khoảng thời gian được xem xét (từ ngày 1 tháng 2000 đến cuối tháng 2020) theo từng phần cho tất cả các địa điểm và mô hình trong mọi kịch bản được xem xét trong tương lai. Giá trị trung bình của kết quả đầu ra của XNUMX mô hình được hiển thị cũng như độ lạnh tích lũy đã đăng ký trong giai đoạn XNUMX–XNUMX nhằm mục đích so sánh.
Hình 2
HÌNH ẢNH. Sự tích tụ lạnh giá tại các khu vực sản xuất đá chính ở Tây Ban Nha trong tình hình hiện tại (khoảng 2000–2020), hai khoảng thời gian (2025–2045 và 2045–2065) và hai kịch bản tương lai (RCP4.5 và RCP8.5).
Để kiểm tra xem mức suy giảm tích lũy giá lạnh dự kiến có ảnh hưởng tương tự đến các địa điểm hay không tùy thuộc vào mức tích lũy giá lạnh hiện tại của chúng, việc phân loại 270 trạm thời tiết đã được thực hiện, chia chúng theo phần tích lũy trung bình trong kịch bản hiện tại: tích lũy thấp (< 60 phần, 34 trạm), tích lũy trung bình (từ 60 đến 80 phần, 121 trạm) và tích lũy cao (trên 80 phần, 115 trạm). Hình 3 hiển thị sơ đồ hộp của các phần tích lũy trong mọi kịch bản cho ba loại vị trí. Mức giảm tích lũy lạnh quan sát được đúng như dự kiến theo từng kịch bản. Xét về sự khác biệt về giá trị trung bình giữa các kịch bản hiện tại và tương lai, có vẻ như ba loại địa điểm có hành vi giống nhau (có nghĩa là tổn thất phần trăm sẽ cao hơn ở các khu vực tích lũy thấp). Tuy nhiên, sự lan truyền của dữ liệu rất khác nhau. Các khu vực tích tụ độ lạnh thấp và cao cho thấy độ phân tán thấp hơn (với một số ngoại lệ ở phần thấp của phân bố) so với các khu vực trung bình, có độ phân tán cao hơn nhưng không có ngoại lệ. Việc phân tích các giá trị ngoại lệ này đối với các khu vực tích tụ độ lạnh cao cho thấy rằng giá trị ngoại lệ đối với cả bốn kịch bản trong tương lai đều tương ứng với một địa điểm bên trong Địa Trung Hải (Játiva). Đối với các khu vực tích tụ độ lạnh thấp, giá trị ngoại lệ trong mọi trường hợp (bao gồm cả kịch bản hiện tại) đều tương ứng với vị trí ven biển Địa Trung Hải (Almería). Các ngoại lệ đối với sự phân bố cấp cao ở các khu vực tích tụ giá lạnh thấp tương ứng với các vị trí bên trong Địa Trung Hải (tức là Montesa, Callosa de Sarriá và Murcia) mặc dù chúng có thể là giả tạo do các dự báo dự báo tích tụ giá lạnh trong tương lai nhiều hơn so với hiện tại kịch bản. Chúng có thể được gây ra bởi sự khác biệt về khí hậu có thể có giữa vị trí thực tế của các trạm thời tiết và điểm gần nhất của chúng trong lưới điện để dự báo trong tương lai.
Hình 3
HÌNH ẢNH. Biểu đồ của độ lạnh tích lũy trong tất cả các kịch bản đối với các trạm tích lũy độ lạnh thấp (<60 phần), trung bình (từ 60 đến 80 phần) và cao (>80 phần), đề cập đến kịch bản hiện tại.
Tích tụ nhiệt
Sự tích tụ nhiệt được tính toán bằng hai mô hình (tức là mô hình Richardson và Anderson) tương tự như sự tích tụ nhiệt độ lạnh. Một mối tương quan cao cũng được tìm thấy giữa kết quả của cả hai mô hình (R2 = 0.998, Hình bổ sung 2). Do đó, kết quả được trình bày chỉ sử dụng kết quả của mô hình Anderson. Hình 4 hiển thị các mô hình không gian của GDH trung bình trong các khoảng thời gian được xem xét khác nhau. Tất cả các kịch bản liên quan đến GDH dường như tương quan nghịch với các kịch bản tích lũy lạnh tương ứng của chúng (Hình 2). Những nơi tích tụ lạnh thấp thì tích tụ nhiệt cao và ngược lại. Khi sự tích tụ lạnh giảm trong các kịch bản tương lai, sự tích tụ nhiệt sẽ tăng tỷ lệ thuận ở từng khu vực. Ví dụ: hệ số tương quan Pearson giữa tích lũy lạnh bị mất và tích lũy nhiệt thu được cho các kịch bản hiện tại và 2055_RCP8.5 là 0.68 (p-giá trị < 1e-15).
Hình 4
HÌNH ẢNH. Sự tích tụ nhiệt tại các khu vực sản xuất đá chính ở Tây Ban Nha trong tình hình hiện tại (khoảng 2000–2020), hai khoảng thời gian (2025–2045 và 2045–2065) và hai kịch bản tương lai (RCP4.5 và RCP8.5)
Giống như trong trường hợp tích lũy lạnh, tác động của việc tăng GDH mạnh mẽ hơn trong kịch bản 2055_RCP8.5 như mong đợi. Bảng bổ trợ 5–8 hiển thị mức tích lũy nhiệt trung bình trong khoảng thời gian được xem xét (ngày 1 tháng 8 đến ngày 2000 tháng 2020) tại GDH cho tất cả các vị trí và mô hình trong mọi kịch bản được xem xét. Giá trị trung bình của kết quả đầu ra của XNUMX mô hình được hiển thị cũng như lượng nhiệt tích lũy đã đăng ký trong giai đoạn XNUMX–XNUMX nhằm mục đích so sánh.
Xác suất xảy ra hiện tượng băng giá và nhiệt độ bất thường
Xác suất xảy ra các sự kiện băng giá như được xác định ở trên được thể hiện trong Hình 5 so sánh tuần 2–10 đối với các kịch bản hiện tại và 2035_RCP4.5 và 2055_RCP8.5 (chỉ xác suất ≥ 10%). Trong tình hình hiện tại, xác suất xảy ra các hiện tượng băng giá đáng kể đã được ghi nhận, đặc biệt là ở các khu vực của Thung lũng Ebro cũng như phía bắc Extremadura và các khu vực nội địa của Địa Trung Hải. Xác suất sương giá giảm từ tuần thứ 2 xuống tuần thứ 10 như dự kiến, nhưng một số địa điểm cụ thể ở Thung lũng Ebro vẫn có khả năng xảy ra sương giá đáng kể vào tuần 10. Các kịch bản tương lai được phân tích trong Hình 5 lần lượt là lạc quan nhất (tức là 2035_RCP4.5) và bi quan nhất (tức là 2055_RCP8.5) về mức tăng nhiệt độ. Xác suất xảy ra hiện tượng băng giá biến mất khỏi Extremadura và giảm ở tất cả các khu vực, trong khi chỉ những khu vực bị thu hẹp ở Thung lũng Ebro và một số khu vực biệt lập ở nội địa Địa Trung Hải cho thấy xác suất trên 10% ngay cả trong tuần 10. Giống như trong tình hình hiện tại, xác suất xảy ra sương giá giảm từ tuần 2 đến 10. Đáng chú ý, các kịch bản 2035_RCP4.5 và 2055_RCP8.5 đưa ra những bức tranh tương tự về xác suất xảy ra các đợt băng giá, cho thấy rằng Thung lũng Ebro và một số địa điểm nội địa Địa Trung Hải sẽ trải qua các đợt băng giá trong tất cả các kịch bản được xem xét.
Hình 5
HÌNH ẢNH. Xác suất xảy ra hiện tượng băng giá tại các khu vực sản xuất đá chính ở Tây Ban Nha trong các tuần từ 2 đến 10 đối với các kịch bản hiện tại, 2035_RCP4.5 và 2055_RCP8.5.
Thảo luận và kết luận
Nghiên cứu này cố gắng mô tả đặc điểm các khu vực sản xuất trái cây bằng đá chính của Tây Ban Nha bằng cách sử dụng dữ liệu lịch sử khí hậu nông nghiệp (đặc biệt là nhiệt độ) từ 270 trạm thời tiết trải khắp các khu vực đó và so sánh kết quả với các dự đoán trong tương lai ở hai khoảng thời gian và kịch bản RCP. Các khu vực nghiên cứu được lựa chọn dựa trên thực tế là các quyết định hiện tại và tương lai liên quan đến việc trồng các loại trái cây có hạt (như đào, mơ, mận và sơ ri) sẽ chủ yếu được đưa ra trong các khu vực sản xuất hiện tại, nơi có kiến thức và kinh nghiệm. công nghệ trồng các loại cây trồng này được áp dụng mạnh mẽ. Vì vậy, nghiên cứu này không tập trung vào các địa điểm tiềm năng khác trong tương lai để trồng cây ăn quả bằng đá.
Các biến số được tính toán chính, tức là sự tích tụ nhiệt và lạnh, cho thấy các khu vực được xem xét khá đa dạng theo quan điểm khí hậu nông nghiệp và biến đổi khí hậu sẽ có tác động quan trọng, đặc biệt là ở những khu vực ấm nhất ngay cả trong trung hạn. Các mô hình được sử dụng để tính toán một trong hai mô hình đó (ví dụ: Utah và Dynamic cho cảm giác lạnh và Richardson và Anderson cho sự tích tụ nhiệt) cho thấy mối tương quan rất cao như đã được tìm thấy trước đây bởi Ruiz và cộng sự. (2007, 2018).
Mức giảm tích tụ lạnh quan trọng được dự báo ở tất cả các khu vực, điều này đồng ý với các nghiên cứu trước đây ở khu vực Địa Trung Hải (Benmoussa và cộng sự, 2018, 2020; Rodríguez và cộng sự, 2019; Delgado và cộng sự, 2021; Fraga và Santos, 2021). Mức giảm tích lũy lạnh sẽ giống nhau về giá trị tuyệt đối ở tất cả các khu vực được nghiên cứu, nhưng những khu vực ấm nhất (tức là khu vực Địa Trung Hải và Thung lũng Guadalquivir) có thể bị ảnh hưởng nhiều hơn về khả năng thích hợp cho việc trồng cây ăn quả bằng đá vì tình hình hiện tại của chúng đã là một hạn chế đối với nhiều giống cây trồng. Ở những vùng lạnh như Thung lũng Ebro và Extremadura, về nguyên tắc, sự suy giảm tích lũy lạnh sẽ không phải là trở ngại cho việc tiếp tục canh tác, mặc dù ở một số địa điểm lạnh đặc biệt ở Extremadura và Địa Trung Hải, sự suy giảm tích lũy lạnh sẽ mạnh hơn ở những địa điểm lạnh khác. Điều cần lưu ý là, theo Hình 3, người ta quan sát thấy sự tích lũy lạnh đột ngột giữa tình hình hiện tại và tương lai gần. Độ phân giải của lưới đã sử dụng, ngay cả khi ở mức tốt (∼5 km) cũng có thể là nguyên nhân gây ra hiệu ứng này. Các nguyên nhân khác biệt có thể có khác dẫn đến sự khác biệt quá mức giữa giá trị dự kiến và giá trị thực có thể là các sai lệch còn lại của mô hình GCM không được giảm thiểu hoàn toàn trong quá trình thu hẹp quy mô hoặc thực tế là chúng tôi đang so sánh các tính toán được thực hiện với nhiệt độ thực tế hàng giờ (tức là hiện tại kịch bản) và các tính toán được thực hiện với các đường cong nhiệt độ lý tưởng hóa bắt nguồn từ nhiệt độ tối đa và tối thiểu hàng ngày dự kiến (Linvill, 1990) cho các kịch bản trong tương lai. Những mức giảm đột ngột tương tự trong tương lai gần cũng được Rodríguez và cộng sự quan sát, họ dự báo mức giảm tới 30 điểm lạnh trong giai đoạn 2021–2050 tại một số địa điểm ở Tây Ban Nha (Rodríguez và cộng sự, 2019), đồng ý với kết quả của chúng tôi. Benmoussa và cộng sự. (2020), Delgado và cộng sự. (2021)và Fraga và Santos (2021) cũng báo cáo sự sụt giảm đột ngột giữa các kịch bản lịch sử và tương lai ở Tunisia, Bồ Đào Nha và Asturias (Bắc Tây Ban Nha). Giống như trong trường hợp của chúng tôi, những nghiên cứu này cũng cho thấy rằng không có sự khác biệt quan trọng nào đối với cảm giác lạnh tích lũy xuất hiện trong tương lai gần bất kể RCP được xem xét. Ngược lại với sự tích tụ giá lạnh, sự tích tụ nhiệt sẽ tăng lên trong tất cả các kịch bản (đặc biệt là vào năm 2055_RCP8.5 như dự kiến) và diễn biến của nó ngược lại với sự tích tụ giá lạnh này. Điều này cũng đã được quan sát bởi Fraga và Santos (2021) cho Bồ Đào Nha.
Xác suất xảy ra sương giá và các đợt nắng nóng bất thường trong những tuần mà chúng có thể ảnh hưởng quan trọng đến năng suất và sản lượng (ví dụ, sương giá muộn hoặc các đợt nắng nóng bất thường trước khi phát hành nội tiết) cũng được tính toán. Đối với kịch bản hiện tại, các đợt sương giá xảy ra thường xuyên hơn ở các vùng lạnh, đúng như dự đoán. Các hiện tượng nắng nóng bất thường trong những tuần quan trọng tập trung ở khu vực Địa Trung Hải trong những năm qua nhưng với xác suất rất thấp. Các ước tính trong tương lai cho những biến số này cho thấy rằng các đợt sương giá xảy ra trong những tuần mà việc sản xuất quả hạch có thể bị ảnh hưởng (Miranda và cộng sự, 2005; Julian và cộng sự, 2007) sẽ giảm khi thế kỷ trôi qua và sẽ ít xảy ra hơn đối với RCP8.5, điều này đồng ý với các nghiên cứu trước đó (Leolini và cộng sự, 2018). Tuy nhiên, một số khu vực của Thung lũng Ebro và các vị trí nội địa cụ thể của khu vực Địa Trung Hải vẫn sẽ trải qua một số đợt sương giá đáng kể trong những tuần hiện tại ngay cả trong kịch bản ấm nhất (ví dụ: 2055_RCP8.5, Hình 5). Định nghĩa về hiện tượng sương giá về mặt nhiệt độ và thời gian phơi nhiễm có liên quan chặt chẽ đến giai đoạn hiện tượng học của giống cây trồng hiện tại (Miranda và cộng sự, 2005). Với sự đa dạng lớn của các giống cây ăn quả bằng đá có thể có, từ CR rất thấp đến rất cao và số lượng địa điểm được phân tích, từ lạnh đến ấm, việc thiết lập các định nghĩa về giống/địa điểm cụ thể về sự kiện sương giá là không khả thi trong nghiên cứu này do khối lượng lớn thông tin liên quan. Những loại nghiên cứu này thường được thực hiện bằng cách sử dụng một số địa điểm và/hoặc giống cây trồng, giống như nghiên cứu được thực hiện bởi Lorite và cộng sự. (2020) cho hạnh nhân ở Tây Ban Nha, Fernandez và cộng sự. (2020) ở Chile, người đã tính toán nhiệt độ tối thiểu dưới 0°C trong thời kỳ nở hoa của các loài cây ăn quả rụng lá tiêu biểu nhất được trồng ở mỗi địa điểm trong số chín địa điểm được xem xét, hoặc Parker và cộng sự. (2021) người đã xem xét các nhiệt độ và giai đoạn hiện tượng khác nhau của ba loài (ví dụ: hạnh nhân, bơ và cam) nhưng cũng thực hiện mô tả đặc điểm chung của khu vực bằng cách xem xét ba nhiệt độ (0, −2 và +2°C) và thời gian tiếp xúc. Lựa chọn −1°C và ít nhất ba giờ liên tục của chúng tôi nhằm mục đích mô tả sự tiến triển của các đợt sương giá thay vì liên quan đến thiệt hại cụ thể đối với các giống cây trồng cụ thể, điều này sẽ đòi hỏi một nghiên cứu khác. Định nghĩa này được thông qua sau khi lấy ý kiến của các chuyên gia. Do có nhiều giống cây trồng về mặt CR và HR cũng như sự đa dạng của chế độ nhiệt độ ở các khu vực được xem xét trong nghiên cứu này, chúng tôi đã chọn những tuần đó (từ 2 đến 10) trong đó tất cả (hoặc hầu hết) sự kết hợp của giống/địa điểm có thể được thực hiện. dễ bị thiệt hại do sương giá tùy theo giai đoạn hiện tượng học của chúng. Với mục đích ra quyết định, người sản xuất nên chọn bản đồ phù hợp nhất với tình hình cụ thể của mình (tức là giống/địa điểm) để đưa ra quyết định tối ưu. Nhìn chung, các vùng ấm áp và/hoặc các giống ra hoa sớm sẽ liên quan đến các tuần sớm hơn trong phạm vi được xem xét, trong khi các vùng lạnh và/hoặc các giống ra hoa muộn sẽ liên quan đến các tuần sau đó trong phạm vi được xem xét. Các đợt nắng nóng bất thường vào mùa đông có thể thúc đẩy quá trình giải phóng nội tiết sớm, ảnh hưởng tiêu cực đến quá trình sản xuất (Viti và Monteleone, 1995; Rodrigo và Herrero, 2002; Ladwig và cộng sự, 2019), sẽ tăng chủ yếu ở Thung lũng Guadalquivir, các khu vực ven biển Địa Trung Hải, cũng như ở Extremadura và một số khu vực của Thung lũng Ebro vào giữa hoặc cuối tháng 2 (Hình 6). Việc định lượng số liệu này thường không được đề cập trong tài liệu nhưng có thể gây ra các vấn đề quan trọng về sản xuất ở các khu vực có khí hậu ấm áp như đã được quan sát thấy trong những năm gần đây. Một lần nữa, việc đặt nhiệt độ từ 25°C trở lên trong ít nhất ba giờ liên tục để xác định sự kiện như vậy được thúc đẩy bởi ý kiến của các chuyên gia. Tương tự như với xác suất xảy ra các hiện tượng sương giá, chúng tôi đã chọn những tuần đó (từ 49 đến 8) trong đó tất cả (hoặc hầu hết) sự kết hợp giữa giống/địa điểm có thể dễ bị ảnh hưởng bởi các hiện tượng này tùy theo giai đoạn hiện tượng học của chúng. Nhìn chung, các vùng ấm áp và/hoặc các giống ra hoa sớm sẽ liên quan đến các tuần sớm hơn trong phạm vi được xem xét, trong khi các vùng lạnh và/hoặc các giống ra hoa muộn sẽ liên quan đến các tuần sau đó trong phạm vi được xem xét.
Các số liệu khí hậu nông nghiệp được tính toán trong nghiên cứu này cung cấp thông tin có giá trị cho người sản xuất để lựa chọn các giống cây trồng phù hợp nhất ở mọi khu vực sản xuất theo quan điểm thích ứng. Mỗi giống cây trồng đều có CR để phá vỡ nội sinh (Campoy và cộng sự, 2011b; Fadón và cộng sự, 2020b). Sự suy giảm tích lũy lạnh như dự đoán trong các kịch bản tương lai có thể khiến các giống cây trồng hiện đang không đáp ứng được CR ở một số khu vực nhất định, đặc biệt là các khu vực Địa Trung Hải và Thung lũng Guadalquivir vốn đã ấm áp. Điều này sẽ liên quan đến việc giải phóng nội mùi không hoàn toàn, ảnh hưởng đến cây ăn quả ở ba khía cạnh chính, cụ thể là rụng nụ hoa (và do đó ra hoa kém), chậm ra hoa và nảy mầm, và thiếu tính đồng nhất trong cả hai quá trình, dẫn đến các vấn đề nghiêm trọng về năng suất (Legave và cộng sự, 1983; Erez, 2000; Atkinson và cộng sự, 2013). Tất cả những điều này có thể gây ra thiệt hại kinh tế nghiêm trọng cho người sản xuất. Trong bối cảnh này, kiến thức về CR đối với các giống cây trồng khác nhau là rất quan trọng mặc dù thông tin hiện có tương đối khan hiếm về cây ăn quả bằng đá (Fadón và cộng sự, 2020b), trong đó có đào (Maulión và cộng sự, 2014), quả mơ (Ruiz và cộng sự, 2007), mận (Ruiz và cộng sự, 2018) và anh đào ngọt ngào (Alburquerque và cộng sự, 2008).
Ở những khu vực ấm áp như Địa Trung Hải và Thung lũng Guadalquivir, nơi độ lạnh tích lũy dưới 60 phần trong tình hình hiện tại, các giống chín sớm có CR từ 30 đến 60 phần được trồng. Việc thực hiện CR cho những giống cây trồng này có thể gặp rủi ro trong tất cả các tình huống được phân tích trong tương lai (Hình 2). Để đảm bảo khả năng thích nghi của các loài/giống cây trồng khác nhau với các khu vực này, có thể cần phải di dời và một số giống cây trồng nên được di chuyển đến các khu vực gần (các khu vực nội địa ở khu vực Địa Trung Hải hoặc về phía Extremadura trong trường hợp Thung lũng Guadalquivir) trong đó CR sẽ được đáp ứng ngay cả trong các kịch bản tương lai và rủi ro băng giá dự kiến sẽ giảm. Trong bối cảnh này, việc giới thiệu hoặc phát triển các giống cây trồng có CR rất thấp trở thành mục tiêu quan trọng cần được xem xét trong các chương trình nhân giống các loài/giống cây trồng hiện tại, đặc biệt là phù hợp với các vùng ấm áp nơi khả năng thích nghi của các giống cây trồng hiện tại sẽ gặp rủi ro trong tương lai. kịch bản. Nếu không, những vùng này sẽ không thể duy trì hoạt động sản xuất và kinh tế liên quan đến sản xuất quả hạch. Ngoài ra, các chiến lược và biện pháp nông học khác nhau cũng có thể được áp dụng để giảm thiểu sự suy giảm tích tụ lạnh ở những khu vực này, ít nhất là ở cấp độ địa phương. Việc áp dụng các chất kích thích sinh học để phá vỡ mùi nội sinh trước khi thực hiện CR hoặc sử dụng lưới che nắng trong các giai đoạn ngủ nghỉ khác nhau đã được mô tả ở những vùng ấm áp để sản xuất quả hạch (Gilreath và Buchanan, 1981; Erez, 1987; Costa và cộng sự, 2004; Campoy và cộng sự, 2010; Petri và cộng sự, 2014), mặc dù cần phải tiến hành nghiên cứu và tối ưu hóa sâu hơn để làm cho các kỹ thuật này hiệu quả hơn và thúc đẩy việc sử dụng chúng một cách có hệ thống. Ngược lại, ở những khu vực sản xuất lạnh nhất như Thung lũng Ebro, phía bắc Extremadura và một số địa điểm nội địa ở khu vực Địa Trung Hải, dự kiến sẽ có ít đợt sương giá hơn, điều này có thể cho phép các giống cây trồng sớm hơn những giống hiện tại, điều này sẽ mở rộng số lượng giống cây trồng khả thi và, do đó, việc chào bán ra thị trường mang lại hiệu quả kinh tế tích cực cho khu vực. Nhìn chung, ở tất cả các khu vực sản xuất, điều quan trọng là phải xem xét các giống cây trồng hiện đang được trồng và phân tích những giống sắp đạt được mục tiêu CR để thay thế hoặc di chuyển chúng hoặc áp dụng các biện pháp quản lý được mô tả ở trên để đảm bảo thích ứng với biến đổi khí hậu mới. kịch bản.
Về tích tụ nhiệt, các kịch bản tương lai dự báo sự gia tăng của biến này ở tất cả các khu vực được xem xét (Hình 4). Ở các khu vực ấm áp và trung bình, biến số này không mang tính quyết định như sự tích tụ lạnh nhưng có thể có tác động liên quan đến hiện tượng học, tạo ra sự tiến bộ về ngày ra hoa và do đó làm tăng nguy cơ tổn thương do sương giá tiềm ẩn (Mosedale và cộng sự, 2015; Unterberger và cộng sự, 2018; Ma và cộng sự, 2019). Là một điểm bổ sung, quá trình ra hoa này cũng sẽ liên quan đến quá trình chín (Peñuelas và Filella, 2001; Campoy và cộng sự, 2011b), điều này phải được các nhà sản xuất tính đến để đưa sản phẩm của họ ra thị trường một cách chiến lược. Ngược lại, ở những vùng lạnh, việc thiếu tích tụ nhiệt trong tình hình hiện tại có thể gây hại cho sự phát triển hiện tượng và sinh trưởng của quả (Fadón và cộng sự, 2020a). Những khu vực lạnh hiện tại này sẽ được hỗ trợ bởi sự gia tăng tích tụ nhiệt được dự báo cho các kịch bản trong tương lai. Như thể hiện trong Hình 6, các đợt nắng nóng bất thường sẽ xảy ra thường xuyên hơn trong các tình huống tương lai vào những ngày mà cây ăn quả chưa tiết ra nội tiết, đặc biệt là ở những khu vực ấm áp như Thung lũng Guadalquivir và các địa điểm ở Địa Trung Hải. Những hiện tượng này có thể có tác động rất tiêu cực khi CR bị che phủ một phần (khoảng 60–70%), gây ra sự giải phóng trạng thái ngủ không hoàn toàn có thể liên quan đến các vấn đề về sinh dưỡng và ra hoa, tác động tiêu cực đến việc đậu quả và năng suất (Rodrigo và Herrero, 2002; Campoy và cộng sự, 2011a).
Trong mọi trường hợp, những thay đổi trong chế độ tích tụ nhiệt và lạnh không có tác động chung đến tất cả các giống cây trồng và vị trí của chúng vì một số hiệu ứng bù có thể xảy ra liên quan đến sự cân bằng tích lũy lạnh/nhiệt trong việc giải phóng nội mùi hoặc dự đoán ngày ra hoa (Giáo hoàng và cộng sự, 2014). Ngoài ra, việc xác định đặc điểm khí hậu nông nghiệp của các địa điểm ở quy mô rất địa phương có thể yêu cầu hiệu chỉnh dữ liệu cụ thể do tính không đồng nhất về mặt không gian (Lorite và cộng sự, 2020) để đưa ra quyết định tốt nhất liên quan đến việc lựa chọn giống cây trồng tối ưu. Các kết quả được trình bày trong nghiên cứu này có thể hữu ích không chỉ cho việc sản xuất trái cây bằng đá mà còn cho các loại trái cây ôn đới khác có tầm quan trọng to lớn ở các khu vực hiện tại, ví dụ như cây nho ở La Rioja (Thung lũng Ebro) hoặc những vùng khác. Những kết quả này có thể là cơ sở của các hệ thống hỗ trợ quyết định nhằm hỗ trợ nhà sản xuất đưa ra các quyết định chiến lược tối ưu (ví dụ: lựa chọn giống, di dời và thực hiện các biện pháp quản lý giảm nhẹ) trong trung và dài hạn.
Tuyên bố về tính sẵn có của dữ liệu
Những đóng góp ban đầu được trình bày trong nghiên cứu được bao gồm trong bài báo/Vật liệu bổ sung, các câu hỏi thêm có thể được chuyển đến các tác giả tương ứng.
Sự đóng góp của tác giả
MC, JG-B, JG và DR đã hình thành và thiết kế nghiên cứu này. MC đã cung cấp dữ liệu khí hậu nông nghiệp cho kịch bản hiện tại. JAE thực hiện tính toán cho các kịch bản trong tương lai. JAE và DR đã viết phần chính của bản thảo. JE cung cấp thông tin về các khía cạnh kỹ thuật nông học. JG quản lý dự án đổi mới tài trợ cho nghiên cứu này. Tất cả các tác giả đã sửa đổi tài liệu và phê duyệt phiên bản đã gửi.
Tài trợ
Hỗ trợ tài chính được cung cấp bởi Bộ Nông nghiệp, Đánh cá và Thực phẩm Tây Ban Nha thông qua Dự án Đổi mới “Thích ứng của ngành trái cây có hạt với biến đổi khí hậu” (REF: MAPA-PNDR 20190020007385) và PRIMA, một chương trình được hỗ trợ trong H2020, Khung của Liên minh Châu Âu chương trình nghiên cứu và đổi mới (dự án “AdaMedOr”; số cấp PCI2020-112113 của Bộ Khoa học và Đổi mới Tây Ban Nha).
Xung đột lợi ích
Các tác giả tuyên bố rằng nghiên cứu được thực hiện trong trường hợp không có bất kỳ mối quan hệ thương mại hoặc tài chính nào có thể được hiểu là xung đột lợi ích tiềm năng.
Lưu ý của Nhà xuất bản
Tất cả các tuyên bố được trình bày trong bài viết này chỉ là của các tác giả và không nhất thiết đại diện cho các tổ chức liên kết của họ, hoặc của nhà xuất bản, người biên tập và người đánh giá. Bất kỳ sản phẩm nào có thể được đánh giá trong bài viết này, hoặc tuyên bố có thể được thực hiện bởi nhà sản xuất của nó, không được đảm bảo hoặc xác nhận bởi nhà xuất bản.
Lời cảm ơn
Chúng tôi cảm ơn tất cả các thành viên của Nhóm Điều hành Tây Ban Nha “Thích ứng của ngành trái cây có hạt với biến đổi khí hậu” (FECOAM, FECOAV, ANECOOP, Frutaria, Basol Fruits, Fundación Universidad-Empresa de la Región de Murcia, Fundación Cajamar) vì những đóng góp quý báu của họ cho sự phát triển của dự án. Chúng tôi cảm ơn AEMET vì dữ liệu có sẵn trên trang web của nó (http://www.aemet.es/es/serviciosclimaticos/cambio_climat/datos_diarios).
Vật liệu bổ sung
Tài liệu bổ sung cho bài viết này có thể được tìm thấy trực tuyến tại: https://www.frontiersin.org/articles/10.3389/fpls.2022.842628/full#supplementary-material
Hình bổ sung 1 | Mối tương quan giữa phần tích lũy trung bình và đơn vị độ lạnh cho kịch bản hiện tại ở tất cả các trạm thời tiết.
Hình bổ sung 2 | Mối tương quan giữa GDH tích lũy trung bình của mô hình Anderson và Richardson cho kịch bản hiện tại ở tất cả các trạm thời tiết.
dự án
Alburquerque, N., García-Montiel, F., Carrillo, A. và Burgos, L. (2008). Yêu cầu về độ lạnh và nhiệt độ của giống anh đào ngọt và mối quan hệ giữa độ cao và khả năng đáp ứng các yêu cầu về độ lạnh. Môi trường. Hết hạn. Người máy. 64, 162–170. doi: 10.1016/j.envexpbot.2008.01.003
Amblar-Francés, MP, Pastor-Saavedra, MA, Casado-Calle, MJ, Ramos-Calzado, P., và Rodríguez-Camino, E. (2018). Chiến lược xây dựng các dự báo về biến đổi khí hậu cung cấp cho cộng đồng tác động ở Tây Ban Nha. Khuyến cáo. Khoa học. Res. 15, 217-230.
Anderson, JL, Richardson, EA và Kesner, CD (1986). Xác nhận các mô hình thiết bị làm lạnh và nụ hoa cho quả anh đào chua “Montmorency”. Acta Hortic. 1986, 71–78. doi: 10.17660/ActaHortic.1986.184.7
Atkinson, CJ, Brennan, RM và Jones, HG (2013). Giảm độ lạnh và tác động của nó đối với cây trồng lâu năm ôn đới. Môi trường. Hết hạn. Người máy. 91, 48–62. doi: 10.1016/j.envexpbot.2013.02.004
Benmoussa, H., Ben Mimoun, M., Ghrab, M. và Luedeling, E. (2018). Biến đổi khí hậu đe dọa các vườn cây ăn trái ở miền trung Tunisia Int. J. Bioteorol. 62, 2245–2255. doi: 10.1007/s00484-018-1628-x
Benmoussa, H., Luedeling, E., Ghrab, M. và Ben Mimoun, M. (2020). Sự suy giảm lạnh giá mùa đông nghiêm trọng ảnh hưởng đến vườn cây ăn quả và hạt của Tunisia Leo lên. Chấn. 162, 1249–1267. doi: 10.1007/s10584-020-02774-7
Campoy, JA, Ruiz, D., Cook, N., Allderman, L. và Egea, J. (2011a). Nhiệt độ cao và thời gian nảy chồi ở cây mai lạnh giá thấp 'Palsteyn'. Hướng tới sự hiểu biết tốt hơn về việc đáp ứng các yêu cầu về nhiệt và lạnh. Khoa học. Horic. 129, 649–655. doi: 10.1016/j.scienta.2011.05.008
Campoy, JA, Ruiz, D. và Egea, J. (2011b). Tình trạng ngủ đông ở cây ăn quả ôn đới trong bối cảnh nóng lên toàn cầu: đánh giá. Khoa học. Horic. 130, 357–372. doi: 10.1016/j.scienta.2011.07.011
Campoy, JA, Ruiz, D. và Egea, J. (2010). Ảnh hưởng của việc che nắng và xử lý thidiazuron+dầu đến khả năng phá ngủ, ra hoa và đậu quả của cây mai trong khí hậu mùa đông ấm áp. Khoa học. Horic. 125, 203–210. doi: 10.1016/j.scienta.2010.03.029
Chmielewski, F.-M., Götz, K.-P., Weber, KC và Moryson, S. (2018). Biến đổi khí hậu và sương giá mùa xuân gây thiệt hại cho quả anh đào ở Đức. Int. J. Bioteorol. 62, 217–228. doi: 10.1007/s00484-017-1443-9
Chylek, P., Li, J., Dubey, MK, Wang, M. và Lesins, G. (2011). Mô hình quan sát và mô phỏng sự biến đổi nhiệt độ ở Bắc Cực thế kỷ 20: mô hình hệ thống trái đất của Canada CanESM2. Khí quyển. Chem. Vật lý. Bàn luận. 11, 22893–22907. doi: 10.5194/acpd-11-22893-2011
Costa, C., Stassen, PJC và Mudzunga, J. (2004). Các chất phá vỡ chất còn sót lại bằng hóa chất dành cho ngành công nghiệp quả táo và trái cây có đá ở Nam Phi. Acta Hortic. 2004, 295–302. doi: 10.17660/ActaHortic.2004.636.35
Delgado, A., Dapena, E., Fernandez, E. và Luedeling, E. (2021). Yêu cầu về khí hậu trong thời gian ngủ nghỉ của cây táo từ tây bắc Tây Ban Nha – Sự nóng lên toàn cầu có thể đe dọa việc trồng các giống cây có độ lạnh cao. Euro. J. Agron. 130:126374. doi: 10.1016/j.eja.2021.126374
Delworth, TL, Bông cải xanh, AJ, Rosati, A., Stouffer, RJ, Balaji, V., Beesley, JA, và những người khác. (2006). Mô hình khí hậu kết hợp toàn cầu CM2 của GFDL. Phần I: Công thức và đặc điểm mô phỏng. J. Clim. 19, 643–674. doi: 10.1175/JCLI3629.1
Dufresne, J.-L., Foujols, M.-A., Denvil, S., Caubel, A., Marti, O., Aumont, O., và những người khác. (2013). Dự báo biến đổi khí hậu sử dụng Mô hình hệ thống trái đất IPSL-CM5: từ CMIP3 đến CMIP5. Leo lên. Dyn. 40, 2123–2165. doi: 10.1007/s00382-012-1636-1
Erez, A. (1987). Kiểm soát nụ bằng hóa chất. Kỹ thuật làm vườn 22, 1240-1243.
Erez, A. (2000). “Nụ ngủ; Hiện tượng, vấn đề và giải pháp ở vùng nhiệt đới và cận nhiệt đới,” trong Cây ăn quả ôn đới ở vùng khí hậu ấm áp, biên tập. A. Erez (Dordrecht: Springer), 17–48. doi: 10.1007/978-94-017-3215-4_2
Fadón, E., Fernandez, E., Behn, H. và Luedeling, E. (2020a). Khung khái niệm về trạng thái ngủ đông của cây rụng lá. Nông học 10:241. doi: 10.3390/agronomy10020241
Fadón, E., Herrera, S., Guerrero, BI, Guerra, ME và Rodrigo, J. (2020b). Yêu cầu về nhiệt độ và độ lạnh của cây ăn quả ôn đới (Prunus sp.). Nông học 10:409. doi: 10.3390/agronomy10030409
FAOSTAT (2019). Dữ liệu về lương thực và nông nghiệp. Roma: FAO.
Fernandez, E., Whitney, C., Cuneo, IF và Luedeling, E. (2020). Triển vọng giảm giá lạnh mùa đông đối với sản xuất trái cây rụng lá ở Chile trong suốt thế kỷ 21. Leo lên. Chấn. 159, 423–439. doi: 10.1007/s10584-019-02608-1
Người cá, S., Erez, A. và Couvillon, GA (1987). Sự phụ thuộc vào nhiệt độ của quá trình phá vỡ trạng thái ngủ ở thực vật: phân tích toán học của mô hình hai bước liên quan đến quá trình chuyển đổi hợp tác. J. Lý thuyết. sinh học. 124, 473–483. doi: 10.1016/S0022-5193(87)80221-7
Fraga, H. và Santos, JA (2021). Đánh giá tác động của biến đổi khí hậu đối với việc làm lạnh và cưỡng bức đối với các vùng trồng cây ăn quả tươi chính ở Bồ Đào Nha. Trước mặt. Khoa học thực vật. 12:1263. doi: 10.3389/fpls.2021.689121
Gilreath, PR và Buchanan, DW (1981). Sự phát triển chồi hoa và chồi thực vật của mật hoa “Sungold” và “Sunlite” chịu ảnh hưởng của sự làm mát bay hơi bằng cách rắc trên cao trong thời gian nghỉ ngơi. Mứt. Sóc. Horic. Khoa học. 106, 321-324.
Giorgetta, MA, Jungclaus, J., Reick, CH, Legutke, S., Bader, J., Böttinger, M., và những người khác. (2013). Những thay đổi về khí hậu và chu trình carbon từ năm 1850 đến năm 2100 trong mô phỏng MPI-ESM cho Dự án so sánh mô hình kết hợp giai đoạn 5. J. Khuyến cáo. Người mẫu. Hệ thống Trái đất. 5, 572–597. doi: 10.1002/jame.20038
Giorgi, F. và Lionello, P. (2008). Dự báo biến đổi khí hậu cho khu vực Địa Trung Hải. Toàn cầu. Hành tinh. Chấn. 63, 90–104. doi: 10.1016/j.gloplach.2007.09.005
Guo, L., Dai, J., Wang, M., Xu, J. và Luedeling, E. (2015). Phản ứng của hiện tượng học mùa xuân ở cây vùng ôn đới đối với sự nóng lên của khí hậu: một nghiên cứu điển hình về hoa mai ở Trung Quốc. Nông nghiệp. Vì. Khí tượng. 201, 1–7. doi: 10.1016/j.agrformet.2014.10.016
Guo, L., Wang, J., Li, M., Liu, L., Xu, J., Cheng, J., và những người khác. (2019). Biên độ phân phối như các phòng thí nghiệm tự nhiên để suy ra phản ứng ra hoa của các loài đối với sự nóng lên của khí hậu và những tác động đối với nguy cơ sương giá. Nông nghiệp. Vì. Khí tượng. 268, 299–307. doi: 10.1016/j.agrformet.2019.01.038
Hatfield, JL, Sivakumar, MVK và Prueger, JH (eds) (2019). Nông khí hậu học: Liên kết nông nghiệp với khí hậu. tái bản lần thứ nhất. Madison: Hiệp hội Nông học Hoa Kỳ.
Hernanz, A., García-Valero, JA, Domínguez, M., Ramos-Calzado, P., Pastor-Saavedra, MA, và Rodríguez-Camino, E. (2022a). Đánh giá các phương pháp thu nhỏ thống kê để dự báo biến đổi khí hậu ở Tây Ban Nha: các điều kiện hiện tại với các yếu tố dự báo hoàn hảo. Int. J. Climatol. 42, 762–776. doi: 10.1002/joc.7271
Hernanz, A., García-Valero, JA, Domínguez, M. và Rodríguez-Camino, E. (2022b). Đánh giá các phương pháp thu nhỏ thống kê cho các dự báo về biến đổi khí hậu ở Tây Ban Nha: Các điều kiện trong tương lai với thực tế giả (thí nghiệm về khả năng chuyển nhượng). Int. J. Climatol. 2022:7464. doi: 10.1002/joc.7464
IPCC (2021). Biến đổi khí hậu 2021: Cơ sở khoa học vật lý. Đóng góp của Nhóm công tác I cho Báo cáo đánh giá lần thứ sáu của Ủy ban liên chính phủ về biến đổi khí hậu. Cambridge: Nhà xuất bản Đại học Cambridge.
Ji, D., Wang, L., Feng, J., Wu, Q., Cheng, H., Zhang, Q., và những người khác. (2014). Mô tả và đánh giá cơ bản Mô hình Hệ thống Trái đất của Đại học Sư phạm Bắc Kinh (BNU-ESM) phiên bản 1. Geosci. Nhà phát triển mô hình 7, 2039–2064. doi: 10.5194/gmd-7-2039-2014
Julian, C., Herrero, M. và Rodrigo, J. (2007). Hiện tượng rụng nụ hoa và sương giá trước khi nở hoa ở cây mai (Prunus armeniaca L.). J. Ứng dụng. Người máy. Chất lượng thực phẩm. 81, 21-25.
Ladwig, LM, Chandler, JL, Guiden, PW và Henn, JJ (2019). Hiện tượng ấm áp khắc nghiệt của mùa đông khiến nhiều loài cây thân gỗ rụng nụ sớm một cách đặc biệt. Không gian sinh thái 10:e02542. doi: 10.1002/ecs2.2542
Legave, JM, Garcia, G. và Marco, F. (1983). Một số khía cạnh mô tả quá trình rụng nụ hoa, hoa non quan sát được trên cây mai ở miền Nam nước Pháp. Acta Hortic. 1983, 75–84. doi: 10.17660/ActaHortic.1983.121.6
Leolini, L., Moriondo, M., Fila, G., Costafreda-Aumedes, S., Ferrise, R., và Bindi, M. (2018). Sương giá cuối mùa xuân ảnh hưởng đến việc phân phối cây nho trong tương lai ở châu Âu. Đồng ruộng Res. 222, 197–208. doi: 10.1016/j.fcr.2017.11.018
Linvill, DE (1990). Tính toán số giờ làm lạnh và đơn vị làm lạnh từ các quan trắc nhiệt độ tối đa và tối thiểu hàng ngày. Kỹ thuật làm vườn 25, 14-16.
Lorite, IJ, Cabezas-Luque, JM, Arquero, O., Gabaldón-Leal, C., Santos, C., Rodríguez, A., và những người khác. (2020). Vai trò của hiện tượng học đối với các tác động của biến đổi khí hậu và các chiến lược thích ứng đối với cây trồng: một nghiên cứu điển hình về vườn hạnh nhân ở Nam Âu. Nông nghiệp. Vì. Khí tượng. 294:108142. doi: 10.1016/j.agrformet.2020.108142
Luedeling, E. (2012). Tác động của biến đổi khí hậu đến cái lạnh mùa đông đối với sản xuất trái cây và hạt ôn đới: đánh giá. Khoa học. Horic. 144, 218–229. doi: 10.1016/j.scienta.2012.07.011
Luedeling, E. (2019). chillR: phương pháp thống kê để phân tích hiện tượng học ở cây ăn quả ôn đới. Phiên bản gói R 0.70.21.
Luedeling, E., Girvetz, EH, Semenov, MA và Brown, PH (2011). Biến đổi khí hậu ảnh hưởng đến cái lạnh mùa đông đối với cây ăn quả và hạt ôn đới PLoS One 6: e20155. doi: 10.1371 / tạp chí.pone.0020155
Luedeling, E., Schiffers, K., Fohrmann, T. và Urbach, C. (2021). PhenoFlex – mô hình tích hợp dự đoán hiện tượng mùa xuân ở cây ăn quả ôn đới. Nông nghiệp. Vì. Khí tượng. 307:108491. doi: 10.1016/j.agrformet.2021.108491
Ma, Q., Huang, J.-G., Hänninen, H. và Berninger, F. (2019). Các xu hướng khác nhau về nguy cơ sương giá mùa xuân gây thiệt hại cho cây cối ở châu Âu do hiện tượng nóng lên gần đây. Toàn cầu. Chấn. Biol. 25, 351–360. doi: 10.1111/gcb.14479
Mahmood, A., Hu, Y., Tanny, J. và Asante, EA (2018). Ảnh hưởng của che nắng và lưới chống côn trùng đến vi khí hậu cây trồng và sản xuất: đánh giá những tiến bộ gần đây. Khoa học. Horic. 241, 241–251. doi: 10.1016/j.scienta.2018.06.078
Maulión, E., Valentini, GH, Kovalevski, L., Prunello, M., Monti, LL, Daorden, ME, et al. (2014). So sánh các phương pháp ước tính nhu cầu làm lạnh và nhiệt độ của các kiểu gen đào và đào để ra hoa. Khoa học. Horic. 177, 112–117. doi: 10.1016/j.scienta.2014.07.042
MedECC (2020). Biến đổi khí hậu và môi trường ở lưu vực Địa Trung Hải - Tình hình hiện tại và rủi ro cho Báo cáo đánh giá Địa Trung Hải đầu tiên trong tương lai. Marseille: MedECC. doi: 10.5281/zenodo.4768833
Miranda, C., Santesteban, LG và Royo, JB (2005). Sự thay đổi trong mối quan hệ giữa nhiệt độ sương giá và mức độ tổn thương đối với một số loài mận trồng. Kỹ thuật làm vườn 40, 357–361. doi: 10.21273/HORTSCI.40.2.357
Miranda, C., Urrestarazu, J. và Santesteban, LG (2021). fruclimadapt: Gói R để đánh giá khả năng thích ứng với khí hậu của các loài trái cây ôn đới. Máy tính. Điện tử. Nông nghiệp. 180:105879. doi: 10.1016/j.compag.2020.105879
Mosedale, JR, Wilson, RJ và Maclean, IMD (2015). Biến đổi khí hậu và cây trồng tiếp xúc với thời tiết bất lợi: thay đổi nguy cơ sương giá và điều kiện ra hoa của cây nho. PLoS One 10: e0141218. doi: 10.1371 / tạp chí.pone.0141218
Olesen, JE và Bindi, M. (2002). Hậu quả của biến đổi khí hậu đối với năng suất nông nghiệp, sử dụng đất và chính sách của Châu Âu. Euro. J. Agron. 16, 239–262. doi: 10.1016/S1161-0301(02)00004-7
Parker, L., Pathak, T. và Ostoja, S. (2021). Biến đổi khí hậu làm giảm khả năng tiếp xúc với sương giá đối với các vườn cây ăn quả có giá trị cao ở California. Khoa học. Tổng môi trường. 762:143971. doi: 10.1016/j.scitotenv.2020.143971
Peñuelas, J. và Filella, I. (2001). Phản ứng với một thế giới nóng lên. Khoa học 294, 793 lên 795. doi: 10.1126 / khoa học.1066860
Petri, JL, Leite, GB, Couto, M., Gabardo, GC và Haverroth, FJ (2014). Cảm ứng hóa học của chồi: sản phẩm thế hệ mới thay thế hydro xyanua. Acta Hortic. 2014, 159–166. doi: 10.17660/ActaHortic.2014.1042.19
Pope, KS, Da Silva, D., Brown, PH và DeJong, TM (2014). Một cách tiếp cận dựa trên cơ sở sinh học để mô hình hóa hiện tượng học mùa xuân ở những cây rụng lá ôn đới. Nông nghiệp. Vì. Khí tượng. 198, 15–23. doi: 10.1016/j.agrformet.2014.07.009
Richardson, EA, Seeley, SD và Walker, DR (1974). Mô hình ước tính thời gian hoàn thành trạng thái nghỉ ngơi của cây đào “Redhaven” và “Elberta”. Kỹ thuật làm vườn 9, 331-332.
Rodrigo, J. và Herrero, M. (2002). Ảnh hưởng của nhiệt độ trước khi nở hoa đến sự phát triển của hoa và đậu trái ở cây mai. Khoa học. Horic. 92, 125–135. doi: 10.1016/S0304-4238(01)00289-8
Rodríguez, A., Pérez-López, D., Centeno, A., và Ruiz-Ramos, M. (2021). Khả năng tồn tại của các giống cây ăn quả ôn đới ở Tây Ban Nha trong điều kiện biến đổi khí hậu theo tích lũy lạnh. Nông nghiệp. Hệ thống. 186:102961. doi: 10.1016/j.agsy.2020.102961
Rodríguez, A., Pérez-López, D., Sánchez, E., Centeno, A., Gómara, I., Dosio, A., et al. (2019). Sự tích tụ lạnh giá trên cây ăn quả ở Tây Ban Nha dưới tác động của biến đổi khí hậu. Nat. Hệ thống nguy hiểm Trái đất. Khoa học. 19, 1087–1103. doi: 10.5194/nhess-19-1087-2019
Ruiz, D., Campoy, JA và Egea, J. (2007). Yêu cầu về nhiệt độ và độ lạnh của cây mai để ra hoa. Môi trường. Hết hạn. Người máy. 61, 254–263. doi: 10.1016/j.envexpbot.2007.06.008
Toàn văn CrossRef | Google Scholar
Ruiz, D., Egea, J., Salazar, JA và Campoy, JA (2018). Yêu cầu về nhiệt độ và độ lạnh của các giống mận Nhật Bản để ra hoa. Khoa học. Horic. 242, 164–169. doi: 10.1016/j.scienta.2018.07.014
Scoccimarro, E., Gualdi, S., Bellucci, A., Sanna, A., Fogli, PG, Manzini, E., và những người khác. (2011). Ảnh hưởng của lốc xoáy nhiệt đới đến sự vận chuyển nhiệt của đại dương trong mô hình hoàn lưu chung kết hợp có độ phân giải cao. J. Clim. 24, 4368–4384. doi: 10.1175/2011JCLI4104.1
Semenov, MA và Stratonovitch, P. (2010). Sử dụng tổ hợp đa mô hình từ các mô hình khí hậu toàn cầu để đánh giá tác động của biến đổi khí hậu. Leo lên. Res. 41, 1–14. doi: 10.3354/cr00836
UNE 500540 (2004). Mạng trạm thời tiết tự động: Hướng dẫn xác thực dữ liệu thời tiết từ mạng trạm. Madrid: AENOR
Unterberger, C., Brunner, L., Nabernegg, S., Steininger, KW, Steiner, AK, Stabentheiner, E., và những người khác. (2018). Nguy cơ sương giá mùa xuân đối với sản xuất táo trong khu vực dưới điều kiện khí hậu ấm hơn PLoS One 13: e0200201. doi: 10.1371 / tạp chí.pone.0200201
van Vuuren, DP, Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K., và những người khác. (2011). Con đường tập trung đại diện: tổng quan. Leo lên. Chấn. 109:5. doi: 10.1007/s10584-011-0148-z
Viti, R. và Monteleone, P. (1995). Ảnh hưởng của nhiệt độ cao đến sự xuất hiện dị tật nụ hoa ở hai giống mai có đặc điểm năng suất khác nhau. Acta Hortic. 1995, 283–290. doi: 10.17660/ActaHortic.1995.384.43
Volodin, EM, Dianskii, NA và Gusev, AV (2010). Mô phỏng khí hậu ngày nay bằng mô hình kết hợp INMCM4.0 của các hoàn lưu chung của khí quyển và đại dương. Izv. Bầu không khí. Đại dương. Vật lý. 46, 414 Từ 431. doi: 10.1134 / S000143381004002X
Wallach, D., Martre, P., Liu, B., Asseng, S., Ewert, F., Thorburn, PJ, và những người khác. (2018). Các nhóm đa mô hình cải thiện các dự đoán về tương tác quản lý cây trồng – môi trường – quản lý. Toàn cầu. Chấn. Biol. 24, 5072–5083. doi: 10.1111/gcb.14411
Watanabe, S., Hajima, T., Sudo, K., Nagashima, T., Takemura, T., Okajima, H., và những người khác. (2011). MIROC-ESM 2010: mô tả mô hình và kết quả cơ bản của thí nghiệm CMIP5-20c3m. Geosci. Nhà phát triển mô hình 4, 845–872. doi: 10.5194/gmd-4-845-2011
Wu, T., Song, L., Li, W., Wang, Z., Zhang, H., Xin, X., et al. (2014). Tổng quan về phát triển mô hình hệ thống khí hậu BCC và ứng dụng cho các nghiên cứu về biến đổi khí hậu. J. Khí tượng. Res. 28, 34–56. doi: 10.1007/s13351-014-3041-7
Yukimoto, S., Adachi, Y., Hosaka, M., Sakami, T., Yoshimura, H., Hirabara, M., và những người khác. (2012). Một mô hình khí hậu toàn cầu mới của viện nghiên cứu khí tượng: MRI-CGCM3 —Mô tả mô hình và Hiệu suất cơ bản. J. Khí tượng. Sóc. Jpn. Ser II 90, 23–64. doi: 10.2151/jmsj.2012-A02
Từ khóa: Prunus, quả hạch, sự thích nghi, tích tụ lạnh, hiện tượng học, nguy cơ sương giá, lựa chọn giống, các số liệu nông nghiệp
Trích dẫn: Egea JA, Caro M, García-Brunton J, Gambín J, Egea J và Ruiz D (2022) Các số liệu khí hậu nông nghiệp cho các khu vực sản xuất trái cây bằng đá chính ở Tây Ban Nha trong các kịch bản biến đổi khí hậu hiện tại và tương lai: Ý nghĩa từ quan điểm thích ứng. Trước mặt. Khoa học thực vật. 13:842628. doi: 10.3389/fpls.2022.842628
Nhận: 23 tháng 12 2021; Đã chấp nhận: 02 có thể 2022;
Published: 08 Tháng Sáu 2022.
Sửa bởi:Hisayo Yamane, Đại học Kyoto, Nhật Bản
Đanh gia:Lương Quốc, Đại học Tây Bắc A&F, Trung Quốc
Kirti Rajagopalan, Đại học Bang Washington, Hoa Kỳ
Bản quyền © 2022 Egea, Caro, García-Brunton, Gambín, Egea và Ruiz. Đây là một bài viết truy cập mở được phân phối theo các điều khoản của Giấy phép ghi nhận tác giả Creative Commons (CC BY). Việc sử dụng, phân phối hoặc sao chép trong các diễn đàn khác được cho phép, miễn là tác giả gốc và chủ sở hữu bản quyền được ghi có và ấn phẩm gốc trong tạp chí này được trích dẫn, phù hợp với thực tiễn học thuật được chấp nhận. Không được phép sử dụng, phân phối hoặc sao chép mà không tuân thủ các điều khoản này.
*Thư tín: Jose A. Egea, jaegea@cebas.csic.es; David Ruiz, druiz@cebas.csic.es
Một nguồn: https://www.frontiersin.org