O milho é plantado em aproximadamente 90 milhões de acres nos Estados Unidos a cada ano. Com todos esses dados, leva meses após a colheita para que as agências governamentais analisem a produção total e a qualidade dos grãos. Os cientistas estão trabalhando para encurtar esse cronograma, fazer previsões para o rendimento do final da temporada no meio da temporada. Contudo, menos pesquisadores abordaram as previsões de qualidade do grão, especialmente em grandes escalas. Um novo estudo da Universidade de Illinois começa a preencher essa lacuna.

O estudo, publicado em Agronomia , usa um algoritmo desenvolvido recentemente para prever o rendimento do final da temporada e a composição do grão - a proporção de amido, óleo, e proteína no kernel - analisando os padrões climáticos durante três estágios importantes no desenvolvimento do milho. Mais importante, as previsões se aplicam a toda a safra de milho do meio-oeste dos Estados Unidos, independentemente dos genótipos de milho ou práticas de produção.

"Existem vários estudos que avaliam os fatores que influenciam a qualidade de genótipos ou locais específicos, mas antes deste estudo, não poderíamos fazer previsões gerais nesta escala, "diz Carrie Butts-Wilmsmeyer, professor assistente de pesquisa no Departamento de Ciências da Agricultura da Universidade de I e co-autor do estudo.

Conforme o milho chega aos elevadores em todo o meio-oeste a cada temporada, o U.S. Grains Council coleta amostras para avaliar a composição e a qualidade de seus relatórios anuais de resumo, que são usados ​​para vendas de exportação. Foi esse banco de dados abrangente que Butts-Wilmsmeyer e seus colegas usaram no desenvolvimento de seu novo algoritmo.

"Usamos dados de 2011 a 2017, que abrangeu anos de seca, bem como anos de rendimento recorde, e tudo mais, "diz Juliann Seebauer, principal especialista em pesquisa do Departamento de Ciências de Colheitas da U of I e co-autor do estudo.

Os pesquisadores parearam os dados de qualidade dos grãos com os dados meteorológicos de 2011-2017 das regiões que alimentam cada elevador de grãos. Para construir seu algoritmo, eles se concentraram no clima durante três períodos críticos - emergência, sedando, e enchimento de grãos - e descobriram que o indicador mais forte tanto do rendimento de grãos quanto da qualidade da composição era a disponibilidade de água durante a sedimentação e enchimento de grãos.

A análise foi mais profunda, identificação das condições que levam a concentrações mais altas de óleo ou proteína - informações importantes para os compradores de grãos.

A proporção de amido, óleo, e a proteína no grão de milho é influenciada pelo genótipo, disponibilidade de nutrientes do solo, e o clima. Mas o efeito do clima nem sempre é direto quando se trata de proteína. Em condições de seca, plantas estressadas depositam menos amido no grão. Portanto, o grão tem proporcionalmente mais proteína do que as plantas que não sofrem estresse hídrico. O bom tempo também pode levar a maiores concentrações de proteínas. Muita água significa que mais nitrogênio é transportado para a planta e incorporado às proteínas.

Na análise, "Os níveis de proteína e óleo de grãos acima da média foram favorecidos por menos lixiviação de nitrogênio durante o crescimento vegetativo inicial, mas também temperaturas mais altas na floração, enquanto maiores concentrações de óleo do que de proteína resultaram de temperaturas mais baixas durante a floração e enchimento de grãos, "dizem os autores no estudo.

A capacidade de prever melhor as concentrações de proteína e óleo em grãos pode influenciar os mercados globais, considerando a crescente demanda doméstica e internacional por milho com alto teor de proteína para aplicações em rações animais. Com o novo algoritmo, deveria ser teoricamente possível fazer previsões de produção e qualidade no final da temporada semanas ou meses antes da colheita, simplesmente observando os padrões climáticos.

"Outros pesquisadores conseguiram previsões de rendimento em tempo real usando dados e modelos muito mais complexos. Nossa abordagem foi comparativamente simples, mas conseguimos adicionar a peça de qualidade e alcançar uma precisão decente, "Butts-Wilmsmeyer diz." As variáveis ​​meteorológicas que consideramos importantes neste estudo poderiam ser usadas em análises mais complexas para alcançar uma precisão ainda maior na previsão de rendimento e qualidade no futuro. "