Global Yield

Assessment

Description

and data

requirements

of the

global  dynamic

vegetation

model

LPJmL

Katharina Waha

Workshop Beyond Diagnostics: Insights and Recommendations for 

Remote Sensing, 14./15. December

2013

1 – LPJmL in ShortLPJmL

•

process‐based

dynamic

vegetation

model, originates

from

EPIC and BIOME 

models

•

simulates

plant responses

to climate

and 

climate

change

in natural

and agriculture

ecosystems

• high spatial

and temporal resolution

Soil water

Photosynthesis

Climate

Respiration

AllocationNPP

Processes

2 – Main features

/ modules

• Regular

grid

(67.420 grid

cells

0.5°x 0.5°)

•

13 crops

+ managed

grassland

+ bioenergy 

plants: ‐

wheat, rice, maize, millet, pulses, 

sugarbeet, cassava, sunflower, groundnuts, 

soybean, rapeseed, sugar cane, other crops

Climate, Soil, Land Use

Crop

Biomass, Harvest, Water Use

Land use

change

2 – Main features

/ modules

(cont.)

Water balance

Carbon

pools

and fluxes

biochemical

leaf

photosynthesis

model

(Farquhar

et al. 1980 

/Haxeltine

& Prentice

1996)

Daily allocation

driven

by

phenology, 

stress and production

• Regular

grid

(67.420 grid

cells

0.5°x 0.5°)

‐

Farquhar, G.D. et al. 1980. A Biochemical 

Model of Photosynthetic CO2 Assimilation 

in Leaves of C3 Species. Planta. 149, 78‐90.‐

Haxeltine, A.,Prentice, I.C., 1996. BIOME3: 

An equilibrium terrestrial biosphere model 

based on ecophysiological

constraints, 

resource availability, and competition 

among plant functional types. Global 

Biogeochemical Cycles. 10, 693‐709.

3 –

Crop

management•

Management modules

(climate‐driven, input‐driven)

+ often

more

important

than

climate

and soils

‐> Computed internally

+ Planting dates (Waha et al. 2012) 

+ Available irrigation water (Biemans

et al. 2011)

+ Variety characteristics (Bondeau et al. 2008, van Bussel 2011)

‐> Prescribed

+ Annual land‐use patterns (Fader et al. 2010)

+ Irrigation (yes/no)

+ Intercrops 

+ Residue management

+ Management 

Intensity (Fader et al. 2010)

Simulated

sowing

date for

maize

in 2000 (Waha et al. 2012)

4 – Model Input•

Soils

+ FAO Harmonized

Soil

Database (13 soil

texture

classes

‐> water

holding

capacity)

•

Climate

+ current

and past

climate: 

monthly: CRU TS 3.21 (1901‐2012)

daily: GPCC (1901‐2007), WATCH (1901‐2001)

+ future

climate: climate

projections

from

GCMs via CMIP5 project

•

Landuse

+ generated

from

3 land use

data

sets

+ rainfed and irrigated

cropland

in 

1700 –

2005 for

13 crops

Compilation procedure of the land‐use dataset for LPJmL 

(Fader et al. 2010)

CRU ‐

Climate

Research Unit, University of East Anglia, 

GPCC ‐

Global Precipitation Climatology Centre          

WATCH ‐

WATCH Forcing Data 20th Century                    

GCM ‐

General Circulation Model                                     

CMIP5 ‐

Coupled Model Intercomparison Project Phase 5 

5 – Model Output: Crop

Yields

Simulated mean area‐weighted national wheat yield (t/ha) in 2000

Simulated grid‐cell wheat yields (t/ha) in 2000

National and grid‐cell

yields

Interannual

variability

Yield

Rainfall

Simulated mean area‐

weighted

national 

maize

yield

1961‐2000 

(t/ha) in Burkina Faso

5 – Model Output: Crop

yields

under

climate

change

Mean climate change impact (%) on (sub‐) national crop yields in 2050 relative to 2000. Climate change impacts are 

shown as simulated with LPJmL with climate projections from 5 general circulation models and 3 emission scenarios 

(Müller et al. 2009).

With

CO2 fertilization Without

CO2 fertilization

Müller, C., Bondeau, A., Popp, A., Waha, K.,Fader, M., 2009. Climate Change Impacts on Agricultural Yields. 

Background note to the World Development Report 2010. World Bank, Washington D.C.

6 –

Under

development

and future

plans

(examples)

•

Refine

management

modules

(irrigation, rainwater

harvesting

and vapor

shift

techniques, multiple cropping)

•

Add

more

crops

(potato, cotton, date palm, citrus, …)

•

Continue

development

of bioenergy

plants

•

Add nitrogen cycle

•

Understand

uncertainty

in CO2

fertilization

effect

(coupled

effects

from

increased

temperatures

and CO2

)

•

Improve

grassland

management

and representation

of livestock

•

Revise

simulated

impacts

of extreme

temperature

and precipitation

Thank

you

http://www.pik‐potsdam.de/research/projects/lpjweb

Dr Katharina Waha Climate Impacts & Vulnerabilities tel: +49 331 288 26 27  e‐mail: katharina.waha@pik‐potsdam.de

Literaturekey

model

components, LPJmL as LPJ‐DGVM:•

Collatz, G.J., Ribas‐Carbo, M.,Berry, J.A. 1992. Coupled

Photosynthesis‐Stomatal

Conductance

Model for

Leaves

of C4 Plants, 

pp. 519‐538, Vol. 19.•

Sitch, S., Smith, B., Prentice, I.C., Arneth, A., Bondeau, A., Cramer, W., Kaplan, J.O., Levis, S., Lucht, W., Sykes, M.T., Thonicke, 

K.,Venevsky, S., 2003. Evaluation of ecosystem dynamics, plant geography

and terrestrial

carbon

cycling

in the

LPJ dynamic

global vegetation

model. Global Change Biology. 9, 161‐185.agricultural

vegetation:•

Bondeau, A., Smith, P.C., Zaehle, S., Schaphoff, S., Lucht, W., Cramer, W., Gerten, D., Lotze‐Campen, H., Müller, C., Reichstein, 

M.,Smith, B., 2007. Modelling the

role

of agriculture for the 20th century

global terrestrial

carbon

balance. Global Change 

Biology. 13, 679‐706.hydrology, river

routing:•

Biemans, H., Haddeland, I., Kabat, P., Ludwig, F.,Hutjes, R.W.A., 2011. Impact of reservoirs

on river

discharge

and irrigation

water

supply

during

the

20th century. Water Resources Research. 47, W03509.•

Gerten, D., Schaphoff, S., Haberlandt, U., Lucht, W.,Sitch, S., 2004. Terrestrial

vegetation

and water

balance

‐

hydrological

evaluation

of a dynamic

global vegetation

model. Journal of Hydrology. 286, 249‐270.water

management

in agricultural, virtual

water, land‐use

data

set

and management

intensity:•

Fader, M., Rost, S., Müller, C., Bondeau, A.,Gerten, D., 2010. Virtual

water

content

of temperate

cereals

and maize: Present

and 

potential future

patterns. Journal of Hydrology. 384, 218‐231.•

Rost, S., Gerten, D., Bondeau, A., Lucht, W., Rohwer, J.,Schaphoff, S., 2008. Agricultural green

and blue

water

consumption

and 

its

influence

on the

global water

system. Water Resources Research. 44, W09405 (17pp).permafrost, soil

hydrology

update:•

Schaphoff, S., Heyder, U., Ostberg, S., Gerten, D., Heinke, J.,Lucht, W., 2013. Contribution

of permafrost

soils

to the

global 

carbon

budget. Environmental

Research Letters. 8, 014026.crop

phenology, sowing

and harvest

dates•

Van Bussel, L.G.J., 2011. From

field

to globe: upscaling

of crop

growth modelling., Dissertation, Wageningen University, 

Wageningen.•

Waha, K., van Bussel, L.G.J., Müller, C.,Bondeau, A., 2012. Climate‐driven

simulation

of global crop

sowing

dates. Global 

Ecology

and Biogeography. 21, 247–259.bioenergy:•

Beringer, T.I.M., Lucht, W.,Schaphoff, S., 2011. Bioenergy production

potential of global biomass

plantations

under

environmental

and agricultural

constraints. GCB Bioenergy.