Published January 1, 2021 | Version v1
Publication Open

Calibration and validation of APSIM–Maize, DSSAT CERES–Maize and AquaCrop models for Ethiopian tropical environments

Creators

  • 1. University of KwaZulu-Natal
  • 2. International Maize and Wheat Improvement Center

Description

Process-based crop models are popular tools to quantify the impact of changes due to climate or crop management. Accurate simulation of crop production for different agro-ecological conditions using an individual crop model remains challenging due to different sources of uncertainty. Studies with ensembles of crop models can give valuable information about model accuracy and uncertainty, but such studies are limited in tropical environments, including Ethiopia. Therefore, the aim of this study was to compare the performance of the outputs of three individual crop models and their ensemble mean. We calibrated three different crop models, namely, APSIM-maize, AquaCrop and DSSAT CERES-maize and evaluated them separately and in a multimodel ensemble approach using four maize varieties (BH546, BH661, Jibat and MH140) grown under rainfed conditions. Model input data were collected from field experiments conducted at three sites (Ambo, Bako and Melkassa) during the 2017/2018 crop growing season. The experiments were laid out in a randomised complete block design using a plot size of 10 m × 10 m. The crop models were calibrated using measured data from the Bako and evaluated with independent datasets from the Ambo and Melkassa. The calibration parameters used in each of the three crop models studied enabled accurate simulation of flowering, maturity, canopy cover (AquaCrop) and grain yield against measured data. Evaluation of the models indicated that APSIM-maize and DSSAT CERES-maize accurately simulated days to flowering and maturity with root mean square error (RMSE) values ranging from 1.73–4.09 and 1.66–5.36 days, respectively. However, the DSSAT CERES-maize model over-estimated the maturity period of late-maturing varieties at Ambo. The AquaCrop model accurately simulated maize canopy cover for all varieties studied with a RMSE of less than 10.8% and a high index of agreement (d) of 0.95. The simulated grain yield agreed fairly well with the measured data, with normalised RMSE ranging from 13–19%, 1–4% and 1–17% for APSIM, AquaCrop and DSSAT maize models, respectively. However, the APSIM model underestimated yield for all maize varieties at Ambo (RMSE of 1.14 t ha−1 and d-value of 0.50). The best performance was obtained when an ensemble of all models was considered, which reduced the RMSE values for grain yield to 0.35 t ha−1 at Ambo and 0.41 t ha−1 at Melkassa. Furthermore, the ensemble mean reduced the normalised RMSE by 8% while increasing the d-value to above 0.90 for both evaluation sites. On the other hand, the ensemble results were quite similar for grain yield simulated using the AquaCrop model. It is concluded that model ensembles reduced model uncertainty and improved simulation output accuracy compared to the outputs of individual models in tropical environments.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

نماذج المحاصيل القائمة على العمليات هي أدوات شائعة لتحديد تأثير التغييرات بسبب المناخ أو إدارة المحاصيل. لا تزال المحاكاة الدقيقة لإنتاج المحاصيل لمختلف الظروف الزراعية الإيكولوجية باستخدام نموذج محصول فردي تمثل تحديًا بسبب مصادر عدم اليقين المختلفة. يمكن للدراسات مع مجموعات من نماذج المحاصيل أن تعطي معلومات قيمة حول دقة النموذج وعدم اليقين، ولكن هذه الدراسات محدودة في البيئات الاستوائية، بما في ذلك إثيوبيا. لذلك، كان الهدف من هذه الدراسة هو مقارنة أداء مخرجات ثلاثة نماذج محاصيل فردية ومتوسط مجموعتها. قمنا بمعايرة ثلاثة نماذج مختلفة من المحاصيل، وهي APSIM - maize و AquaCrop و DSSAT CERES - maize وقمنا بتقييمها بشكل منفصل وفي نهج متعدد النماذج باستخدام أربعة أصناف من الذرة (BH546 و BH661 و Jibat و MH140) تزرع في ظل ظروف بعلية. تم جمع بيانات المدخلات النموذجية من التجارب الميدانية التي أجريت في ثلاثة مواقع (أمبو وباكو وملكاسا) خلال موسم زراعة المحاصيل 2017/2018. تم وضع التجارب في تصميم كتلة كاملة عشوائية باستخدام حجم قطعة أرض 10 م × 10 م. تمت معايرة نماذج المحاصيل باستخدام بيانات مقاسة من باكو وتقييمها باستخدام مجموعات بيانات مستقلة من أمبو وملكاسا. مكّنت معلمات المعايرة المستخدمة في كل نموذج من نماذج المحاصيل الثلاثة التي تمت دراستها من المحاكاة الدقيقة للإزهار والنضج وغطاء المظلة (أكواكروب) وإنتاجية الحبوب مقابل البيانات المقاسة. أشار تقييم النماذج إلى أن APSIM - maize و DSSAT CERES - تحاكي بدقة الأيام إلى الإزهار والنضج مع قيم الخطأ التربيعي لمتوسط الجذر (RMSE) التي تتراوح بين 1.73–4.09 و 1.66-5.36 يومًا، على التوالي. ومع ذلك، فإن نموذج DSSAT CERES - MAIZE قد بالغ في تقدير فترة نضج الأصناف المتأخرة النضج في AMBO. قام نموذج أكواكروب بمحاكاة غطاء مظلة الذرة بدقة لجميع الأصناف التي تمت دراستها باستخدام RMSE أقل من 10.8 ٪ ومؤشر اتفاق (د) مرتفع يبلغ 0.95. وافق إنتاج الحبوب المحاكى بشكل جيد إلى حد ما مع البيانات المقاسة، مع RMSE المعيارية التي تتراوح بين 13-19 ٪ و 1-4 ٪ و 1-17 ٪ لنماذج الذرة APSIM و AquaCrop و DSSAT، على التوالي. ومع ذلك، قلل نموذج APSIM من العائد لجميع أصناف الذرة في AMBO (RMSE من 1.14 طن هكتار-1 وقيمة d 0.50). تم الحصول على أفضل أداء عند النظر في مجموعة من جميع النماذج، مما قلل من قيم RMSE لمحصول الحبوب إلى 0.35 طن هكتار-1 في AMBO و 0.41 طن هكتار-1 في Melkassa. علاوة على ذلك، قلل متوسط المجموعة من RMSE المعياري بنسبة 8 ٪ مع زيادة قيمة d إلى أكثر من 0.90 لكلا موقعي التقييم. من ناحية أخرى، كانت نتائج المجموعة متشابهة تمامًا بالنسبة لمحصول الحبوب الذي تمت محاكاته باستخدام نموذج أكواكروب. تم استنتاج أن مجموعات النموذج تقلل من عدم اليقين في النموذج وتحسن دقة مخرجات المحاكاة مقارنة بمخرجات النماذج الفردية في البيئات الاستوائية.

Translated Description (French)

Les modèles de culture basés sur les processus sont des outils populaires pour quantifier l'impact des changements dus au climat ou à la gestion des cultures. La simulation précise de la production végétale pour différentes conditions agro-écologiques à l'aide d'un modèle de culture individuel reste difficile en raison de différentes sources d'incertitude. Les études avec des ensembles de modèles de cultures peuvent fournir des informations précieuses sur la précision et l'incertitude des modèles, mais ces études sont limitées dans les environnements tropicaux, y compris l'Éthiopie. Par conséquent, l'objectif de cette étude était de comparer la performance des résultats de trois modèles de culture individuels et leur moyenne d'ensemble. Nous avons calibré trois modèles de culture différents, à savoir APSIM-maize, AquaCrop et DSSAT CERES-maize et les avons évalués séparément et dans une approche d'ensemble multimodèle en utilisant quatre variétés de maïs (BH546, BH661, Jibat et MH140) cultivées dans des conditions pluviales. Les données d'entrée du modèle ont été collectées à partir d'expériences sur le terrain menées sur trois sites (Ambo, Bako et Melkassa) au cours de la saison de croissance des cultures 2017/2018. Les expériences ont été présentées dans un plan de bloc complet randomisé en utilisant une taille de parcelle de 10 m × 10 m. Les modèles de culture ont été étalonnés à l'aide de données mesurées du Bako et évalués avec des ensembles de données indépendants de l'Ambo et du Melkassa. Les paramètres d'étalonnage utilisés dans chacun des trois modèles de culture étudiés ont permis une simulation précise de la floraison, de la maturité, du couvert végétal (AquaCrop) et du rendement en grains par rapport aux données mesurées. L'évaluation des modèles a indiqué que APSIM-maize et DSSAT CERES-maize simulent avec précision les jours de floraison et de maturité avec des valeurs d'erreur quadratique moyenne (RMSE) allant de 1,73 à 4,09 et de 1,66 à 5,36 jours, respectivement. Cependant, le modèle DSSAT CERES-maize a surestimé la période de maturité des variétés à maturité tardive à Ambo. Le modèle AquaCrop a simulé avec précision la couverture de la canopée de maïs pour toutes les variétés étudiées avec un RMSE inférieur à 10,8 % et un indice de concordance (d) élevé de 0,95. Le rendement céréalier simulé correspondait assez bien aux données mesurées, avec un RMSE normalisé allant de 13 à 19 %, de 1 à 4 % et de 1 à 17 % pour les modèles de maïs APSIM, AquaCrop et DSSAT, respectivement. Cependant, le modèle APSIM a sous-estimé le rendement pour toutes les variétés de maïs à Ambo (RMSE de 1,14 t ha−1 et valeur d de 0,50). La meilleure performance a été obtenue lorsqu'un ensemble de tous les modèles a été considéré, ce qui a réduit les valeurs RMSE pour le rendement en grains à 0,35 t ha−1 à Ambo et 0,41 t ha−1 à Melkassa. En outre, la moyenne d'ensemble a réduit le RMSE normalisé de 8 % tout en augmentant la valeur d au-dessus de 0,90 pour les deux sites d'évaluation. D'autre part, les résultats de l'ensemble étaient assez similaires pour le rendement céréalier simulé à l'aide du modèle AquaCrop. Il est conclu que les ensembles de modèles ont réduit l'incertitude du modèle et amélioré la précision des résultats de simulation par rapport aux résultats des modèles individuels dans les environnements tropicaux.

Translated Description (Spanish)

Los modelos de cultivos basados en procesos son herramientas populares para cuantificar el impacto de los cambios debidos al clima o a la gestión de cultivos. La simulación precisa de la producción de cultivos para diferentes condiciones agroecológicas utilizando un modelo de cultivo individual sigue siendo un desafío debido a las diferentes fuentes de incertidumbre. Los estudios con conjuntos de modelos de cultivos pueden proporcionar información valiosa sobre la precisión y la incertidumbre de los modelos, pero tales estudios son limitados en entornos tropicales, incluida Etiopía. Por lo tanto, el objetivo de este estudio fue comparar el rendimiento de los resultados de tres modelos de cultivos individuales y su media de conjunto. Calibramos tres modelos de cultivo diferentes, a saber, APSIM-maíz, AquaCrop y DSSAT CERES-maíz y los evaluamos por separado y en un enfoque de conjunto multimodal utilizando cuatro variedades de maíz (BH546, BH661, Jibat y MH140) cultivadas en condiciones de secano. Los datos de entrada del modelo se recopilaron a partir de experimentos de campo realizados en tres sitios (Ambo, Bako y Melkassa) durante la temporada de cultivo 2017/2018. Los experimentos se presentaron en un diseño de bloque completo aleatorizado utilizando un tamaño de parcela de 10 m × 10 m. Los modelos de cultivo se calibraron utilizando datos medidos de Bako y se evaluaron con conjuntos de datos independientes de Ambo y Melkassa. Los parámetros de calibración utilizados en cada uno de los tres modelos de cultivo estudiados permitieron una simulación precisa de la floración, la madurez, la cobertura del dosel (AquaCrop) y el rendimiento del grano frente a los datos medidos. La evaluación de los modelos indicó que APSIM-maize y DSSAT CERES-maize simularon con precisión los días hasta la floración y la madurez con valores de error cuadrático medio (RMSE) que oscilan entre 1,73-4,09 y 1,66-5,36 días, respectivamente. Sin embargo, el modelo DSSAT CERES-maíz sobreestimó el período de maduración de las variedades de maduración tardía en Ambo. El modelo AquaCrop simuló con precisión la cobertura del dosel de maíz para todas las variedades estudiadas con un RMSE inferior al 10,8% y un alto índice de acuerdo (d) de 0,95. El rendimiento de grano simulado coincidió bastante bien con los datos medidos, con RMSE normalizado que osciló entre 13–19%, 1–4% y 1–17% para los modelos de maíz APSIM, AquaCrop y DSSAT, respectivamente. Sin embargo, el modelo APSIM subestimó el rendimiento para todas las variedades de maíz en Ambo (RMSE de 1,14 t ha-1 y valor d de 0,50). El mejor rendimiento se obtuvo cuando se consideró un conjunto de todos los modelos, lo que redujo los valores de RMSE para el rendimiento de grano a 0.35 t ha−1 en Ambo y 0.41 t ha−1 en Melkassa. Además, la media del conjunto redujo el RMSE normalizado en un 8% al tiempo que aumentó el valor d por encima de 0,90 para ambos sitios de evaluación. Por otro lado, los resultados del conjunto fueron bastante similares para el rendimiento de grano simulado utilizando el modelo AquaCrop. Se concluye que los conjuntos de modelos redujeron la incertidumbre del modelo y mejoraron la precisión del resultado de la simulación en comparación con los resultados de los modelos individuales en entornos tropicales.

Files

28003582.pdf.pdf

Files (881.5 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:b867bf29a0879b85c58f681e5406c8de
881.5 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
معايرة والتحقق من صحة نماذج APSIM - Maize و DSSAT CERES - Maize و AquaCrop للبيئات الاستوائية الإثيوبية
Translated title (French)
Étalonnage et validation des modèles APSIM-Maize, DSSAT CERES–Maize et AquaCrop pour les environnements tropicaux éthiopiens
Translated title (Spanish)
Calibración y validación de modelos APSIM-Maize, DSSAT CERES-Maize y AquaCrop para ambientes tropicales etíopes

Identifiers

Other
https://openalex.org/W3161683656
DOI
10.1080/02571862.2020.1837271

Is supplement to
https://openalex.org/W4388764371 (Other)
https://openalex.org/W4383695503 (Other)
https://openalex.org/W4291721252 (Other)
https://openalex.org/W2988748982 (Other)
https://openalex.org/W2965966360 (Other)
https://openalex.org/W2936309449 (Other)
https://openalex.org/W2602668664 (Other)
https://openalex.org/W2556442003 (Other)
https://openalex.org/W2531620436 (Other)
https://openalex.org/W1905191619 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Ethiopia

References

  • https://openalex.org/W114080015
  • https://openalex.org/W15918903
  • https://openalex.org/W1671688813
  • https://openalex.org/W1773612903
  • https://openalex.org/W1967051589
  • https://openalex.org/W1972303891
  • https://openalex.org/W1972972583
  • https://openalex.org/W1983443583
  • https://openalex.org/W1984671422
  • https://openalex.org/W1985279971
  • https://openalex.org/W1986964041
  • https://openalex.org/W1988712392
  • https://openalex.org/W1993873837
  • https://openalex.org/W1994552280
  • https://openalex.org/W1994668402
  • https://openalex.org/W1994975670
  • https://openalex.org/W2019555005
  • https://openalex.org/W2020463378
  • https://openalex.org/W2022677568
  • https://openalex.org/W2023636416
  • https://openalex.org/W2031694841
  • https://openalex.org/W2032049158
  • https://openalex.org/W2033873961
  • https://openalex.org/W2035110811
  • https://openalex.org/W2036123899
  • https://openalex.org/W2038176001
  • https://openalex.org/W2040866820
  • https://openalex.org/W2047979682
  • https://openalex.org/W2054337755
  • https://openalex.org/W2056976134
  • https://openalex.org/W2059409078
  • https://openalex.org/W2064151765
  • https://openalex.org/W2073917898
  • https://openalex.org/W2074484318
  • https://openalex.org/W2075542465
  • https://openalex.org/W2083442576
  • https://openalex.org/W2104571002
  • https://openalex.org/W2111286455
  • https://openalex.org/W2119457597
  • https://openalex.org/W2130201759
  • https://openalex.org/W2130600976
  • https://openalex.org/W2136777393
  • https://openalex.org/W2144720528
  • https://openalex.org/W2152581109
  • https://openalex.org/W2153328324
  • https://openalex.org/W2154888692
  • https://openalex.org/W2158883105
  • https://openalex.org/W2161510978
  • https://openalex.org/W2164290452
  • https://openalex.org/W2178055167
  • https://openalex.org/W2233310971
  • https://openalex.org/W2304701967
  • https://openalex.org/W2394515166
  • https://openalex.org/W2462583090
  • https://openalex.org/W250703692
  • https://openalex.org/W2513645272
  • https://openalex.org/W2547450889
  • https://openalex.org/W2558600760
  • https://openalex.org/W2580794617
  • https://openalex.org/W2586779568
  • https://openalex.org/W2608050375
  • https://openalex.org/W2692909408
  • https://openalex.org/W2741723649
  • https://openalex.org/W2766427031
  • https://openalex.org/W2766625607
  • https://openalex.org/W2766974916
  • https://openalex.org/W2780422724
  • https://openalex.org/W2791837279
  • https://openalex.org/W2793169670
  • https://openalex.org/W2884996604
  • https://openalex.org/W2888536124
  • https://openalex.org/W2890963464
  • https://openalex.org/W2892306107
  • https://openalex.org/W2892469959
  • https://openalex.org/W2894667420
  • https://openalex.org/W2904064197
  • https://openalex.org/W3021527627
  • https://openalex.org/W3314149
  • https://openalex.org/W4233523883
  • https://openalex.org/W45928423