関連するサービス

WeRise (Weather-rice-nutrient integrated decision support system):
季節予報を使った天水稲作向け意思決定システム

関連する成果報告

  1. 今年のオーストラリアの冬小麦の収量が減るかも？―現在発生中の正のインド洋ダイポールモード現象による影響とは
  2. WeRise-季節予報を使った天水稲作向け意思決定システム
  3. 世界の主要作物の収量変動を3ヶ月前から予測するプロセス解像型シミュレーションを開発
  4. フィリピン稲研究所の季刊誌でWeRise（季節予報による天水稲作向けの意思決定システム）が紹介されました
  5. 2018年インドネシアの干ばつ
  6. アジアモンスーン地域の天水稲作における最適播種期予測による収量改善
    ・アジアモンスーン地域の天水稲作における最適播種期予測による収量改善
    ・フィリピン稲研究所の季刊誌でWeRise（季節予報による天水稲作向けの意思決定システム）が紹介されました
  7. 東南アジアの農-業技術をサブサハラアフリカへ適応させるには－天水稲作向け意志決定支援システムを例に挙げて－
  8. オーストラリアの冬小麦収量を左右するのはインド洋のダイポールモード現象
  9. エルニーニョ／ラニーニャと世界の主要穀物の生産変動との関係性を解明

関連するプロジェクト

  1. 環境研究総合推進費(2-1405)「最近頻発し始めた新しい自然気候変動現象の予測とその社会応用」
  2. JST-JICA地球規模課題対応国際科学技術協力プログラム（SATREPS）「気候変動予測とアフリカ南部における応用」
  3. APL共同研究“異常気象”が広域農作物生産へ及ぼす影響予測の精度評価のための気候－作物生産性モデルの結合に関する実験的研究"
  4. APL共同研究”全球・複数作物を対象とする作物収量変動予測の精度評価とその周辺技術に関する研究”

関連する研究論文

  1. Hayashi K, Llorca LP, Bugayong ID, Agustiani N, Capistrano AOV. Evaluating the Predictive Accuracy of the Weather-Rice-Nutrient Integrated Decision Support System (WeRise) to Improve Rainfed Rice Productivity in Southeast Asia. Agriculture. 2021; 11(4):346.
  2. T. Doi, G. Sakurai, and T. Iizumi, 2020: 'Seasonal Predictability of Four Major Crop Yields Worldwide by a Hybrid System of Dynamical Climate Prediction and Eco-Physiological Crop-Growth Simulation' Front. Sustain. Food Syst.,4,84
  3. Sahu, Netrananda, Atul Saini, Swadhin Behera, Takahiro Sayama, Sridhara Nayak, Limonlisa Sahu, Weili Duan et al. "Impact of indo-pacific climate variability on rice productivity in Bihar, India." Sustainability 12, no. 17 (2020): 7023.
  4. Panda, Arpita, Netrananda Sahu, Swadhin Behera, Takahiro Sayama, Limonlisa Sahu, Ram Avtar, R. B. Singh, and Masafumi Yamada. "Impact of climate variability on crop yield in Kalahandi, Bolangir, and Koraput districts of Odisha, India." Climate 7, no. 11 (2019): 126.
  5. Hayashi, Keiichi, Lizzida Llorca, and Iris Bugayong. "Development, Validation, and Dissemination of a Decision Support System for Rainfed Rice Farming in Southeast Asia: A Case Study in Indonesia." Adaptation to Climate Change in Agriculture: Research and Practices (2019): 193-207.
  6. Oettli, P., Behera, S.K. & Yamagata, T. Climate Based Predictability of Oil Palm Tree Yield in Malaysia. Sci Rep 8, 2271 (2018).
  7. Sakurai, G., Doi, T., Okada, M., Nishimori, M., and Yokozawa, M. (2018). “Potential benefits of changing the planting date to account for seasonal climate forecasts,” in 20th EGU General Assembly, EGU2018, Proceedings from the conference Vienna. p.15786.
  8. Hayashi, K., Llorca, L., Rustini, S., Setyanto, P., and Zaini, Z. (2018). Reducing vulnerability of rainfed agriculture through seasonal climate predictions: a case study on the rainfed rice production in southeast Asia. Agric. Syst. 162, 66–76. doi: 10.1016/j.agsy.2018.01.007
  9. Iizumi, T., et al. "Characterizing the reliability of global crop prediction based on seasonal climate forecasts." World Scientific Series on Asia-Pacific Weather and Climate 7 (2016): 281-304.
  10. Yuan, C., Yamagata, T. Impacts of IOD, ENSO and ENSO Modoki on the Australian Winter Wheat Yields in Recent Decades. Sci Rep 5, 17252 (2015).
  11. Malherbe, J., Landman, W.A., Olivier, C., Sakuma, H. and Luo, J.J. (2014), Seasonal forecasts of the SINTEX-F coupled model applied to maize yield and streamflow estimates over north-eastern South Africa. Met. Apps, 21: 733-742.
  12. Iizumi, T., Luo, J. J., Challinor, A. J., Sakurai, G., Yokozawa, M., Sakuma, H., et al. (2014). Impacts of El niño southern oscillation on the global yields of major crops. Nat. Commun. 5, 1–7. doi: 10.1038/ncomms4712
  13. Iizumi, T., Sakuma, H., Yokozawa, M., Luo, J. J., Challinor, A. J., Brown, M. E., et al. (2013). Prediction of seasonal climate-induced variations in global food production. Nat. Clim. Chang. 3, 904–908. doi: 10.1038/nclimate1945