Una técnica estándar para monocultivos, especialmente en el Corn Belt, es abusar violentamente de fertilizantes nitrogenados.
Esto puede tener todo tipo de efectos ambientales negativos, incluida la contaminación del agua y las emisiones de gases de efecto invernadero. Pero averiguar exactamente cuánto fertilizante agregar a un campo no es fácil y muchos agricultores no se molestan mucho. Se estima que ahora estamos usando alrededor de 40 veces más nitrógeno que hace 75 años, fuera de proporción con el crecimiento de la población en ese período de tiempo.
Hay formas de usar los datos que tenemos para determinar cuánto fertilizante nitrogenado se debe usar y qué tipo de rendimiento y efectos ambientales pueden provenir de cambiar estas cantidades. Pero esos modelos no siempre son accesibles. El nuevo trabajo de investigadores de la Universidad de Minnesota puede tener una solución.
Este trabajo involucra lo que se llama un modelo de cultivo basado en procesos:combinaciones complejas de toneladas de datos como el clima, clima, calidad del suelo, nutrientes, variedad de cultivos e insumos:se utilizan para predecir los rendimientos y analizar la productividad. Estos modelos han ido ganando popularidad en los últimos años, pero son increíblemente difíciles de calcular. “Sus aplicaciones están prohibidas por costosos costos computacionales y de almacenamiento de datos, ”Escriben los investigadores de Minnesota. Eso los hace inaccesibles para quienes están fuera de la investigación o las aplicaciones gubernamentales.
Lo que hicieron los investigadores fue crear algo llamado metamodelo. Esto va a ser difcil de entender en un Comienzo una especie de forma, pero un metamodelo es un modelo de un modelo. Los investigadores utilizaron el modelo original, llamado ecosys , y luego usó el aprendizaje automático para descubrir cómo funciona ese modelo, cómo responde a varios datos y qué tipo de resultados arroja. Ellos construyeron, básicamente, una comprensión simplificada del modelo original y cómo se comporta, sin necesidad de pasar por todo el difícil, proceso costoso de utilizar el modelo original.
Es de esperar que este metamodelo sea mucho menos preciso que el modelo original, dado que es una especie de fotocopia de una fotocopia, pero, De hecho, al ejecutarlo para algunas granjas seleccionadas al azar en el Medio Oeste, lograron dar cuenta del 98 por ciento de todas las variables en el modelo original, mientras tomaban segundos, en lugar de días, calcular.
Todavía hay desventajas; el metamodelo no tiene en cuenta un montón de variables que podrían estropear las cosas, como los efectos del cultivo de cobertura o el (bajo, pero aún existe) posibilidad de riego en lugar de lluvia. Pero esta sigue siendo una construcción realmente interesante; permite un análisis rápido y amplio de grandes extensiones de tierras agrícolas. Los investigadores lo aplicaron en 99 condados a lo largo de Corn Belt y descubrieron una estrategia para generar casi $ 400 millones en beneficios. Eso se debió a una combinación de reducción de la contaminación y ahorros por el uso de menos fertilizante y logró esos beneficios a pesar de la pérdida de rendimiento.
Los investigadores dicen que esto probablemente no debería ser utilizado por agricultores individuales todavía; necesita un poco más de trabajo para incorporar más variables y optimizar el sistema antes de que esté listo. Pero tiene el potencial de permitir que se interprete una cantidad absolutamente increíble de datos a velocidades inauditas.
