Publikováno 15. září 2026 | Verze v1
Publikace Otevřený

DIGITÁLNÍ TRANSFORMACE ZEMĚDĚLSTVÍ V KONTEXTU ADAPTACE NA KLIMATICKÉ ZMĚNY A DALŠÍ GLOBÁLNÍ VÝZVY K DOSAŽENÍ EKONOMICKÉ A ENVIRONMENTÁLNÍ UDRŽITELNOSTI

Popis

Metodika poskytuje agro-ekonomické modelovací nástroje a postupy, které lze zodpovědně použít pro digitalizaci agro-ekonomických systémů v ČR. Digitalizované systémy jsou východiskem pro design zemědělských systémů v rámci jejich adaptace na klimatické změny. Tento koncept je primárně použit pro kukuřičné produkční systémy v ČR, které jsou nejvíce ohroženy klimatickou změnou. Metodika nabízí agro-ekonomické nástroje a navržené postupy pro substituci kukuřice čirokem. Stejné modelovací nástroje jsou následně použity k in silico identifikaci vhodných “ideotypů” čiroku a kultivačních metod, které s vysokou pravděpodobností povedou ke stabilizaci výnosů v těchto problematických oblastech.
Agronomické modelování poskytuje repozitář dostupných experimentálních dat a datových zdrojů (úroda, půda, meteorologické informace, agronomické postupy, budoucí globální modely klimatu [GCM] pro ČR), rekapitulace know-how a srovnání existujícího nastavení modelovacích nástrojů (primárně APSIM, SSM, DSSAT).
Ekonomické modelování: vstupní data a zároveň výstupy z agronomického modelování, dostupná polní data a další informace ekonomického charakteru slouží pro odhad stochastických produkčních modelů, které umožňují komparativní analýzu českých produkčních systémů kukuřice a alternativních plodin (čirok). Odhadnuté produkční modely poskytují informace o technické efektivnosti, efektivnosti z rozsahu, a produktivitě pro analyzované plodiny a pro různé agronomické postupy (vč. precizního zemědělství), půdní a další charakteristiky. Zároveň poskytnou srovnání jednotkových nákladů a ziskovosti v analyzovaných klimatických scénářích. Jednotlivé proměnné jsou vytvořeny v návaznosti na strukturu nákladů a výnosů relevantní pro model, hektarové výnosy, pěstební plochy s ohledem na výrobní oblasti a klimatické podmínky. Produkční modely jsou odhadnuty s využitím ekonometrického přístupu stochastické hraniční analýzy.
Optimální design agronomických produkčních systémů ČR: vhodný model (např. APSIM, DSSAT a SSM) je adaptován pro systémy v ČR. Následně je použit k agronomickému modelování relevantních kombinací potenciálních kultivarů alternativních plodin (tj. ideotypu čiroku doprovázeným vhodnými kultivačními metodami) pro tradiční kukuřičné produkční systémy v ČR (“GxM for E”). Výstupy simulací zahrnují optimalizovanou produktivitu plodin (výnos zrna a biomasy), optimalizované vstupní parametry (hnojiva, čas a hustota výsevu) a dynamiku využití zdrojů (např. organicky uhlík v půdě, efektivnost využití hnojiva).
Propojení ekonomického modelu s agronomickým modelem vytvoří podklad k tvorbě a testování klimatických scénářů, vč. zohlednění agronomických postupů, pro komerční kultivaci čiroku a přispívá k definování potenciálních ekonomických výhod.

Soubory

Metodika-Digitální transformace.pdf

Soubory (4.8 MB)

Jméno Velikost Stáhnout vše
md5:40c7bb641ebb9cd5e9ebd07b9fa5dec3
4.8 MB Náhled Stáhnout

Další údaje

Financování

Ministry of Agriculture
Precizní zemědělství a digitalizace v ČR QK23020058

Zdroje

  • Bacsi, Z. & Zsolt Hollósy, Z. (2019). a yield stability index and its application for crop production. Analecta Technica Szegedinensia. 13(1): 11–20.
  • Diancoumba, M., Kholová, J., Adam, M., Famanta, M., lerget, B., Traore, P.C.S., Weltzien, E., Vacksmann, M., McLean, G., Hammer, G.L., Van Oosterom, E.J. & Vadez, V. (2024). APSIM-based modeling approach to understand sorghum production environments in Mali. Agronomy for Sustainable Development. 44(3): 25 p.
  • Durrington, G., Saddig, J., Brider, J., Hammer, G. & WU, A. (2025). Enhancing sorghum yield and risk management via optimizing crop design. In: Silico Plants. 7(2).
  • Gavasso-Rita, Larissa, Y., Papalexiou, S.M., LI, Y., Elshorbagy, A., LI, Z. & Schister-Walace, C. (2023). Crop models and their use in assessing crop production and food security: a review. Food and Energy Security.13(1).
  • Greene, W. (2005). Fixed and Random Effects in Stochastic Frontier Models. Journal of Productivity Analysis 23: 7–32.
  • Chenu, K., Cooper, M., Hammer, G.L., Mathgews, K.L., M. F. Dreccer, M.F. & Chapman, S.C. (2011). Environment characterization as an aid to wheat improvement: interpreting genotype–environment interactions by modelling water-deficit patterns in North-Eastern Australia. Journal of Experimental Botany. 62(6): 1743–1755.
  • Jondrow, J., Lovell, C.A.K, Materov, I.S., & Schmidt, P. (1982). On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of Econometrics 19, 233–238.
  • Kholová, J., Hajjarpoor, A., Garin, V., Nelson, W., Diacoumba, M., Mesina, C.D., Hammer, G.L., Ammer, XU, Y., Urban, M.O. & Jarolímek, J. (2022). The role of crop growth models in crop improvement: integrating phenomics, envirotyping and genomic prediction. In: Burleigh Dodds series in agricultural science. 263–282.
  • Kholová, J., Milan Oldřich Urban, M.O., Cock, J., Arcos, J., Arnaud, E., Aytekin, D., Azevedo, V., Barnes, A.P., Ceccarelli, S., Paul Chavarriaga, P., Cobb, J.N., Connor, D., Cooper, M., Craufurd, P., Debouck, D., Fungo, R., Grando, S., Hammer, G.L., Jara, C.J., Messina, C., Mosquera, G., Nchanji, E., Ng, E.H., Prager, S., Sankaran, S., Selvaraj, M., Tardieu, F., Thornton, P., Valdez-Gutierrez, S.P., Van Etten, J., Wenzl, P. & XU, Y. (2021). In pursuit of a better world: crop improvement and the CGIAR. Journal of Experimental Botany. 72(14): 5158–5179.
  • Kumbhakar, S.C., Wang, H.-J. & Horncastele, A.P. (2015). a Practitioner's Guide to Stochastic Frontier Analysis Using Stata. Cambridge: Cambridge University Press, 359 p.
  • McCown, R.L., Hammer, G.L., Hargreaves, J.N.G.. Holzworth, D. & Huth, N.I. (1995). APSIM: an agricultural production system simulation model for operational research. Mathematics and Computers in Simulation. 39(3–4): 225–231.
  • Ronanki, S., Pavlík, J., Masner, J., Jarolímek, J., Stočes, M., Subhash, D., Talwar, H.S., Vilas A. Tonapi, V.A., Srikanth, M., Baddam, R. & Kholová, J. (2022). An APSIM-powered 59 framework for post-rainy sorghum-system design in India. Field Crops Research. 277, p. 108422.
  • Sarkar, S., Gaydon, S.S., Kamruzzaman, M., Mainuddin, M., Dhar, A., Dey, S. & Brahmachari, K. (2025). Climate-smart management of rice–pulse rotations in complex coastal saline ecosystems: an APSIM assessment. Agricultural Systems. 230, p.104473.