p A redução das emissões de gases de efeito estufa (GEEs) e da poluição da água com nitrogênio na agricultura são as principais prioridades ambientais nos Estados Unidos. A chave para atingir as metas climáticas é ajudar os produtores a navegar nos mercados de carbono, ao mesmo tempo que ajuda o meio ambiente e melhora a renda agrícola. p Uma nova ferramenta desenvolvida por uma equipe de pesquisa da Universidade de Minnesota permite que os agricultores criem um balanço patrimonial de quaisquer planos de redução de nitrogênio e vejam o custo econômico e ambiental, retorno e margens, todos personalizados para os campos sob sua gestão.

p "Com esses números em mente, os agricultores podem tomar decisões mais informadas sobre a mitigação de nitrogênio, o que não apenas economiza dinheiro, mas também reduz significativamente os poluentes para o meio ambiente, "disse Zhenong Jin, que liderou a pesquisa e é professor assistente do Departamento de Engenharia de Bioprodutos e Biossistemas (BBE) na Faculdade de Alimentos, Ciências Agrárias e de Recursos Naturais (CFANS).

p As ferramentas anteriores não permitiam previsões personalizadas para todos os campos no cinturão do milho dos EUA, já que os custos computacionais e de armazenamento para executar esses modelos de cultura em grande escala seriam muito caros.

p Conforme descrito em um artigo publicado em IOPscience , a equipe de pesquisa construiu uma série de metamodelos baseados em aprendizado de máquina que podem imitar quase perfeitamente um modelo de cultura bem testado em velocidades muito mais rápidas. Usando os metamodelos, eles geraram milhões de simulações de cenários e investigaram duas questões fundamentais de sustentabilidade - onde estão os pontos de acesso de mitigação, e quanta mitigação pode ser esperada em diferentes cenários de gestão.

p "Sintetizamos quatro indicadores simulados de sustentabilidade do agroecossistema - rendimento, N ₂ Emissões O, lixiviação de nitrogênio, e mudanças no carbono orgânico do solo - em benefícios econômicos líquidos para a sociedade como a base para a identificação de pontos críticos e terras inviáveis ​​para mitigação, "disse Taegon Kim, Associado de pesquisa CFANS no departamento de BBE. Os benefícios sociais incluem economia de custos com a mitigação de GEE, bem como a melhoria da qualidade da água e do ar.

p "Ao fornecer indicadores-chave de sustentabilidade relacionados à produção da safra a montante, nossos metamodelos podem ser uma ferramenta útil para as empresas de alimentos quantificarem as emissões em sua cadeia de abastecimento e distinguir opções de mitigação para definir metas de sustentabilidade, "disse Timothy Smith, professor de Gestão de Sistemas Sustentáveis ​​e Gestão de Negócios Internacionais no departamento BBE da CFANS.

p O estudo, conduzido no cinturão de milho do meio-oeste dos EUA, achar algo:

• Reduzir o fertilizante de nitrogênio em 10% leva a 9,8% menos N ₂ Emissões de O e 9,6% menos lixiviação de nitrogênio, ao custo de 4,9% a mais de depleção de carbono orgânico do solo, mas apenas uma redução de 0,6% no rendimento na região de estudo.
• Os benefícios sociais anuais totais líquidos estimados são de $ 395 milhões (a incerteza varia de $ 114 milhões a quase $ 1,3 bilhão), incluindo uma economia de $ 334 milhões ao evitar emissões de GEE e poluição da água, $ 100 milhões usando menos fertilizante, e US $ 40 milhões negativos devido a perdas de rendimento.
• Mais de 50% dos benefícios sociais líquidos vêm de 20% das áreas de estudo, que, portanto, podem ser vistos como pontos quentes onde as ações devem ser priorizadas.

p "Nossa análise revelou pontos críticos onde o excesso de fertilizante de nitrogênio pode ser cortado sem penalidade de rendimento, "disse Jin." Percebemos em alguns lugares que a redução da poluição relacionada ao nitrogênio tem o custo de esgotar o carbono orgânico do solo, sugerindo que outras práticas regenerativas, como corte de cobertura, precisa ser empacotado com gerenciamento de nitrogênio. "

p No futuro, a equipe irá expandir a estrutura apresentada neste estudo e desenvolver modelos de qualificação de carbono mais avançados e precisos por meio de uma combinação de modelos baseados em processos, inteligência artificial e sensoriamento remoto.