Sich ändernde Klima- und Wetterbedingungen in Verbindung mit einer begrenzt ausdehnbaren Ackerfläche werden den Druck auf Nahrungsmittelproduktionssysteme weiter erhöhen. Um dieser Herausforderung gerecht zu werden, ist eine Erhöhung und Stabilisierung der Ernteerträge unverzichtbar. Dies erfordert aber ein tieferes Verständnis der Einflussfaktoren, die auf die Ertragsvariabilität wirken. Diese Dissertation leistet einen Forschungsbeitrag zu Ertragsmodellen in Deutschland, Tansania und auf globaler Ebene. Dazu analysiere und kombiniere ich statistische und prozessbasierte Ertragsmodelle in fünf Schritten: (i) Zunächst entwickele ich einen statistischen Modellansatz, um den Einfluss von Wetter und agronomischem Management auf Winterweizenerträge in Deutschland zu separieren. (ii) Auf der Grundlage dieses Modells erweitere ich die statistischen Methoden und wende sie für Winterweizen und Silomais auf regionale Ebene an. (iii) Diesen erweiterten Modellansatz verwende ich daraufhin zum Testen einer Kreuz-Validierung um zukünftige Ertragsänderungen unter Klimawandel zu projizieren. (iv) Anschließend wird in einer globalen statistischen Anwendung dieses Modell für kurzfristige Ertragsprognosen getestet. (v) Schließlich kombiniere ich für das Fallbeispiel Mais in Tansania statistische und prozessbasierte Ertragsmodelle, um wetterbedingte Ertragsverluste von nicht-wetterbedingten Ertragsverlusten zu separieren. Als Ergebnis lässt sich zusammenfassen, dass der Anteil der wetterbedingten Ertragsvariabilität in Deutschland höher ist als in Tansania. Dementsprechend sind die Ertragsschwankungen in Tansania eher auf das agronomische Management und sozioökonomische Einflüsse zurückzuführen. Für beide Länder stelle ich fest, dass der Anteil der wetterbedingte Ertragsvariabilität auf aggregierter Ebene höher ist als auf regionaler Ebene. Der kombinierte statistisch-prozessbasierte Ansatz zur Bewertung von wetterbedingten Ertragsverlusten kann für Versicherungszwecke genutzt werden. / Due to changing climate and weather patterns in combination with limitations to extend global arable land area, the pressure on food production systems will increase. To cope with this challenge, it will be indispensable to increase and stabilize crop yields. This requires, however, a deeper understanding of the factors influencing crop yield variability. This dissertation contributes to that research need as I further develop and apply crop models to assess regional wheat and maize yield variability in Germany, Tanzania and on a global scale. For this, I analyze and combine statistical and process-based crop models within five steps: (i) First, I develop a statistical crop modeling approach to decompose the influence of weather and agronomic management on winter wheat yields in Germany. (ii) Based on the first step, I expand the statistical methods and apply augmented models for winter wheat and silage maize on a disaggregated level. (iii) Then this model approach is used to investigate an out-of-sample cross validation to demonstrate the models’ capability to project future yield changes under climate change. (iv) In a global statistical application, this models’ capability of projecting yields is tested for short-term yield forecasts. (v) Finally, I combine statistical and process-based crop modeling to decompose weather-related maize yield losses from losses caused by non-weather factors for the case of Tanzania. Across these five steps, I find that the share of weather-related yield variability is higher in Germany than in Tanzania. Accordingly, crop yield variability in Tanzania is to a higher share attributable to agronomic management and socio-economic influences. For both countries, I find that the share of explained weather-related yield variability is higher on an aggregated level than on the regional level. Finally, this combined statistical-process-based approach can be used for assessing weather-related crop yield losses for insurance purposes.

Die Ernährungssicherheit ist bedroht, unter anderem durch den Klimawandel. Eine Zunahme der Wetterextreme kann zu deutlichen Ertragseinbußen führen. Deshalb ist eine Quantifizierung des Klimaeinflußes auf die Landwirtschaft nötig um eine rechtzeitige Anpassung zu ermöglichen. Die vorliegende Dissertation schlägt daher Verbesserungen für Ertragsmodelle in Bezug auf Klimaextreme vor. Der erste Teil ist eine Metastudie zur Strukturierung von Wissen. Eine neue Methode wird zum Aufbau eines enzyklopädischen Netzwerks verwendet. Dieses erlaubt Vorschläge zur Modellverbesserung abzuleiten. Zwei davon, Ozonschäden und extreme Temperaturen, werden folgend behandelt. Der zweite Teil behandelt Ertragseinbußen durch Ozon. Das Ertragsmodell LPJmL wird um Ozonstress erweitert und damit globale Ertragseinbußen bei Weizen und Soja abgeschätzt. Wasserdargebot, Temperatur und CO2-Konzentration werden berücksichtigt, im Gegensatz zu früheren Abschätzungen. Laut Analyse kann Ozon zu Ernteeinbußen von bis zu 50% führen. Der dritte Teil behandelt Schäden durch hohe Temperaturen. Es wird untersucht, inwieweit neun Modelle die Effekte von Hitze auf Mais, Soja und Weizen in den USA abbilden. Das Modellkollektiv kann beobachtete Verluste quantitativ reproduzieren und legt Wasserstress als Ursache dafür nahe. Erhöhte CO2-Konzentrationen können laut Modellen die Ernteeinbußen nicht verringern, im Gegensatz zu gegenwärtigen Überzeugungen. Der vierte Teil enthält ein statistisches Modell, mit dem der Anteil des Wetters an globalen Ertragsschwankungen berechnet wird – unter Berücksichtigung von Hitze- und Froststress. Dieser Anteil wird bei Mais, Soja und Weizen global auf 15-42% beziffert. Weitere Ergebnisse zeigen über 50% Vorhersagekraft des Modells bereits zwei Monate vor der Ernte. Die vorliegende Arbeit stellt die negativen Einflüsse von Ozon und Hitze für die Landwirtschaft und damit die Ernährungssicherheit heraus. Die Vorteile der Anwendung mehrerer Modelltypen werden hervorgehoben. / Agricultural production and thus food security are under pressure, in particular by climate change. Climate extremes are likely to increase and may diminish harvests. Hence it is decisive to quantify such impacts. Consequently, this thesis aims at improving crop models with respect to climate extremes. The first part is a meta-study for structuring knowledge on crop physiology. A novel method is used to build a network-based encyclopedia. This allows for deducing improvement suggestions for crop models. Two of these suggestions (ozone and extreme temperatures) are treated in the following. The second part analyses crop losses from ozone damage. The crop model LPJmL is enhanced by ozone stress and used to simulate global historical wheat and soybean yield losses. Crop water status, temperature and CO2 are considered as modulators of ozone damage – an improvement over previous global assessments. The analysis indicates that ozone can cause yield losses up to occasional 50%. The third part treats effects of high temperatures on yields. It is assessed to what extent nine crop models can reproduce effects of heat on maize, soybean and wheat yields in the US. The model ensemble simulates observed yield losses in the correct quantities and suggests that they stem from water stress. It is hypothesized that future US yields could suffer from heat losses even under elevated CO2, contrary to current convictions. The fourth part describes a statistical model to assess the global share of weather-driven yield variability, considering heat and frost stress. The influence of weather on yield variability of maize, wheat and soybeans is quantified as 15-42% globally. Results also suggest a yield forecasting capacity of more than 50% two months before harvest in several countries. This thesis underlines the negative influence of ozone and high temperature stress on agricultural production and, consequently, food security. The benefits of using diverse types of models are highlighted.

Der Klimawandel fordert die Anbausysteme heraus, um das derzeitige Produktionsniveau zu verbessern oder sogar aufrechtzuerhalten. Es wird erwartet, dass zukünftige Trends bei Temperatur und Niederschlag die Ernteproduktivität beeinträchtigen. Es ist daher notwendig, möglicher Lösungen zur Anpassung der Anbausysteme an den Klimawandel zu untersuchen. Ziel dieser Arbeit ist es, das Wissen über die Anpassung von weltweit relevanten Getreidepflanzen an den Klimawandel zu erweitern. Die zentrale Fragestellung ist, ob globale Anbausysteme an den Klimawandel angepasst werden können, indem die Phänologie der Kulturpflanzen durch Anpassung von Wachstumsperioden und Sorten gesteuert wird. Die Phänologie und die Ertragsreaktionen sowohl auf den Temperaturanstieg als auch auf die Sortenselektion werden zunächst anhand eines Ensembles von “Global Gridded Crop Models” bewertet. Anschließend wird die Komplexität der Anpassung durch phänologisches Management analysiert, insbesondere unter Berücksichtigung der bestehenden großen Wissenslücken bei der Auswahl von Pflanzensorten. Das Ergebnis der Analyse ist ein regelbasierter Algorithmus, der phänologische Zyklen der Kulturpflanzen auswählt, um die Zeit für die Ertragsbildung zu maximieren und Temperatur- und Wasserbelastungen während der Wachstumszyklen der Kulturpflanzen zu minimieren. Die berechneten Aussaatdaten und Wachstumsperioden werden verwendet, um globale Muster von Sorten zu parametrisieren, die an aktuelle und zukünftige Klimaszenarien angepasst sind. Diese Arbeit zeigt, dass die Auswirkungen des Klimawandels auf die Pflanzenproduktivität erheblich variieren können, je nachdem, welche Annahmen für das agronomische Management getroffen werden. Änderungen im Management zu vernachlässigen, liefert die pessimistischste Prognose für die zukünftige Pflanzenproduktion. Relativ einfache Ansätze zur Berechnung angepasster Aussaatdaten und Sorten bieten eine Grundlage für die Berücksichtigung autonomer Anpassungsschemata als integraler Bestandteil globaler Modellierungsrahmen. / Climate change is challenging cropping systems to enhance or even maintain current production levels. Future trends in temperature and precipitation are expected to negatively impact crop productivity. It is therefore necessary to explore adaptation options of cropping systems to changing climate. The aim of this thesis is to advance knowledge on adaptation of world-wide relevant grain crops to climate change. The central research question is whether global cropping systems can be adapted to climate change by managing crop phenology through adjusting growing periods and cultivars. Phenology and yield responses to both temperature increase and cultivar selection are first assessed making use of an ensemble of Global Gridded Crop Models. Then, the complexity of adaptation through phenological management is analysed, particularly addressing the existing large knowledge gaps on crop cultivar choice. The outcome of the analysis is a rule-based algorithm that selects crop phenological cycles aiming at maximizing the time for yield formation and minimizing temperature and water stresses during the crop growth cycles. The computed sowing dates and growing periods are used to parametrize global patterns of cultivars adapted to present and future climate scenarios. This thesis demonstrates that the impacts of climate change on crop productivity can vary substantially depending on which assumptions are made on agronomic management. Neglecting any changes in management return the most pessimistic projection on future crop production. Relatively simple approaches to compute adapted sowing dates and cultivars provide a base for considering autonomous adaptation schemes as an integral component of global scale modelling frameworks.

In dieser Arbeit wurden die Veränderungen der agrarklimatologischen Bedingungen im Zuge des Klimawandels für ausgesuchte Sauerkirschanbauregionen in Europa und Nordamerika untersucht. Es wird auf veränderte Risiken (Spätfrost, Hitzewellen, Wassermangel) hingewiesen, die durch nachhaltige, praxisorientierte und ökonomisch vertretbare Anpassungsmaßnahmen (Überdachung, Frostschutz, Bewässerung, Anbausystem, Wahl der Sorte und Unterlage, etc.) begrenzt werden können. Der Klimawandel kann neben Risiken aber auch Chancen für den Sauerkirschanbau eröffnen. Höhere Temperaturen und eine längere Vegetationsperiode können regional differenziert zu günstigeren Anbaubedingungen führen. Ein besonderer Schwerpunkt wurde auf die Entwicklung phänologischer Modelle gelegt, mit denen Veränderungen im Entwicklungsrhythmus der Sauerkirschgehölze analysiert werden konnten. Dafür wurden acht Modelle zur Vorhersage des Blühbeginns und Blühendes entwickelt. Weitere phänologische Stadien konnten mit dem Modell von Zavalloni et al. (2006) berechnet werden. Die Untersuchungen haben ergeben, dass sich der Blühbeginn unter geänderten Klimabedingungen verfrüht, aber nur geringe Verkürzungen der Zeiträume zwischen den phänologischen Stadien zu erwarten sind. Zu den gefürchteten Witterungsschäden im Obstbau gehört Spätfrost, der zu hohen Ertragsverlusten führen kann. Im Zuge des Klimawandels können sich die Häufigkeit und Stärke der Fröste ändern. Die Frostwahrscheinlichkeit während der untersuchten Entwicklungsphasen von Sauerkischgehölzen könnte in diesem Jahrhundert in Rheinland-Pfalz und Eau Claire abnehmen, während sich die Verhältnisse in den anderen Anbaugebieten nur geringfügig ändern. In einem zweiten Schritt wurden die Ertragsverluste durch Frost bestimmt. Hierbei hat sich ergeben, dass die Frostschäden in den untersuchten Anbauregionen wahrscheinlich geringer werden. Allerdings differieren die Ergebnisse zwischen den Berechnungen mit beobachteten und modellierten Temperaturen oft stark. / This thesis investigates the changes in agro-climatic conditions for selected growing region in Europe and North America under current and future climate conditions. The overall aim of the study was to identify possible risks (spring frosts, heat waves, water shortages), which can be limited by sustainable, practically oriented and economically viable adaptation measures (hail- and frost-protection, irrigation, cultivation system, choice of variety and rootstock). Besides risks, climate change can provide new opportunities. Higher temperature levels and extended growing season lengths could regionally differentiated improve the growing conditions. Particular focus was given to developing phenological models, used to investigate shifts in spring phenology of sour cherry trees due to climate change. Therefore, eight models to predict the beginning and end of blossom were optimized and validated. Further phenological stages were calculated with the model by Zavalloni et al. (2006). The results show an earlier onset in the beginning of sour cherry blossom under future climate conditions, while the length of the period between the phenological stages only shortens slightly. Spring frosts are feared weather hazards in orchards which can cause substantial yield losses. The changing climate conditions could influence the frequency and strength of spring frosts. In the course of this century the spring frost probability is likely to decrease in Rhineland-Palatinate and Eau Claire, while only slight changes are expected in the other growing regions. In the second step, yield losses caused by spring frost were calculated. The frost damages on sour cherries in the investigated growing regions will probably decrease. However, the yield losses calculated with observed and modeled temperatures often differ strongly.

Die Anzahl der unterernährten Menschen in der Welt steigt seit 2017 wieder an. Der Klimawandel wird den Druck auf die Landwirtschaft und die Ernährungssicherheit weiter erhöhen, insbesondere für kleinbäuerliche und von Subsistenzwirtschaft geprägte Agrarsysteme in den Tropen. Um die Widerstandsfähigkeit der Ernährungssysteme und die Ernährungssicherheit zu stärken, bedarf es eines Klimarisikomanagements und Klimaanpassung. Dies kann sowohl die Antizipation als auch die Reaktion auf die Auswirkungen der globalen Erwärmung ermöglichen. Eine zentrale Rolle spielen in dieser Hinsicht landwirtschaftliche Modelle. Sie können die Reaktionen von Pflanzen auf Veränderungen in den Klimabedingungen quantifizieren und damit Risiken identifizieren. Diese Dissertation demonstriert anhand dreier in Peru, in Tansania und in Burkina Faso durchgeführten Fallstudien, wie statistische Ertragsmodelle das Klimarisikomanagement und die Anpassung in der tropischen Landwirtschaft unterstützen können. Während die erste Studie zeigt, wie Klimaanpassungsbestrebungen unterstützt werden können, werden in Studie zwei und drei statistische Modelle genutzt, um Ertrags- und Produktionsvorhersagen zu erstellen. Die Ergebnisse können dazu beitragen, Frühwarnsysteme für Ernährungsunsicherheit zu unterstützen. In den drei Veröffentlichungen werden neue Ansätze statistischer Ertragsmodellierung auf verschiedenen räumlichen Ebenen vorgestellt. Ein besonderer Fokus liegt hierbei auf der Weiterentwicklung von bisherigen Ertragsvorhersagen, insbesondere in Bezug auf unabhängige Modellvalidierungen, eine stärkere Berücksichtigung von Wetterextremen und die Übertragbarkeit der Modelle auf andere Regionen. / The number of undernourished people in the world has been increasing since 2017. Climate change will further exacerbate pressure on agriculture and food security, particularly for smallholder and subsistence-based farming systems in the tropics. Anticipating and responding to global warming through climate risk management is needed to increase the resilience of food systems and food security. Crop models play an indispensable role in this regard. They allow quantifying crop responses to changes in climatic conditions and thus identify risks. This dissertation demonstrates how statistical crop modelling can inform climate risk management and adaptation in tropical agriculture in the case studies of Peru, Tanzania and Burkina Faso. While the first study shows how statistical crop models can support climate adaptation, studies two and three provide yield and production forecasts. The results can contribute to supporting early warning systems on food insecurity. The three publications present novel approaches of statistical yield modelling at different spatial scales. A particular focus is on further developing existing yield forecasts, especially with regard to independent rigorous model validations, improved consideration of weather extremes, and the transferability of the models to other regions.