Project

Back to overview

Evaluation of modelled nitrous oxide emissions from a legume-based mitigation option on temperate grassland

Applicant Fuchs Kathrin
Number 172121
Funding scheme Doc.Mobility
Research institution School of Biological Sciences, Plant & Soil Science University of Aberdeen
Institution of higher education Institution abroad - IACH
Main discipline Other disciplines of Environmental Sciences
Start/End 01.04.2017 - 30.09.2017
Show all

Keywords (4)

biogeochemical process-based models; N2O; biological nitrogen fixation; greenhouse gas mitigation

Lay Summary (German)

Lead
Der Austausch von Treibhausgasen zwischen Erde und Atmosphäre auf landwirtschaftlichen Flächen hängt neben den klimatischen Bedingungen insbesondere von der Bewirtschaftungspraxis ab. Extensiv bewirtschaftete Grünlandflächen sind Treibhausgassenken, während intensiv bewirtschaftete Grünlandflächen häufig durch beachtliche Lachgasemissionen (N2O) geprägt sind. Lachgas entsteht infolge mikrobieller Prozesse (Nitrifikation/Denitrifikation) im Boden. Diese Emissionen finden vorwiegend nach der Ausbringung von Mineral- und Hofdüngern statt.
Lay summary

Eine Strategie um Lachgasemissionen zu mindern ist, den benötigten Stickstoffeintrag durch biologische Stickstofffixierung (z.B. mit Leguminosen) zu fördern und die Düngergaben dementsprechend zu reduzieren. Diese Strategie testen wir mit biogeochemischen Modellen. Um herauszufinden, wie zuverlässig Modelle Lachgasemissionen bei verschiedenen Gras-Leguminosen-Mischungen simulieren, ist es essentiell die Modellergebnisse mit gemessenen Daten zu validieren.

Im FACCE-JPI Projekt Models4Pastures, in dem ich als Doktorandin beteiligt bin, verwenden wir verschiedene biogeochemische Modelle um Lachgasemissionen von Gras-Leguminosen-Mischungen bei unterschiedlichen Düngergaben zu simulieren. Das Ziel dieses Doc.Mobility Projektes ist es die Leistungsfähigkeit dieser Modelle hinsichtlich (i) der Auswirkungen der biologischen Stickstofffixierung auf Lachgasemissionen, und (ii) der Dynamik der Lachgasmissionen nach der Bewirtschaftung zu evaluieren. Dazu werde ich Modellergebnisse mit neu gemessenen Daten die ich auf der Forschungsstation Chamau erhoben habe validieren. In diesem Feldexperiment testen wir die Lachgasreduktionstrategie auf Ökosystemebene. Dabei werden sowohl Lachgasemissionen, deren potentielle bodenmeteorologische und bodenchemische Treibervariablen als auch Erträge und die biologische Stickstofffixierung gemessen. Solche Messungen eröffnen die Möglichkeit, modellierte Lachgasemissionen mit hoch aufgelösten Messdaten auf der Tagesbasis zu vergleichen und spezifische Unterschiede zu quantifizieren. Dabei steht nicht nur der Vergleich der Magnitude der Lachgasemissionen im Vordergrund sondern auch die zeitliche Dynamik der Lachgasemissionen. Die erwarteten Resultate liefern einen wichtigen Beitrag um zukünftige Szenarien zur Minderung von Treibhausgasen von landwirtschaftlichen Flächen systematisch mit Modellen testen und bewerten zu können und somit nachhaltige Bewirtschaftungsstrategien empfehlen zu können.

Direct link to Lay Summary Last update: 16.01.2017

Responsible applicant and co-applicants

Associated projects

Number Title Start Funding scheme
148992 ICOS-CH: Integrated Carbon Observation System in Switzerland 01.07.2013 Research Infrastructure
154245 Robust models for assessing the effectiveness of technologies and managements to reduce N2O emissions from grazed pastures (Models4Pastures) 01.12.2014 FACCE Joint Programming Initiative

Abstract

The magnitude of greenhouse gas (GHG) exchange between managed grasslands and the atmosphere largely depends on management practices. While natural and extensively managed grasslands are well known as GHG sinks, intensively managed grasslands are often characterized by substantial nitrous oxide (N2O) emissions and therefore act as net GHG emitters. One potential mitigation option for N2O emissions is a decrease in fertilizer inputs by replacing the needed N input by biological nitrogen fixation (BNF) via legumes. The effects of legumes on N2O fluxes are still uncertain and ecosystem scale data from BNF experiments including N2O fluxes are rare. Process-based biogeochemical models are useful to systematically assess the effects of GHG mitigation strategies. However, a comprehensive validation concerning the effects of BNF on N2O emissions from grass-legume mixtures has not been carried out for certain models (i.e. DayCent and DNDC). Ecosystem N2O flux dynamics are currently studied at several places globally while understanding of flux dynamics is still very limited, primarily because instruments capable of high-frequency N2O concentrations measurements that are easily deployable in the field have only become available recently.I conducted an ecosystem-scale experiment at the Swiss FluxNet site Chamau in order to test the BNF-based mitigation option for N2O emissions. Since 2015 I collected a comprehensive dataset of N2O fluxes, BNF and drivers of N2O fluxes covering almost two years. This dataset provide a great opportunity to evaluate modeled N2O fluxes at daily up to hourly time-steps, which can help to understand inadequate model representations of processes driving N2O fluxes. The Models4Pastures consortium, where I contribute as a PhD candidate, uses five biogeochemical models (APSIM, DayCent, DNDC, SPACSYS and PaSim) to assess the potential of several mitigation options (including the BNF-based mitigation strategy).The overarching goal of the proposed project is to assess and evaluate the performance of these five process-based models regarding (i) the effects of BNF on N2O fluxes in grass-legume mixtures and (ii) the dynamics of N2O fluxes following management events and rain events, in order to improve the representation of N2O emissions from grass-legume mixtures in these models.To accomplish this goal, I will conduct a validation of model outputs from the five models using measured N2O fluxes, soil chemical and soil meteorological variables measured during my experiment (see section 1.5 of the full proposal). I will quantify differences between modelled and measured N2O emissions under high and low levels of BNF. Furthermore, I will validate N2O flux dynamics following management and rain events on a daily basis (see section 1.3). By linking periods of mismatch between model outputs and observations to underlying processes in the N cycle, I can identify causes of discrepancies. This validation step is essential to develop interpretations and suggest improvements on the representation of N transformations in biogeochemical models. Good model performance is important to accurately simulate the effects of N2O mitigation options in order to develop reliable recommendations for a more sustainable grassland management.
-