Large standardized model intercomparison projects enable the quantification of uncertainty in projecting the impacts of climate change. One of the largest studies so far indicates that individual crop models are able to simulate wheat yields accurately under a range of environments, but that differences between crop models are a major source of uncertainty. Projections of climate change impacts on crop yields are inherently uncertain1. Uncertainty is often quantified when projecting future greenhouse gas emissions and their influence on climate2. However, multi-model uncertainty analysis of crop responses to climate change is rare because systematic and objective comparisons among process-based crop simulation models1,3 are difficult4. Here we present the largest standardized model intercomparison for climate change impacts so far. We found that individual crop models are able to simulate measured wheat grain yields accurately under a range of environments, particularly if the input information is sufficient. However, simulated climate change impacts vary across models owing to differences in model structures and parameter values. A greater proportion of the uncertainty in climate change impact projections was due to variations among crop models than to variations among downscaled general circulation models. Uncertainties in simulated impacts increased with CO2 concentrations and associated warming. These impact uncertainties can be reduced by improving temperature and CO2 relationships in models and better quantified through use of multi-model ensembles. Less uncertainty in describing how climate change may affect agricultural productivity will aid adaptation strategy development andpolicymaking.

Potential consequences of climate change on crop production can be studied using mechanistic crop simulation models. While a broad variety of maize simulation models exist, it is not known whether different models diverge on grain yield responses to changes in climatic factors, or whether they agree in their general trends related to phenology, growth, and yield. With the goal of analyzing the sensitivity of simulated yields to changes in temperature and atmospheric carbon dioxide concentrations [CO2 ], we present the largest maize crop model intercomparison to date, including 23 different models. These models were evaluated for four locations representing a wide range of maize production conditions in the world: Lusignan (France), Ames (USA), Rio Verde (Brazil) and Morogoro (Tanzania). While individual models differed considerably in absolute yield simulation at the four sites, an ensemble of a minimum number of models was able to simulate absolute yields accurately at the four sites even with low data for calibration, thus suggesting that using an ensemble of models has merit. Temperature increase had strong negative influence on modeled yield response of roughly -0.5 Mg ha(-1) per °C. Doubling [CO2 ] from 360 to 720 μmol mol(-1) increased grain yield by 7.5% on average across models and the sites. That would therefore make temperature the main factor altering maize yields at the end of this century. Furthermore, there was a large uncertainty in the yield response to [CO2 ] among models. Model responses to temperature and [CO2 ] did not differ whether models were simulated with low calibration information or, simulated with high level of calibration information.

A warming trend has become pronounced since the 1980s in China and is projected to accelerate in the future. Concerns about the vulnerability of agricultural production to climate change are increasing. The impact of future climate change on crop production has been widely predicted by using crop models and climate change scenarios, but little evidence of the observed impacts of climate change on crop production has been reported. In this study, we synthesized crop and climate data from representative stations across China during 1981–2000 to investigate whether there were significant trends in changes of climate variables in different regions, and whether theses changes have had significant impact on the development and production of the staple crops (i.e. rice, wheat, and maize). Our results showed that significant warming trends were observed at most of the investigated stations, and the changes in temperature have shifted crop phenology and affected crop yields during the two decades. The observed climate change patterns, as well their impacts on crop phenology and yields are spatially diverse across China. Our study also highlights the need for further investigations of the combined impacts of temperature and CO2 concentration on physiological processes and mechanisms governing crop growth and production.

Abstract Crop models of crop growth are increasingly used to quantify the impact of global changes due to climate or crop management. Therefore, accuracy of simulation results is a major concern. Studies with ensembles of crop models can give valuable information about model accuracy and uncertainty, but such studies are difficult to organize and have only recently begun. We report on the largest ensemble study to date, of 27 wheat models tested in four contrasting locations for their accuracy in simulating multiple crop growth and yield variables. The relative error averaged over models was 24–38% for the different end‐of‐season variables including grain yield ( GY ) and grain protein concentration ( GPC ). There was little relation between error of a model for GY or GPC and error for in‐season variables. Thus, most models did not arrive at accurate simulations of GY and GPC by accurately simulating preceding growth dynamics. Ensemble simulations, taking either the mean (e‐mean) or median (e‐median) of simulated values, gave better estimates than any individual model when all variables were considered. Compared to individual models, e‐median ranked first in simulating measured GY and third in GPC . The error of e‐mean and e‐median declined with an increasing number of ensemble members, with little decrease beyond 10 models. We conclude that multimodel ensembles can be used to create new estimators with improved accuracy and consistency in simulating growth dynamics. We argue that these results are applicable to other crop species, and hypothesize that they apply more generally to ecological system models.

The potential impact of global temperature change on global crop yield has recently been assessed with different methods. Here we show that grid-based and point-based simulations and statistical regressions (from historic records), without deliberate adaptation or CO2 fertilization effects, produce similar estimates of temperature impact on wheat yields at global and national scales. With a 1 °C global temperature increase, global wheat yield is projected to decline between 4.1% and 6.4%. Projected relative temperature impacts from different methods were similar for major wheat-producing countries China, India, USA and France, but less so for Russia. Point-based and grid-based simulations, and to some extent the statistical regressions, were consistent in projecting that warmer regions are likely to suffer more yield loss with increasing temperature than cooler regions. By forming a multi-method ensemble, it was possible to quantify ‘method uncertainty’ in addition to model uncertainty. This significantly improves confidence in estimates of climate impacts on global food security. The impact of climate change on crop yield can be estimated using a variety of methods. Here, a multi-method ensemble is used to quantify ‘method uncertainty’ and improve overall confidence in projections of climate impacts on wheat yields.

Abstract Wheat grain protein concentration is an important determinant of wheat quality for human nutrition that is often overlooked in efforts to improve crop production. We tested and applied a 32‐multi‐model ensemble to simulate global wheat yield and quality in a changing climate. Potential benefits of elevated atmospheric CO 2 concentration by 2050 on global wheat grain and protein yield are likely to be negated by impacts from rising temperature and changes in rainfall, but with considerable disparities between regions. Grain and protein yields are expected to be lower and more variable in most low‐rainfall regions, with nitrogen availability limiting growth stimulus from elevated CO 2 . Introducing genotypes adapted to warmer temperatures (and also considering changes in CO 2 and rainfall) could boost global wheat yield by 7% and protein yield by 2%, but grain protein concentration would be reduced by −1.1 percentage points, representing a relative change of −8.6%. Climate change adaptations that benefit grain yield are not always positive for grain quality, putting additional pressure on global wheat production.

Abstract Predicting rice ( Oryza sativa ) productivity under future climates is important for global food security. Ecophysiological crop models in combination with climate model outputs are commonly used in yield prediction, but uncertainties associated with crop models remain largely unquantified. We evaluated 13 rice models against multi‐year experimental yield data at four sites with diverse climatic conditions in Asia and examined whether different modeling approaches on major physiological processes attribute to the uncertainties of prediction to field measured yields and to the uncertainties of sensitivity to changes in temperature and CO 2 concentration [ CO 2 ]. We also examined whether a use of an ensemble of crop models can reduce the uncertainties. Individual models did not consistently reproduce both experimental and regional yields well, and uncertainty was larger at the warmest and coolest sites. The variation in yield projections was larger among crop models than variation resulting from 16 global climate model‐based scenarios. However, the mean of predictions of all crop models reproduced experimental data, with an uncertainty of less than 10% of measured yields. Using an ensemble of eight models calibrated only for phenology or five models calibrated in detail resulted in the uncertainty equivalent to that of the measured yield in well‐controlled agronomic field experiments. Sensitivity analysis indicates the necessity to improve the accuracy in predicting both biomass and harvest index in response to increasing [ CO 2 ] and temperature.

CR Climate Research Contact the journal Facebook Twitter RSS Mailing List Subscribe to our mailing list via Mailchimp HomeLatest VolumeAbout the JournalEditorsSpecials CR 38:83-94 (2008) - DOI: https://doi.org/10.3354/cr00771 Climate–crop yield relationships at provincial scales in China and the impacts of recent climate trends Fulu Tao1,*, Masayuki Yokozawa2, Jiyuan Liu1, Zhao Zhang3 1Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China 2National Institute for Agro-Environmental Sciences, 3-1-3 Kannondai, Tsukuba, Ibaraki 305-8604, Japan 3State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China *Email: taofl@igsnrr.ac.cn ABSTRACT: Understanding climate–yield relationships and the impacts of recent climate trends on crop productivity on a large scale is an important step in predicting regional agricultural production. In this study we investigated climate–crop relationships, recent trends in seasonal climate (maximum and minimum temperatures, diurnal temperature range and precipitation) and their impacts on the yields of major crops (i.e. rice, wheat, maize and soybean) at provincial scales throughout China over the last few decades. We found that major crop yields were significantly related to growing season climate in the main production regions of China, and that growing season temperature had a generally significant warming trend. Due to the trends in growing season climate, total rice production in China was estimated to have increased by 3.2 × 105 t decade–1 during the period 1951–2002; total production of wheat, maize and soybean changed by –1.2 × 105, –21.2 × 105 and 0.7 × 105 t decade–1, respectively, during 1979–2002. The warming trend increased rice yield in northeast China and soybean in north and northeast China; however, it decreased maize yield in 7 provinces (autonomous region or municipality) and wheat yield in 3 provinces. Our analysis presents the general response patterns of regional agricultural productivity to seasonal climate variability and change over the last few decades. Crop response mechanisms to local seasonal climate change (and variability) need further investigation to better understand the patterns and predict future consequences of climate change and variability on regional agricultural production. KEY WORDS: Agriculture · China · Climate change · Food security · Impacts · Yield variability Full text in pdf format PreviousCite this article as: Tao F, Yokozawa M, Liu J, Zhang Z (2008) Climate–crop yield relationships at provincial scales in China and the impacts of recent climate trends. Clim Res 38:83-94. https://doi.org/10.3354/cr00771 Export citation RSS - Facebook - Tweet - linkedIn Cited by Published in CR Vol. 38, No. 1. Online publication date: November 25, 2008 Print ISSN: 0936-577X; Online ISSN: 1616-1572 Copyright © 2008 Inter-Research.