Os investigadores e colaboradores da Cornell desenvolveram um novo quadro que permite aos cientistas prever o rendimento das culturas sem a necessidade de enormes quantidades de dados de alta qualidade – que são muitas vezes escassos nos países em desenvolvimento, especialmente aqueles que enfrentam uma maior insegurança alimentar e riscos climáticos.



Em muitas partes do mundo, os rendimentos das culturas estão a diminuir, em grande parte devido aos efeitos das alterações climáticas. De acordo com um estudo recente da Cornell, ao longo das últimas quatro décadas, por cada 1 grau Celsius de aquecimento, o rendimento agrícola líquido diminuiu 66%.

Os agricultores dos países desenvolvidos podem muitas vezes contar com grandes conjuntos de dados e ferramentas de gestão de riscos para ajudar a reduzir os impactos do calor extremo na sua produção e rendimento. Mas nos países em desenvolvimento, os dados são escassos e muitas vezes é difícil medir com precisão o rendimento das culturas.

Em um artigo publicado na Environmental Research Letters , os cientistas sugerem o uso de fotos de satélite para medir remotamente a fluorescência da clorofila induzida pela energia solar (SIF) como forma de avaliar e prever o rendimento das culturas. Usando amostras de campos de milho nos EUA e de trigo na Índia, os cientistas encontraram uma abordagem que deveria, em princípio, funcionar universalmente para qualquer cultura, de acordo com Ying Sun, co-autor e professor associado de ciências do solo e das culturas em a Faculdade de Agricultura e Ciências da Vida (CALS).

A fluorescência da clorofila é a luz avermelhada reemitida por tecidos e organismos fotossintéticos, disse ela, uma medida que serve como um proxy da conversão de energia fotossintética nas plantas.

"Não vai dizer quantas espigas de milho existem em um campo", disse ela, "mas o primeiro passo é modelar a fotossíntese a partir da fluorescência. O rendimento da colheita depende da fotossíntese. Aqui temos um modelo mecanicista, que é muito importante. "

O coautor Chris Barrett, professor Stephen B. e Janice G. Ashley de Economia Aplicada e Gestão na Escola de Economia e Gestão Aplicada Charles H. Dyson e na Escola de Políticas Públicas Cornell Jeb E. Brooks, sugere esta abordagem poderia ser valioso para a previsão e definição de metas:para a tomada de decisões políticas, para o estabelecimento de seguros de colheitas e até para a previsão de áreas de pobreza.

Esta estratégia tira partido da crescente disponibilidade de dados de satélite e é mais barata de utilizar e mais rápida de aceder do que outros métodos de previsão de rendimento, disse ele.

"É por isso que considero isto promissor. Posso imaginar que isto seja útil na previsão da pobreza à escala das aldeias em áreas rurais onde grande parte da economia é impulsionada pela agricultura", disse ele. “Esses são lugares onde tivemos dificuldade em coletar dados e onde as coisas podem mudar muito rapidamente. Se estivermos tentando aproveitar recursos escassos e redirecioná-los para onde terão o maior impacto, isso pode ser útil.”

Esta ferramenta poderia ser utilizada para ajudar as organizações de assistência alimentar e as agências não governamentais a serem mais ágeis na prestação de ajuda, disse Barrett.

Sun disse que ela e os seus colegas estão a trabalhar em mais pesquisas que permitiriam que este tipo de ferramenta no futuro fosse usado em tempo real para permitir que os agricultores reagissem, ajustando coisas como correcções do solo ou estratégias de irrigação para melhorar a saúde e a produtividade da colheita actual.

Nos EUA, o Departamento de Agricultura e outras instituições fornecem enormes quantidades de dados sobre colheitas. Cada vez mais, modelos de aprendizagem automática estão a ser utilizados para fazer previsões, disse o autor principal Oz Kira, da Universidade Ben-Gurion do Negev, em Israel, e ex-pós-doutorando no laboratório da Sun, mas estes modelos pressupõem condições ambientais semelhantes.

Kira sugere que o uso de dados de satélite de fluorescência de clorofila permitirá mudanças nas condições.

“Se as condições de cultivo mudarem, é possível que as previsões não sejam aplicáveis”, disse Kira. “No nosso caso, não baseamos os nossos modelos em observações prévias. Isto pode ter em conta as alterações climáticas.”

Os coautores do estudo incluem Jiaming Wen, Ph.D.; Jimei Han, pesquisador de pós-doutorado no laboratório da Sun; Andrew McDonald, professor associado da Escola de Ciência Integrativa de Plantas e do Departamento de Desenvolvimento Global (CALS); Ariel Ortiz-Bobea, professor associado de economia e política aplicada (Dyson and Brooks School); e Yanyan Liu, professor adjunto (Dyson).

Mais informações: Oz Kira et al, Uma estrutura escalável de estimativa de rendimento de culturas baseada em sensoriamento remoto de fluorescência de clorofila induzida por energia solar (SIF), Environmental Research Letters (2024). DOI:10.1088/1748-9326/ad3142
Informações do diário: Cartas de Pesquisa Ambiental

Fornecido pela Universidade Cornell