Resumen

Los estudios de modelización de agroecosistemas suelen basarse en series temporales relativamente cortas de registros históricos para entrenar/ajustar los parámetros empíricos y predecir la variación a largo plazo de la producción de cultivos asociada a las tendencias de los forzamientos climáticos e hidrológicos. Aunque los modelos ecosistémicos pueden mostrar una capacidad de predicción similar en los estudios de validación, su sensibilidad a la variabilidad climática puede diferir significativamente. Esta discrepancia suele deberse a la necesidad de compensar la complejidad del modelo con la disponibilidad de datos. En este trabajo se examina la sensibilidad en la predicción de la productividad de la cosecha de trigo de primavera en zonas agrícolas con diferentes condiciones edafoclimáticas en las que se dispone de registros agronómicos y climáticos a largo plazo. Se observan cambios significativos en la sensibilidad del modelo cuando cambia el régimen climático. Si no se corrige, esto puede conducir a un error de predicción sustancial cuando se simula a través del tiempo y el espacio. Nuestros resultados apoyan aún más el enfoque jerárquico (por componentes) para reducir la complejidad de los modelos y mejorar la capacidad de predicción.

• Materias:Biodiversidad Ecosistema marino Ecosistema forestal Ecología animal Especiación Genética
• Subjects:Biodiversity Marine ecosystems Forest ecosystem Animal ecology Genetic Speciation
• Palabras claves:productividad de los cultivos de trigo de primavera, estudios de modelización de agroecosistemas, habilidad de predicción similar, error de predicción sustancial, compromiso complejidad del modelo, sensibilidad, tal discrepancia, emplazamientos agrícolas, condiciones climáticas, registros climáticos
• Keywords:spring wheat crop productivity, Agroecosystem modeling studies, similar prediction skill, substantial predictive error, tradeoff model complexity, sensitivity, Such discrepancy, agricultural sites, climate conditions, climate records