Globala kartor över odlingslämplighet för 17 grödor under nuvarande (2024) och framtida klimatscenarier (2041–2100)

Varför grödors framtid angår oss alla

När världens befolkning växer och klimatet blir varmare blir en grundläggande fråga akut: var på jorden kommer vi fortfarande att kunna odla våra basgrödor? Denna studie tar sig an frågan genom att bygga detaljerade globala kartor som visar hur lämpliga olika platser är för odling av 17 viktiga grödor i dag och under framtida klimatförhållanden. Kartorna kan hjälpa jordbrukare, planerare och allmänheten att förstå hur livsmedelsproduktionen kan förskjutas under de kommande årtiondena.

Kartläggning av var grödor kan trivas

Författarna fokuserar på ”odlingslämplighet”, det vill säga hur väl lokalt klimat och naturförhållanden kan stödja en grödas hela växtcykel, från plantering till skörd. Istället för att lita på äldre tumregler eller grova globala medelvärden samlar de in en mycket stor, uppdaterad datamängd som speglar hur moderna grödsorter faktiskt odlas i dag. De kombinerar tre huvudkällor för data om grödornas förekomst: fältobservationer från en biodiversitetsdatabas, detaljerade grödkartor från satelliter och en ny global dataset med grödstatistik. Tillsammans ger dessa källor miljontals förekomster för 17 viktiga grödor, inklusive vete, ris, majs, soja, rotfrukter, oljeväxter och industrigrödor som bomull och sockerrör.

Att förvandla jorddata till en atlas över odlingslämplighet

För att förstå varför grödor finns där de gör parar studien ihop dessa grödpositioner med 30 miljöfaktorer som starkt påverkar växttillväxt. Dessa faktorer täcker tre huvudaspekter av landskapet. Topografiska data beskriver markens höjd och form, inklusive höjd över havet och lutning. Jorddata karakteriserar textur, djup, salts innehåll, organiskt material och näringsämnen. Meteorologiska data fångar nederbörd, temperatur, strålning, markfukt och värmesummor som behövs för grödors utveckling. För nutida period (2024) kommer dessa variabler från högupplösta globala produkter baserade på väderobservationer, hydrologiska uppskattningar och satellitobservationer. För framtiden (2041–2100) använder författarna klimatscenarier från den senaste generationens globala klimatmodeller under fyra olika socioekonomiska och utsläppsbanor.

Hur modellerna lär av landskapet

Med denna sammanställda datamängd i handen tränar teamet en separat maskininlärningsmodell för varje gröda med hjälp av random forest-algoritmen. För varje provpunkt ser modellen om grödan är närvarande eller frånvarande och vilka miljöförhållanden som gäller. Den lär sig sedan att skilja platser som gynnar grödan från dem som inte gör det. För att undvika överanpassning och för att säkerställa att modellerna fungerar bra över regioner använder författarna ett spatialt korsvalideringsschema som håller tränings- och testdata geografiskt separerade. De använder också en variabelselekteringsprocedur för att ta bort redundant förklarande variabler och en Bayesiansk sökning för att justera modellinställningar. De resulterande modellerna uppnår hög noggrannhet: på oberoende testdata är den genomsnittliga totala noggrannheten över 17 grödor cirka 94 %, med både kategorierna ”lämplig” och ”inte lämplig” klassificerade tillförlitligt.

Att se dagens fält och morgondagens förskjutningar

När modellerna är tränade appliceras de på varje 1 km × 1 km rutcell över hela världen, för dagens klimat och för tre framtida tidsfönster under fyra klimatscenarier. Istället för ett enkelt ja-eller-nej-svar ger modellerna en kontinuerlig lämplighetspoäng mellan 0 och 1, som senare kan grupperas i kategorier för visualisering. Författarna jämför sina nutida kartor med mycket använda globala lämplighetsdataset som GAEZ och GLUES. Deras kartor stämmer väl överens i stora drag men visar finare rumslig detalj och bättre överensstämmelse med oberoende, högupplösta grödkartor i regioner som nordöstra Kina och Argentina. Temperaturrelaterade variabler och värmesummor framträder som särskilt viktiga för att förklara var grödor kan växa, vilket belyser jordbrukets känslighet för klimatuppvärmning.

Vad detta betyder för livsmedel och planering

Studien levererar en fritt tillgänglig, högupplöst global atlas över odlingslämplighet för 17 stora grödor, som omfattar både nutid och en rad framtida klimatbanor. Författarna betonar att framtidsprojektioner inte bör tolkas som exakta prognoser—särskilt i regioner där klimatet rör sig bortom allt som observerats hittills—men kartorna ger ett kraftfullt verktyg för att utforska relativa vinster och förluster i grödopotential. För beslutsfattare som oroar sig för att föda en större befolkning på en föränderlig planet kan dessa dataset informera var man bör skydda bördig åkermark, var nya möjligheter kan uppstå och var dagens odlingssystem kan behöva anpassas eller flyttas.

Citering: Wang, T., Dong, J. Global crop suitability datasets for 17 crops under present (2024) and future climate scenarios (2041–2100). Sci Data 13, 691 (2026). https://doi.org/10.1038/s41597-026-06688-4

Nyckelord: odlingslämplighet, klimatförändringar, livsmedelssäkerhet, fjärranalys, maskininlärning