No topo da lista das principais safras da Austrália, o trigo é cultivado em mais da metade das terras cultiváveis ​​do país e é uma commodity de exportação importante. Com tanto cavalgando sobre o trigo, É necessária uma previsão de safra precisa para prever a segurança alimentar regional e global e os mercados de commodities. Um novo estudo publicado em Meteorologia Agrícola e Florestal mostra que os métodos de aprendizado de máquina podem prever com precisão a produção de trigo para o país dois meses antes da maturação da safra.

"Testamos várias abordagens de aprendizado de máquina e integramos dados de satélite e clima em grande escala para chegar a uma previsão confiável e precisa da produção de trigo para toda a Austrália, "diz Kaiyu Guan, professor assistente do Departamento de Recursos Naturais e Ciências Ambientais da Universidade de Illinois, Professor da Blue Waters no National Center for Supercomputing Applications, e pesquisador principal do estudo. "A incrível equipe de colaboradores internacionais que contribuíram para este estudo aumentou significativamente nossa capacidade de prever a produção de trigo para a Austrália."

As pessoas tentam prever o rendimento das safras quase desde que existam safras. Com o aumento do poder computacional e acesso a várias fontes de dados, as previsões continuam a melhorar. Nos últimos anos, os cientistas desenvolveram estimativas bastante precisas do rendimento das safras usando dados climáticos, dados de satélite, ou ambos, mas Guan diz que não estava claro se um conjunto de dados era mais útil do que o outro.

"Neste estudo, usamos uma análise abrangente para identificar o poder preditivo do clima e dos dados de satélite. Queríamos saber com que cada um contribui, "ele diz." Descobrimos que os dados climáticos por si só são muito bons, mas os dados de satélite fornecem informações extras e trazem o desempenho de previsão de rendimento para o próximo nível. "

Usando conjuntos de dados climáticos e de satélite, os pesquisadores foram capazes de prever o rendimento do trigo com aproximadamente 75 por cento de precisão dois meses antes do final da estação de cultivo.

"Especificamente, descobrimos que os dados de satélite podem capturar gradualmente a variabilidade do rendimento da colheita, que também reflete as informações climáticas acumuladas. As informações climáticas que não podem ser capturadas por dados de satélite servem como uma contribuição única para a previsão do rendimento do trigo em toda a estação de cultivo, "diz Yaping Cai, doutorando e principal autor do estudo.

O co-autor David Lobell, da Universidade de Stanford, acrescenta:"Também comparamos o poder preditivo de um método estatístico tradicional com três algoritmos de aprendizado de máquina, e os algoritmos de aprendizado de máquina superaram o método tradicional em todos os casos. "Lobell iniciou o projeto durante um ano sabático de 2015 na Austrália.

Os pesquisadores dizem que os resultados podem ser usados ​​para melhorar as previsões sobre a colheita de trigo da Austrália no futuro, com potenciais efeitos em cascata sobre a economia australiana e regional. Além disso, eles estão otimistas de que o próprio método pode ser traduzido para outras culturas em outras partes do mundo.

O artigo, "Integração de dados de satélite e clima para prever a produção de trigo na Austrália usando abordagens de aprendizado de máquina, "é publicado em Meteorologia Agrícola e Florestal .