Agricultural systems models worldwide are increasingly being used to explore options and solutions for the food security, climate change adaptation and mitigation and carbon trading problem domains. APSIM (Agricultural Production Systems sIMulator) is one such model that continues to be applied and adapted to this challenging research agenda. From its inception twenty years ago, APSIM has evolved into a framework containing many of the key models required to explore changes in agricultural landscapes with capability ranging from simulation of gene expression through to multi-field farms and beyond. Keating et al. (2003) described many of the fundamental attributes of APSIM in detail. Much has changed in the last decade, and the APSIM community has been exploring novel scientific domains and utilising software developments in social media, web and mobile applications to provide simulation tools adapted to new demands. This paper updates the earlier work by Keating et al. (2003) and chronicles the changing external challenges and opportunities being placed on APSIM during the last decade. It also explores and discusses how APSIM has been evolving to a “next generation” framework with improved features and capabilities that allow its use in many diverse topics.

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.

Resource shortages, driven by climatic, institutional and social changes in many regions of Asia, combined with growing imperatives to increase food production whilst ensuring environmental sustainability, are driving research into modified agricultural practices. Well-tested cropping systems models that capture interactions between soil water and nutrient dynamics, crop growth, climate and farmer management can assist in the evaluation of such new agricultural practices. One such cropping systems model is the Agricultural Production Systems Simulator (APSIM). We evaluated APSIM's ability to simulate the performance of cropping systems in Asia from several perspectives: crop phenology, production, water use, soil dynamics (water and organic carbon) and crop CO2 response, as well as its ability to simulate cropping sequences without reset of soil variables. The evaluation was conducted over a diverse range of environments (12 countries, numerous soils), crops and management practices throughout the region. APSIM's performance was statistically assessed against assembled replicated experimental datasets. Once properly parameterised, the model performed well in simulating the diversity of cropping systems to which it was applied with RMSEs generally less than observed experimental standard deviations (indicating robust model performance), and with particular strength in simulation of multi-crop sequences. Input parameter estimation challenges were encountered, and although 'work-arounds' were developed and described, in some cases these actually represent model deficiencies which need to be addressed. Desirable future improvements have been identified to better position APSIM as a useful tool for Asian cropping systems research into the future. These include aspects related to harsh environments (high temperatures, diffuse light conditions, salinity, and submergence), conservation agriculture, greenhouse gas emissions, as well as aspects more specific to Southern Asia and low input systems (such as deficiencies in soil micro-nutrients).

Coastal ecosystems face numerous constraints, including erratic rainfall distribution, seawater intrusion, water stagnation with saline water, seasonal escalation of soil salinity, fluctuations in groundwater table depth, and variable moisture availability in the crop rhizosphere. While rice in the Kharif season navigates these challenges with the aid of monsoon rains, for reliable crop yield and productivity, crops in the Rabi season encounter multiple limitations due to low and variable rainfall. The shallow groundwater and surface drying drive the upward movement of salts into the root zone which coupled with soil drying and waterlogging events cause severe constraints for winter cropping. The spatial and temporal variability of these processes creates a complex interplay of climatic and soil factors with crop performance. A model-based crop simulation approach can help to resolve such complex interactions. In this study, we under took the parameterization, calibration, and validation of the APSIM-Oryza and APSIM-Lentil models to simulate diverse experimental treatments within a rice-pulse cropping system across two seasons in the southern part of West Bengal, India. The model predicted observed biomass and grain yield well for both rice and lentil crops in the cropping system, with high coefficients of determination and acceptable RMSE values. Similarly simulated values for phenology, biomass, yield of both rice grain: RMSE = 331 [SDobs = 401] and 193 [SDobs = 203]; biomass: RMSE = 431 [SDobs = 743] and 465 [SDobs = 683]), and lentil (grain: RMSE = 79.1 [SDobs = 64] and 192 [SDobs = 237]; biomass: RMSE = 50.4 [SDobs= 47] and 222 [SDobs = 124] ) respectively), and water use efficiency across various irrigation and salinity levels for lentil and rice exhibited satisfactory accuracy and precision. This validated model has the potential for predicting climate change scenarios and assessing agronomic impacts and adaptations in coastal saline regions. Considering the pivotal role of winter legume crops in soil fertility, income, and food security, the APSIM-Lentil model can be further used for developing resilient and sustainable practices in the face of complex environmental challenges.

The polders and islands in the salt-affected coastal zone of the Ganges Delta, home to approximately 15 million people in Bangladesh and 5 million in West Bengal, face challenges such as poverty, food insecurity, environmental vulnerability, and limited livelihood opportunities. Historically, agricultural production in these areas was mainly confined to the wet/Kharif season, with much of the land remaining fallow during the dry/Rabi season due to waterlogging, soil salinity, and perceived lack of irrigation water. Since 2015, researchers and NGOs from Australia, Bangladesh, and India collaborated on the project "Cropping system intensification in the salt-affected coastal zones of Bangladesh and West Bengal, India" to sustainably increase cropping intensity and productivity in this area. During 2015-2021, the project has made significant achievements and has demonstrated strategies that are likely to increase productivity, cropping intensity, and livelihoods of the people. However, to maintain these gains and address risks like climate change impacts, untimely rainfall, and market fluctuations, further research was deemed necessary. Thus, ACIAR funded Phase 2 of the project for 2021-2025 which aims to sustain and enhance the achievements. This special issue presents some research findings on projected climate change, agronomic experiments, irrigation and drainage management, and social and economic issues conducted under the project Phase 2 in Bangladesh and West Bengal, India.