This article introduces the FAO crop model AquaCrop. It simulates attainable yields of major herbaceous crops as a function of water consumption under rainfed, supplemental, deficit, and full irrigation conditions. The growth engine of AquaCrop is water‐driven , in that transpiration is calculated first and translated into biomass using a conservative, crop‐specific parameter: the biomass water productivity, normalized for atmospheric evaporative demand and air CO 2 concentration. The normalization is to make AquaCrop applicable to diverse locations and seasons. Simulations are performed on thermal time, but can be on calendar time, in daily time‐steps. The model uses canopy ground cover instead of leaf area index (LAI) as the basis to calculate transpiration and to separate out soil evaporation from transpiration. Crop yield is calculated as the product of biomass and harvest index (HI). At the start of yield formation period, HI increases linearly with time after a lag phase, until near physiological maturity. Other than for the yield, there is no biomass partitioning into the various organs. Crop responses to water deficits are simulated with four modifiers that are functions of fractional available soil water modulated by evaporative demand, based on the differential sensitivity to water stress of four key plant processes: canopy expansion, stomatal control of transpiration, canopy senescence, and HI. The HI can be modified negatively or positively, depending on stress level, timing, and canopy duration. AquaCrop uses a relatively small number of parameters (explicit and mostly intuitive) and attempts to balance simplicity, accuracy, and robustness. The model is aimed mainly at practitioner‐type end‐users such as those working for extension services, consulting engineers, governmental agencies, nongovernmental organizations, and various kinds of farmers associations. It is also designed to fit the need of economists and policy specialists who use simple models for planning and scenario analysis.

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.

The areas of energy, water and food policy have numerous interwoven concerns ranging from ensuring access to services, to environmental impacts to price volatility. These issues manifest in very different ways in each of the three “spheres”, but often the impacts are closely related. Identifying these interrelationships a priori is of great importance to help target synergies and avoid potential tensions. Systems thinking is required to address such a wide swath of possible topics. This paper briefly describes some of the linkages at a high-level of aggregation – primarily from a developing country perspective – and via case studies, to arrive at some promising directions for addressing the nexus. To that end, we also present the attributes of a modelling framework that specifically addresses the nexus, and can thus serve to inform more effective national policies and regulations. While environmental issues are normally the ‘cohesive principle’ from which the three areas are considered jointly, the enormous inequalities arising from a lack of access suggest that economic and security-related issues may be stronger motivators of change. Finally, consideration of the complex interactions will require new institutional capacity both in industrialised and developing countries.

In its broadest sense, water productivity (WP) is the net return for a unit of water used. Improvement of water productivity aims at producing more food, income, better livelihoods and ecosystem services with less water. There is considerable scope for improving water productivity of crop, livestock and fisheries at field through to basin scale. Practices used to achieve this include water harvesting, supplemental irrigation, deficit irrigation, precision irrigation techniques and soil–water conservation practices. Practices not directly related to water management impact water productivity because of interactive effects such as those derived from improvements in soil fertility, pest and disease control, crop selection or access to better markets. However, there are several reasons to be cautious about the scope and ease of achieving water productivity gains. Crop water productivity is already quite high in highly productive regions, and gains in yield (per unit of land area) do not necessarily translate into gains in water productivity. Reuse of water that takes place within an irrigated area or a basin can compensate for the perceived losses at the field-scale in terms of water quantity, though the water quality is likely to be affected. While crop breeding has played an important role in increasing water productivity in the past, especially by improving the harvest index, such large gains are not easily foreseen in the future. More importantly, enabling conditions for farmers and water managers are not in place to enhance water productivity. Improving water productivity will thus require an understanding of the biophysical as well as the socioeconomic environments crossing scales between field, farm and basin. Priority areas where substantive increases in water productivity are possible include: (i) areas where poverty is high and water productivity is low, (ii) areas of physical water scarcity where competition for water is high, (iii) areas with little water resources development where high returns from a little extra water use can make a big difference, and (iv) areas of water-driven ecosystem degradation, such as falling groundwater tables, and river desiccation. However, achieving these gains will be challenging at least, and will require strategies that consider complex biophysical and socioeconomic factors.

There is an ongoing debate on what constitutes sustainable intensification of agriculture (SIA). In this paper, we propose that a paradigm for sustainable intensification can be defined and translated into an operational framework for agricultural development. We argue that this paradigm must now be defined—at all scales—in the context of rapidly rising global environmental changes in the Anthropocene, while focusing on eradicating poverty and hunger and contributing to human wellbeing. The criteria and approach we propose, for a paradigm shift towards sustainable intensification of agriculture, integrates the dual and interdependent goals of using sustainable practices to meet rising human needs while contributing to resilience and sustainability of landscapes, the biosphere, and the Earth system. Both of these, in turn, are required to sustain the future viability of agriculture. This paradigm shift aims at repositioning world agriculture from its current role as the world’s single largest driver of global environmental change, to becoming a key contributor of a global transition to a sustainable world within a safe operating space on Earth.

The AquaCrop model was developed to replace the former FAO I&D Paper 33 procedures for the estimation of crop productivity in relation to water supply and agronomic management in a framework based on current plant physiological and soil water budgeting concepts. This paper presents the software of AquaCrop for which the concepts and underlying principles are described in the companion paper (Steduto et al., 2009). Input consists of weather data, crop characteristics, and soil and management characteristics that define the environment in which the crop will develop. Algorithms and calculation procedures modeling the infiltration of water, the drainage out of the root zone, the canopy and root zone development, the evaporation and transpiration rate, the biomass production, and the yield formation are presented. The mechanisms of crop response to cope with water shortage are described by only a few parameters, making the underlying processes more transparent to the user. AquaCrop is a menu‐driven program with a well‐developed user interface. With the help of graphs which are updated each time step (1 d) during the simulation run, the user can track changes in soil water content, and the corresponding changes in crop development, soil evaporation and transpiration rate, biomass production, and yield development. One can halt the simulation at each time step, to study the effect of changes in water related inputs, making the model particularly suitable for developing deficit irrigation strategies and scenario analysis.

Higher efficiency rarely reduces water consumption

Continued development of networks of electronic weather stations worldwide has increased the availability of weather data for calculating ETo on an hourly basis. There has been question and debate as well as studies on the appropriate expression and parameterization for the surface resistance (rs) parameter of the Penman-Monteith (PM) equation and the associated coefficient for the reduced form FAO-PM equation when applied hourly. This paper reviews the performance of the FAO-PM method using rs = 70 s m−1 for hourly periods and using a lower rs = 50 s m−1 value during daytime and rs = 200 s m−1 during nighttime. Variability in hour to hour trends in rs among locations and dates makes it difficult, if not impossible, to establish a consistent algorithm for rs. However, the relatively good and consistent accuracy in ETo when using a constant rs = 50 s m−1 during daytime gives good reason to recommend this value as a standardized parameter and coefficient for calculating ETo. Based on a national study in the U.S. and studies by European and American researchers, the authors recommend that the FAO-PM ETo method from FAO56, when applied on an hourly or shorter basis, use rs = 50 s m−1 for daytime and rs = 200 s m−1 for nighttime periods. This use will provide, on average, good agreement with computations made on a 24-h time step basis. No changes are suggested for the FAO-PM method for daily (24-h) time steps, where use of rs = 70 s m−1 should continue.

The first crop chosen to parameterize and test the new FAO AquaCrop model is maize ( Zea mays L.). Working mainly with data sets from 6 yr of maize field experiments at Davis, CA, plus another 4 yr of Davis maize canopy data, a set of conservative (nearly constant) parameters of AquaCrop, presumably applicable to widely different conditions and not specific to a given crop cultivar, was evaluated by test simulations, and used to simulate the 6 yr of Davis data. The treatment variable was irrigation—withholding water after planting continuously, only up to tasseling, from tasseling onward, or intermittently, and with full irrigation (FI) as the control. From year to year, plant density (7–11.9 plants m −2 ), planting date (14 May−15 June), cultivar (a total of four), and atmospheric evaporative demand varied. The conservative parameters included: canopy growth and canopy decline coefficient (CDC); crop coefficient for transpiration (Tr) at full canopy; normalized water productivity for biomass (WP∗); soil water depletion thresholds for the inhibition leaf growth and of stomatal conductance, and for the acceleration of canopy senescence; reference harvest index (HI o ); and coefficients for adjusting harvest index (HI) in relation to inhibition of leaf growth and of stomatal conductance. With all 19 parameters held constant, AquaCrop simulated the final aboveground biomass within 10% of the measured value for at least 8 of the 13 treatments (6 yr of experiments) and also the grain yield for at least five of the cases. In at least four of the cases, the simulated results were within 5% of the measured for biomass as well as for grain yield. The largest deviation between the simulated and measured values was 22% for biomass, and 24% for grain yield. Importantly, the simulated pattern of canopy progression and biomass accumulation over time were close to those measured, with Willmott's index of agreement ( d ) for 11 of the 13 cases being ≥0.98 for canopy cover (CC), and ≥0.97 for biomass. Accelerated senescence of canopy due to water stress, however, proved to be difficult to simulate accurately; of the six cases, the index of agreement for the worst one was 0.957 for canopy and 0.915 for biomass. Possible reasons for the discrepancies between the simulated and measured results include simplifications in the model and inaccuracies in measurements. The usefulness of AquaCrop with well‐calibrated conservative parameters in assessing water use efficiency (WUE) of a crops under different conditions and in devising strategies to improve WUE is discussed.