AgroMo Commander

Hollós Roland

2018. 09. 27

1 Bevezetés

1.1 AgroMo használatának szintjei

  1. AgroMo Lite
  2. AgroMo Spatial
  3. AgroMo Commander <- RBBGCMuso
  4. AgroMo Expert

1.2 Az RBBGCMuso:

  • interfész,
  • grafikus megjelenítő,
  • modelloptimalizálást, érzékenységelemzést lehetővé tevő,
  • az általános modellhasználatot könnyebbé tevő
  • R csomag.

2 A workshop célja

  1. modell futtatása,
  2. eredmények ábrázolása,
  3. egyszerű kísérletek elvégzése,
  4. a kísérletek eredményeinek grafikus értelmezése,
  5. AgroMo Commander (RBBGCMuso) segítségével.

3 A modell input-output kezelése

input (file kiterjesztés) output
meteorológia (mtc43) széntárazók állapotai
ökofiziológiai (epc) termés
Termőhely adatok (ini) levélfelületi index
menedzsment (ini) Talajnedvesség
vezérlés (ini) (…)x~3060

3.1 Az ini file feladatai

  • Vezérlés
  • Helyspecifikus adatok szolgáltatása
  • Művelésre vonatkozó adatok szolgáltatása

3.2 Az epc file feladatai

3.3 További fájlok

  • Meteorológiai (mtc43)
  • CO2
  • NDEP
  • Management

4 Input adatok

4.1 Helyszín: Hegyhátsál

4.2 Meteorológia

4.3 Meteorológia: csapadék

meteorology1.png

4.4 Meteorológia: nappali átlaghőmérséklet

meteorology2.png

5 Kérdések

  1. Milyen hatásai lehetnek a termésre/GPP-re, illetve LAIRA a jövőbeli lehetséges klimatikus változásoknak?
  2. Mennyi műtrágyát használjunk?
  3. Adott helyen milyen ökofiziológiai paraméterrel bíró (kukorica/búza/\(\dots\))fajtákat érdemes termesztenünk?

6 RBBGCMuso használata

6.1 devtools telepítése

install.packages("devtools")

6.2 RBBGCMuso telepítése

devtools::install_github("hollorol/RBBGCMuso/RGBBCMuso")

6.3 csomagok betöltése, munkakönyvtár beállítása:

library(RBBGCMuso)
library(ggplot2)

6.4 futtatás előkészítése: setupMuso()

beallitasok <- setupMuso()

Argumentum nélküli meghívás esetén a normal ini n.ini-re, a spinup pedig s.ini-re végződik, a végrehajtható fájl neve muso vagy muso.exe!

6.5 modellfuttatás: calibMuso()

kimenet <- calibMuso(settings = beallitasok,skipSpinup=TRUE)
round(kimenet[1:6,1:2],digits=2)
tsoil_0 evapotransp
3.09 0.21
2.54 0.01
1.63 0.02
2.34 0.1
3.66 0.45
5.01 0.14

6.6 kimeneti adatok ábrázolása (első verzió)

plot(kimenet[,"daily_gpp"])

daily_1.png

6.7 Ügyelvén az esztétikára:

par(mar=c(2.2,5,1.5,0.5))
plot(y=kimenet[,"daily_gpp"],
     x=as.Date(rownames(kimenet),"%d.%m.%Y"), xlab="",
     ylab = expression(paste("daily GPP [",kgC,m^-2,"]")),
     type="l", col="blue", lwd="1.8")

daily_2.png

6.8 Mindez sokkal egyszerűbben

plotMuso(variable="daily_gpp")

daily_3.png

6.9 Egy apró javítás

plotMuso(variable="daily_gpp")+
  labs(y=expression(paste("daily GPP [",kgC,m^-2,"]")))

daily_4.png

6.10 musoMappingFind()

6.11 musoMappingFind()

musoMappingFind("yield")
3037 cum_yieldC_HRV

6.12 Nézzük meg, hogy hogyan változott a termés 2013 és 2017 között!

plotMuso(variable="cum_yieldC_HRV")+
  labs(y="Termés [t/ha]")

yield_pre.png

6.13 Ábrázoljuk inkább az éves maximumokat!

plotMuso(variable="cum_yieldC_HRV", timeFrame="year", groupFun=max)+
  labs(y="Termés [t/ha]")

yield_base.png

6.14 mentsük el az alapábránkat!

termesAlap <- plotMuso(variable="cum_yieldC_HRV", timeFrame="year", groupFun=max)+
    labs(y="Termés [t/ha]")

6.15 Nézzük meg, majd mentsük le a LAI-t is!

LAIAlap <- plotMuso(variable="proj_lai")+
  labs(y=expression(
    paste("Levélfelületi index ",m^2m^-2)))
LAIAlap

lai_base.png

6.16 GPP alap

GPPAlap <- plotMuso(variable="daily_gpp")+
    labs(y=expression(paste("daily GPP [",kgC,m^-2,"]")))
GPPAlap

gpp_base.png

6.17 Gyep Biomassza

termesAlap_gyep <- plotMuso(variable = "leafc",
    timeFrame = "year", groupFun=sum, skipSpinup=FALSE)

6.18 Gyep LAI

LAIAlap_gyep <- plotMuso(variable = "proj_lai", skipSpinup=FALSE)

6.19 Gyep GPP

GPPAlap_gyep<-plotMuso(variable = "daily_gpp")

7 Kísérletek

7.1 Vetési idő

iniMod.png

7.2 Vetési idő- Termés

TermesValtozas_vetesido <- termesAlap+
plotMuso(variable = "cum_yieldC_HRV",
timeFrame = "year", groupFun=max,
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
TermesValtozas_vetesido

TermesValtozas_vetesido.png

7.3 Vetési idő- LAI

LAIValtozas_vetesido <- LAIAlap+
plotMuso(variable = "proj_lai",
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
LAIValtozas_vetesido

LAIValtozas_vetesido.png

7.4 Vetési idő- GPP

GPPValtozas_vetesido <- GPPAlap + 
plotMuso(variable = "daily_gpp",
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
GPPValtozas_vetesido

GPPValtozas_vetesido.png

7.5 Műtrágyázás

iniMod1.png

7.6 Műtrágyázás- Termés

TermesValtozas_fertilP <- termesAlap+
plotMuso(variable = "cum_yieldC_HRV",
timeFrame = "year", groupFun=max,
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
TermesValtozas_fertilP

TermesValtozas_fertilP.png

7.7 Műtrágyázás - LAI

LAIValtozas_fertilP <- LAIAlap+
plotMuso(variable = "proj_lai",
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
LAIValtozas_fertilP

LAIValtozas_fertilP.png

7.8 Műtrágyázás - GPP

GPPValtozas_fertilP <- GPPAlap + 
plotMuso(variable = "daily_gpp",
colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
GPPValtozas_fertilP

GPPValtozas_fertilP.png

7.9 Szárazodás - Termés

TermesValtozas_szarazodas <- termesAlap_gyep+
  plotMuso(variable = "leafc",
  timeFrame = "year", groupFun=sum,
  colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
TermesValtozas_szarazodas

TermesValtozas_szarazodas.png

7.10 Szárazodás - LAI

LAIValtozas_szarazodas <- LAIAlap_gyep+
  plotMuso(variable = "proj_lai",
  colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
LAIValtozas_szarazodas

LAIValtozas_szarazodas.png

7.11 Szárazodás - GPP

GPPValtozas_szarazodas <- GPPAlap_gyep + 
  plotMuso(variable = "daily_gpp",
  colour = "brown", layerPlot = TRUE, skipSpinup=FALSE)
GPPValtozas_szarazodas

GPPValtozas_szarazodas.png

8 AgroMo-Lite

8.1 Telepítés

setwd("../hegyhatsal")

intall_github("hollorol/AgroMoLite")
library(AgroMoLite)

soilWaterTest()

8.2 Köszönöm, hogy itt voltak!