Prever e identificar quais práticas agrícolas têm maior probabilidade de proteger contra danos ambientais é uma proposta complexa, e pesquisadores da Universidade Estadual de Ohio estão trabalhando para ajustar as ferramentas que podem ajudar os agricultores e outros a prevenir a proliferação de algas nocivas.

Esta semana, na reunião de outono da American Geophysical Union (AGU) em Washington, D.C, uma equipe de cientistas da The Ohio State University compartilhou os primeiros resultados de um trio de estudos que visam melhorar os modelos projetados para orientar as práticas agrícolas para reduzir o risco de escoamento de nitrogênio e fósforo em fazendas. Esse escoamento leva ao crescimento de algas tóxicas nos cursos de água.

Modelos básicos para prever as consequências de várias decisões, como quando aplicar fertilizante, estão disponíveis, mas devem ser refinados a fim de garantir a confiabilidade e ganhar a confiança das partes interessadas, incluindo agricultores e organizações de proteção ambiental, disse Jay Martin, professor de engenharia ecológica no estado de Ohio.

Asmita Murumkar, um pesquisador de pós-doutorado no estado de Ohio, disse que seu trabalho está começando a iluminar como o momento da aplicação de fertilizantes se cruza com chuvas fortes para contribuir para o escoamento de nutrientes. Ela está trabalhando com o Ohio Applicator Forecast, uma ferramenta que usa dados do Serviço Meteorológico Nacional para atribuir estimativas de risco à aplicação de fertilizantes em vários momentos.

Murumkar espera que sua pesquisa ajude a quantificar o impacto que a ferramenta teria sobre o meio ambiente em diferentes cenários - digamos, se um quarto dos agricultores na bacia do rio Maumee a usasse, ou metade.

"Queremos entender melhor quanto escoamento de fósforo reduziria na região, "Martin disse, acrescentando que há muitas evidências de que as práticas agrícolas individuais impactam o escoamento dessas fazendas, mas menos evidências em termos de estimativas em larga escala.

"Sabemos de nosso trabalho anterior que o momento do fertilizante é importante, mas queremos ser capazes de olhar para toda a Bacia do Lago Erie e conhecer os cenários de melhor e pior caso e esta modelagem ajudará a resolver isso, " ele disse.

Margaret Kalcic, professor assistente em Ohio State's Food, Departamento de Engenharia Agrícola e Biológica, disse que os agricultores são encorajados a seguir os "Quatro Rs" no momento certo, fonte, quantidade e local ao aplicar fertilizante.

"Mas 'certo' não está claramente definido, e nossa equipe está trabalhando para fornecer aos nossos parceiros em Ohio, incluindo fazendeiros, defensores e formuladores de políticas, com melhores respostas, "Kalcic disse.

Adicionado Martin, "Há mais sutileza aqui do que apenas observar o clima e a umidade do solo e estamos tentando determinar as melhores soluções que apóiem ​​a produção agrícola e a proteção ambiental."

Gray Evenson, um pesquisador de pós-doutorado no estado de Ohio, apresentará as descobertas iniciais de seu trabalho para identificar os melhores dados a serem usados ​​na modelagem, de modo que oferece uma imagem mais precisa do que está acontecendo nos campos e cursos d'água adjacentes.

"Não queremos subestimar - ou superestimar - o valor dessas melhores práticas de gestão. Por exemplo, algumas práticas podem produzir benefícios maiores do que acreditamos no modelo, como melhorar a saúde do solo, o que leva a uma melhor retenção de água, "Evenson disse.

Adicionado Kalcic, "Muito desse trabalho é sobre o ajuste de modelos existentes. Ao melhorar a qualidade das informações que colocamos neles, temos maior confiança nas informações que saem deles." Ela disse que há muitas perguntas sobre os maiores impactos ambientais de práticas como o plantio direto, que geralmente é considerado amigo do ambiente.

"Sabemos que o plantio direto é bom para prevenir a erosão do solo, mas ainda existem incertezas sobre seus efeitos na qualidade da água na região, "Kalcic disse.

A estudante Anna Apostel discutiu um terceiro projeto, no qual ela está manipulando vários parâmetros em um modelo para tentar determinar o quão confiável - ou não - o modelo é. O objetivo de longo prazo é avançar para estimativas mais robustas de como as práticas contribuem para a qualidade da água.

Martin disse que ajustar os parâmetros para que as magnitudes dos processos correspondam melhor à realidade e aos dados de observações no campo é uma parte crítica para melhorar o desempenho do modelo.

"Queremos ajustar nossas equações para melhor representar a realidade, "Disse Apostel.

O objetivo geral de todo o trabalho, os pesquisadores disseram, é ter modelos que se alinham melhor com o que os pesquisadores observaram em experimentos de campo, mas que podem olhar para as questões de uma maneira ampla, nível regional.

"Sabemos que se você construir um modelo ruim, não vai ajudar ninguém a tomar decisões, "Kalcic disse.

"Nós realmente queremos construir confiança em modelos verdadeiramente úteis que ajudarão os formuladores de políticas, agricultores e outros. O pior seria que as pessoas confiassem em modelos que lhes transmitem a mensagem totalmente errada, " ela disse.