Comme l'intensité et la fréquence des phénomènes météorologiques extrêmes devraient augmenter sous l'effet du changement climatique, il est de plus en plus essentiel d'évaluer leur impact sur les systèmes de culture et d'explorer les options d'adaptation possibles. Les modèles de culture basés sur les processus (PBCM), qui sont largement utilisés dans les évaluations d'impact du changement climatique, ont amélioré la simulation des impacts des événements météorologiques extrêmes majeurs tels que les vagues de chaleur et les sécheresses, mais ne parviennent toujours pas à reproduire de faibles rendements agricoles dans des conditions humides. Ici, nous donnons un aperçu des mécanismes de perte de rendement des précipitations excessives dans les céréales (c'est-à-dire l'engorgement, la submersion, l'hébergement, les ravageurs et les maladies) et des approches de modélisation associées dans le but de guider les améliorations de la PBCM. Certains PBCM simulent des environnements d'engorgement et d'étang, mais peu capturent les contraintes d'aération sur la croissance des cultures. L'hébergement est souvent négligé par les PBCM ; cependant, certains modèles d'hébergement mécanistes autonomes existent, qui peuvent potentiellement être incorporés dans les PBCM. Certains cadres relient les modèles d'épidémie et de culture basés sur les processus à la prise en compte de différents mécanismes de dommages. Cependant, le manque de données pour calibrer et évaluer ces fonctions de modèle limite l'utilisation de tels cadres. Afin de générer des données pour l'amélioration du modèle et combler les lacunes dans les connaissances, des expériences ciblées sur les mécanismes de dommages de l'engorgement, de la submersion, des ravageurs et des maladies sont nécessaires. Cependant, la prise en compte de tous les mécanismes de dommage dans le PBCM peut entraîner des modèles excessivement complexes avec un grand nombre de paramètres, augmentant l'incertitude du modèle. Des cadres modulaires pourraient aider à sélectionner les mécanismes nécessaires et conduire à des structures de modèle et à une complexité appropriées qui correspondent à une question de recherche spécifique. Enfin, il existe des synergies potentielles entre les PBCM, les modèles statistiques et les données de télédétection qui pourraient améliorer l'exactitude des prédictions et la compréhension des lacunes actuelles des PBCM.

A medida que se proyecta que la intensidad y la frecuencia de los fenómenos meteorológicos extremos aumentarán bajo el cambio climático, evaluar su impacto en los sistemas de cultivo y explorar opciones de adaptación factibles es cada vez más crítico. Los modelos de cultivos basados en procesos (PBCM), que se utilizan ampliamente en las evaluaciones de impacto del cambio climático, han mejorado en la simulación de los impactos de los principales fenómenos meteorológicos extremos, como las olas de calor y las sequías, pero aún no logran reproducir los bajos rendimientos de los cultivos en condiciones húmedas. Aquí, proporcionamos una descripción general de los mecanismos de pérdida de rendimiento de la lluvia excesiva en los cereales (es decir, anegamiento, inmersión, alojamiento, plagas y enfermedades) y los enfoques de modelado asociados con el objetivo de guiar las mejoras de PBCM. Algunos PBCM simulan ambientes de anegamiento y estanque, pero pocos capturan las tensiones de aireación en el crecimiento de los cultivos. Los PBCM a menudo descuidan el alojamiento; sin embargo, existen algunos modelos de alojamiento mecanicistas independientes, que potencialmente pueden incorporarse a los PBCM. Algunos marcos vinculan los modelos de epidemias y cultivos basados en procesos con la consideración de diferentes mecanismos de daño. Sin embargo, la falta de datos para calibrar y evaluar estas funciones del modelo limita el uso de dichos marcos. Con el fin de generar datos para la mejora del modelo y cerrar las brechas de conocimiento, se requieren experimentos específicos sobre los mecanismos de daño de anegamiento, inmersión, plagas y enfermedades. Sin embargo, la consideración de todos los mecanismos de daño en PBCM puede resultar en modelos excesivamente complejos con una gran cantidad de parámetros, lo que aumenta la incertidumbre del modelo. Los marcos modulares podrían ayudar a seleccionar los mecanismos necesarios y conducir a estructuras modelo y complejidad apropiadas que se ajusten a una pregunta de investigación específica. Por último, existen posibles sinergias entre los PBCM, los modelos estadísticos y los datos de teledetección que podrían mejorar la precisión de la predicción y la comprensión de las deficiencias actuales de los PBCM.

As the intensity and frequency of extreme weather events are projected to increase under climate change, assessing their impact on cropping systems and exploring feasible adaptation options is increasingly critical. Process-based crop models (PBCMs), which are widely used in climate change impact assessments, have improved in simulating the impacts of major extreme weather events such as heatwaves and droughts but still fail to reproduce low crop yields under wet conditions. Here, we provide an overview of yield-loss mechanisms of excessive rainfall in cereals (i.e., waterlogging, submergence, lodging, pests and diseases) and associated modelling approaches with the aim of guiding PBCM improvements. Some PBCMs simulate waterlogging and ponding environments, but few capture aeration stresses on crop growth. Lodging is often neglected by PBCMs; however, some stand-alone mechanistic lodging models exist, which can potentially be incorporated into PBCMs. Some frameworks link process-based epidemic and crop models with consideration of different damage mechanisms. However, the lack of data to calibrate and evaluate these model functions limit the use of such frameworks. In order to generate data for model improvement and close knowledge gaps, targeted experiments on damage mechanisms of waterlogging, submergence, pests and diseases are required. However, consideration of all damage mechanisms in PBCM may result in excessively complex models with a large number of parameters, increasing model uncertainty. Modular frameworks could assist in selecting necessary mechanisms and lead to appropriate model structures and complexity that fit a specific research question. Lastly, there are potential synergies between PBCMs, statistical models, and remotely sensed data that could improve the prediction accuracy and understanding of current PBCMs' shortcomings.

نظرًا لأنه من المتوقع أن تزداد شدة وتواتر الظواهر الجوية القاسية في ظل تغير المناخ، فإن تقييم تأثيرها على أنظمة المحاصيل واستكشاف خيارات التكيف الممكنة أمر بالغ الأهمية بشكل متزايد. تحسنت نماذج المحاصيل القائمة على العمليات (PBCMs)، والتي تستخدم على نطاق واسع في تقييمات تأثير تغير المناخ، في محاكاة آثار الظواهر الجوية القاسية الرئيسية مثل موجات الحر والجفاف ولكنها لا تزال تفشل في إعادة إنتاج غلة محاصيل منخفضة في ظل الظروف الرطبة. هنا، نقدم لمحة عامة عن آليات فقدان الغلة للأمطار المفرطة في الحبوب (أي التشبع بالمياه، والغمر، والسكن، والآفات والأمراض) ونهج النمذجة المرتبطة بها بهدف توجيه تحسينات PBCM. تحاكي بعض PBCMs بيئات التشبع بالمياه والبرك، لكن القليل منها يلتقط ضغوط التهوية على نمو المحاصيل. غالبًا ما يتم إهمال السكن من قبل PBCMs ؛ ومع ذلك، توجد بعض نماذج السكن الميكانيكية المستقلة، والتي يمكن دمجها في PBCMs. تربط بعض الأطر نماذج الأوبئة والمحاصيل القائمة على العمليات مع مراعاة آليات الضرر المختلفة. ومع ذلك، فإن نقص البيانات لمعايرة وتقييم هذه الوظائف النموذجية يحد من استخدام هذه الأطر. من أجل توليد بيانات لتحسين النموذج وسد الفجوات المعرفية، يلزم إجراء تجارب مستهدفة على آليات الأضرار الناجمة عن التشبع بالمياه والغمر والآفات والأمراض. ومع ذلك، قد يؤدي النظر في جميع آليات الضرر في PBCM إلى نماذج معقدة للغاية مع عدد كبير من المعلمات، مما يزيد من عدم اليقين في النموذج. يمكن أن تساعد الأطر المعيارية في اختيار الآليات اللازمة وتؤدي إلى هياكل نموذجية مناسبة وتعقيد يناسب سؤالًا بحثيًا محددًا. أخيرًا، هناك أوجه تآزر محتملة بين PBCMs والنماذج الإحصائية والبيانات المستشعرة عن بُعد والتي يمكن أن تحسن دقة التنبؤ وفهم أوجه القصور الحالية في PBCMs.