A produção de estimativas mais precisas em nível de condado de safras e rendas monetárias de terras agrícolas exigirá a integração de várias fontes de dados usando previsões baseadas em modelos que são mais transparentes e reproduzíveis, diz um novo relatório da National Academies of Sciences, Engenharia, e medicina. O relatório fornece uma visão de como o Serviço Nacional de Estatísticas Agropecuárias (NASS) pode realizar isso.

As pesquisas NASS são a base das estimativas de safra e aluguel em dinheiro, que são vitais para a eficiência no mercado agrícola e na avaliação de terras agrícolas, ajudando os participantes da indústria a decidir sobre o que crescer, como determinar as vendas, e a disponibilidade de alimentos, bem como taxas de aluguel e empréstimo para terras agrícolas. Mas com o tempo, as taxas de resposta à pesquisa diminuíram, criando desafios para usuários de dados do condado, incluindo Farm Service Agency e Risk Management Agency do USDA, que usam as estimativas do condado como parte de seus processos de administração de programas do USDA, incluindo o fornecimento de seguro agrícola e a determinação das taxas de aluguel de terras agrícolas e subsídios agrícolas. Como resultado, quando as estimativas oficiais do NASS não são confiáveis ​​devido à baixa resposta à pesquisa, podem ser usadas estimativas alternativas que não sejam transparentes nem reproduzíveis.

Atualmente, o Agricultural Statistics Board (ASB) do NASS determina as estimativas do condado, usando as respostas da pesquisa junto com outras informações disponíveis. Para alcançar transparência e reprodutibilidade, o relatório recomenda o desenvolvimento, avaliando, validando, documentando, e usando estimativas baseadas em modelos que incorporam dados de pesquisa e dados complementares, como dados administrativos, satélite e outros dados de sensoriamento remoto, e dados de agricultura de precisão. A inclusão recomendada de medidas de incerteza com as estimativas do modelo permite que os usuários determinem a utilidade das estimativas. O relatório recomenda ainda que o NASS mude a função do ASB de integrar várias fontes de dados para garantir que os modelos usados ​​para a integração sejam avaliados e validados continuamente por meio de um ciclo de feedback que sugere modificações para melhorar o desempenho do modelo. Um fator chave na combinação de dados de pesquisa com dados complementares é o desenvolvimento de uma estrutura de lista georreferenciada a partir da qual as fazendas a serem pesquisadas são selecionadas. Em seguida, a localização da fazenda pode ser usada para ligar as várias fontes de dados sobre a fazenda junto com a resposta da pesquisa.

O relatório reconhece que, dados seus recursos limitados, pode levar muitos anos para o NASS desenvolver um quadro de lista georreferenciado, modelos apropriados, e outros componentes necessários para esta visão de estimativas aprimoradas em nível de condado. O relatório sugere um plano de ação em duas partes que pode ser concluído até 2025, bem como dividir cada estágio em projetos individuais a serem executados por grupos diferentes dentro do NASS, cada um ao longo de três anos. Isso permite que o NASS continue seu cronograma e carga de trabalho contínuos enquanto implementa uma mudança gradual em suas práticas de estimativa.

O estudo foi patrocinado pelo Serviço Nacional de Estatística Agropecuária. As Academias Nacionais de Ciências, Engenharia, e a medicina é privada, instituições sem fins lucrativos que oferecem serviços independentes, análise objetiva e aconselhamento à nação para resolver problemas complexos e informar as decisões de políticas públicas relacionadas à ciência, tecnologia, e remédios. As Academias Nacionais operam sob uma carta do Congresso de 1863 para a Academia Nacional de Ciências, assinado pelo presidente Lincoln. Para maiores informações, visite http://national-academies.org.