Evaluation of the DSSAT–CERES-Wheat Model for Simulating Winter Wheat (Triticum aestivum L.) Under Different Irrigation Scenarios in the Egyptian Nile Delta

In der ariden Landschaft Ägyptens, wo die Sonne unerbittlich brennt und Regen ein seltener Besucher ist, stellt der Nil die Lebensader der Landwirtschaft des Landes dar. Seit Jahrhunderten verlassen sich die Bauern auf diese einzige Quelle, um den Weizen anzubauen, der Millionen ernährt, doch das Gleichgewicht wird zunehmend prekär. Da die Bevölkerung wächst und das Wasser knapper wird, schrumpft der Spielraum für Fehler. Um zu überleben, müssen die Landwirte genau wissen, wie viel Wasser ihre Pflanzen benötigen und wann sie es geben müssen. Zu wenig, und das Korn fällt aus; zu viel, und eine kostbare Ressource wird verschwendet. Hier setzt die moderne Wissenschaft an und bietet eine Möglichkeit, in die Zukunft der Ernte zu blicken, ohne warten zu müssen, bis sich die Jahreszeiten ändern. Forscher nutzen Computermodelle, die im Wesentlichen detaillierte digitale Simulationen des Pflanzenwachstums sind, um verschiedene Strategien zu testen. Diese Programme berücksichtigen den Boden, das Wetter und die spezifische Genetik der Nutzpflanze, um vorherzusagen, wie viel Nahrung unter verschiedenen Bedingungen produziert wird. Durch das Durchführen dieser Simulationen können Wissenschaftler den „Sweet Spot“ finden, an dem die Wassernutzung effizient ist und die Erträge hoch sind, und so einen Fahrplan für Landwirte bereitstellen, die mit den Herausforderungen eines sich ändernden Klimas konfrontiert sind.

Im fruchtbaren Nil-Delta setzte ein Forschungsteam eines dieser leistungsstarken Computerwerkzeuge, bekannt als DSSAT, ein, um zu testen, wie gut es die Winterweizenernte unter den spezifischen Bedingungen Ägyptens vorhersagen kann. Sie konzentrierten sich auf eine entscheidende Frage: Wie beeinflusst der Zeitpunkt der Bewässerung die Genauigkeit der Vorhersagen des Modells? Das Team sammelte reale Daten aus vier großen Gouvernements im Delta, darunter Scharkia, Beheira, Qalyubia und Gharbia, die Ernten von 2002 bis 2020 abdeckten. Sie verglichen die tatsächlichen Mengen an geerntetem Weizen durch die Landwirte mit dem, was das Computermodell vorhersagte, und testeten dabei mehrere verschiedene Szenarien. Zuerst ließen sie das Modell davon ausgehen, dass der Weizen über unbegrenzt Wasser und Nährstoffe verfügte – ein Szenario, das eine ideale Welt darstellt, in der nichts schiefgeht. Dann führten sie realistische Einschränkungen ein, indem sie dem Modell sagten, es solle die Bewässerung nur dann simulieren, wenn der Boden bis zu einem bestimmten Punkt ausgetrocknet war, und schließlich testeten sie das Modell gegen die tatsächlichen Zeitpläne, die die Landwirte auf den Feldern anwandten, einschließlich spezifischer Daten für die Bewässerung und die Anwendung von Stickstoffdünger.

Die Ergebnisse des ersten Tests waren aufschlussreich. Wenn der Computer erlauben wurde, davon auszugehen, dass der Weizen niemals unter Wassermangel oder Nahrungsmangel litt, schätzte er konsequent, dass die Ernte viel größer ausfallen würde, als sie tatsächlich war. In jeder untersuchten Region überschätzte das Modell den Ertrag um eine erhebliche Marge, was darauf hindeutete, dass das Ignorieren der Realität von Wasserstress zu unrealistischen Erwartungen führt. Als die Forscher jedoch das Modell anpassten, um die reale Welt widerzuspiegeln, verbesserten sich die Vorhersagen drastisch. Sie fanden heraus, dass das Modell am besten performte, wenn es angewiesen wurde, die Pflanzen erst zu bewässern, nachdem der Boden die Hälfte des verfügbaren Wassers verloren hatte. Unter dieser spezifischen Bedingung stimmten die Vermutungen des Computers eng mit den tatsächlichen Ernten überein. Die Differenz zwischen den vorhergesagten und den realen Zahlen wurde sehr klein, wobei das Modell die Marke in den meisten Fällen nur um einen winzigen Bruchteil verfehlte. Dies deutete darauf hin, dass der Weizen im Nil-Delta in der Tat sensibel auf den Wasserstand reagiert und dass der genaueste Weg, sein Wachstum zu simulieren, darin besteht, anzuerkennen, dass er eine moderate Trockenheit erfährt, bevor er erneut bewässert wird.

Die Studie ging dann dazu über, das Modell gegen die tatsächlichen Bewirtschaftungspraktiken der Landwirte zu testen, die einen festen Zeitplan für die Bewässerung und die Anwendung von Harnstoffdünger beinhalten. Als die Forscher das Modell so programmierten, dass es diesen realen Zeitplänen folgte, blieben die Vorhersagen stark, verschoben sich jedoch leicht in eine andere Richtung. In diesen Szenarien neigte das Modell dazu, den Ertrag leicht zu unterschätzen, also zu vermuten, dass die Ernte etwas kleiner ausfallen würde, als sie tatsächlich war. Dies geschah sowohl, wenn sie den Düngerschedule allein anwandten, als auch wenn sie ihn mit den spezifischen Bewässerungsterminen kombinierten. Trotz dieser leichten Unterschätzung blieben die Fehlermargen innerhalb akzeptabler Grenzen, was bewies, dass das Modell das komplexe Zusammenspiel von geplanter Bewässerung und Düngung erfolgreich replizieren konnte. Die Forscher merkten an, dass das Modell zwar manchmal einen niedrigeren Ertrag vorhersagte, wenn Stickstoff im Spiel war, die Gesamtgenauigkeit jedoch hoch genug war, um nützlich für die Planung zu sein.

Letztendlich zeigt diese Arbeit, dass das DSSAT-Modell ein zuverlässiges Werkzeug für das Verständnis der Weizenproduktion im Nil-Delta in Ägypten ist, vorausgesetzt, es wird so eingestellt, dass es die wahren Bedingungen des Hofes widerspiegelt. Die Studie widerlegte die Vorstellung, dass die Annahme perfekter, stressfreier Bedingungen ein valider Ansatz für diese Region sei, und zeigte stattdessen, dass die Anerkennung von Wasserlimits für die Genauigkeit essenziell ist. Die Ergebnisse legen nahe, dass der realistischste Weg, die Nutzpflanze zu simulieren, darin besteht, die Bewässerung auszulösen, wenn der Boden einen fünfzigprozentigen Entleerungspunkt erreicht – eine Strategie, die die natürlichen Grenzen der Umgebung widerspiegelt. Durch die Bestätigung, dass diese digitalen Simulationen die realen Ernten eng begleichen können, bietet die Forschung eine wertvolle Methode für Landwirte und politische Entscheidungsträger, um neue Bewässerungsstrategien zu testen, bevor sie sie auf dem Feld implementieren. Diese Fähigkeit ist entscheidend für ein Land, in dem jeder Tropfen Wasser zählt, und ermöglicht es Entscheidungsträgern, die Verwaltung der Nil-Ressourcen zu optimieren, um eine stabile Nahrungsmittelversorgung für die Zukunft zu gewährleisten.