The effects of drought on Finnish cereal grain production

Tällä tutkimuksella oli kolme pääasiallista tavoitetta: (1) analysoida maataloudellisen kuivuuden vaikutuksia Suomessa ja näiden vaikutusten levinneisyyttä; (2) arvioida kastelun potentiaalia kuivuuden vastaisena toimenpiteenä; ja (3) arvioida pilvipohjaisen paikkatietoalustan (Earth Engine) hyödyllisyyttä ja käytettävyyttä.

Näiden tavoitteiden saavuttamiseksi suuresta määrästä paikkatietodataa muodostettiin alueellisia, vuosittaisia keskiarvoja. Näiden keskiarvojen ja satotilastojen välisiä korrelaatioita tutkittiin. Satoisuuden vaihtelun arvioimiseksi satotilastoja pienemmällä mittakaavalla rakennettiin regressiomalli, joka perustui niihin paikkatietomuuttujiin,
joilla oli tilastollisesti merkittävät korrelaatiot satotilastojen kanssa. Mallinnettujen vuoden 2018 satotappioiden pohjalta muodostettiin arvio kastelun taloudellisesta potentiaalista.

Tuloksista näkyy selkeä jako maatalouden haavoittuvuudessa kuivuudelle maan etelä- ja lounaisosan ja itäisempien ja pohjoisempien alueiden välillä. Tuloksissa näkyy myös varteenotettavaa vaihtelua Varsinais-Suomen sisällä kuivan vuoden satotappioissa ja kastelun taloudellisessa potentiaalissa. Tulosten perusteella vaikuttaa siltä, että vaikka viljojen kastelu kannattaa taloudellisesti vain pienissä osissa Varsinais-Suomea, sillä voisi olla taloudellista potentiaalia kuivien vuosien aiheuttamilta satotappioilta suojelevana toimenpiteenä. Earth Enginen havaittiin olevan tehokas, joskin epätäydellinen, työkalu paikkatietoanalyysiin. Se soveltuu erityisen hyvin yksinkertaisten toimintojen laajaan toistamiseen suurilla määrillä paikkatietodataa.

———————————————————–

This study had three main aims: (1) to analyse the effects of agricultural drought in Finland and their spatial distribution; (2) to assess the economic potential of irrigation as a drought mitigation measure; and (3) to assess the usefulness and functionality of a cloud-based geospatial tool (Earth Engine).

To achieve these aims, a large amount of geospatial data was aggregated and averaged to a regional and annual level with Earth Engine. Correlations between these regional annual average values and matching cereal grain production statistics were examined. To analyse yield fluctuations at a smaller spatial scale than that of the production statistics, a regression model was built based on all variables which showed statistically significant correlations with grain yields. Based on modelled 2018 yield losses in Southwest Finland, an estimate of the economic benefit of irrigation was produced.

The results show a clear divide between the south and southwest and more eastern and northern parts of the country in terms of vulnerability to agricultural drought. The results also show a considerable degree of local variation in dry-year yield losses and the potential economic benefit of irrigation within Southwest Finland. Based on the results, even though irrigation of cereal grains seems to make economic sense only in small, fairly well-defined parts of the study area, it could have some promise as a protective measure against dry-year yield losses. Earth Engine was found to be a powerful, if imperfect, tool for geospatial analysis. It is especially suited to large-scale repetition of simple tasks on large amounts of geospatial data.