Landbouw draagt ​​bij aan 70% van de totale uitstoot door mensen van lachgas (N ₂ O), een krachtig vervuilend gas en de oorzaak van het gat in de ozonlaag. De wortel van dit probleem ligt in het wijdverbreide gebruik van chemische meststoffen, zoals ureum en ammoniumnitraat. Als deze producten eenmaal in de bodem zijn gebruikt voor gewassen, een deel ervan gaat verloren in de vorm van N ₂ O, die direct de atmosfeer in gaat. Het vervuilingsprobleem van meststoffen neemt toe met de groeiende vraag naar voedingsmiddelen die deze meststoffen nodig hebben om winstgevende landbouwproductie te bereiken.

De industrie blijft zoeken naar formules die deze vervuiling verminderen zonder de productie negatief te beïnvloeden. Hoe dan ook, het wordt geconfronteerd met een kernprobleem. De uitstoot van verontreinigende stoffen door meststoffen is zeer moeilijk te voorspellen, omdat deze afhankelijk is van moeilijk te beheersen factoren, zoals vochtigheid, temperatuur, activiteit van micro-organismen in de bodem en variabiliteit van tijd en ruimte, onder andere. Als er geen realistische schatting van de emissies van deze verontreinigende stoffen kan worden gemaakt, het is moeilijk om strategieën te bedenken om deze emissies te verminderen.

Een internationale onderzoeksgroep, waaronder de onderzoeker van de Universiteit van Cordoba, Antonio Rafael Sánchez Rodríguez, verschillende wiskundige voorspellingsmethoden bestudeerd om de uitstoot van verontreinigende stoffen door meststoffen te meten, zoals ureum en ammoniumnitraat, om erachter te komen welke gegevens het meest overeenkomen met de werkelijkheid. Dit onderzoek wordt ondersteund door het UK-China Virtual Joint Centre for Improved Nitrogen Agronomy (CINAg) en leden van universiteiten in het VK, Portugal, Australië en Spanje hebben deelgenomen. Onder hen is de Britse onderzoeker Ute Skiba, die samenwerkt met het Intergouvernementeel Panel voor klimaatverandering (IPCC) om de emissiefactoren van verontreinigende stoffen die in de landbouw worden gebruikt, te verminderen.

Om een ​​efficiëntere methode te vinden, het onderzoeksteam testte en vergeleek twee statistische modellen. De eerste, bekend als de Bayesiaanse methode, is gebaseerd op waarschijnlijkheid en geeft resultaten binnen een reeks waarden die het mogelijk maken om mogelijke resultaten af ​​te leiden. De tweede, de trapeziumvormige methode, wordt op grotere schaal gebruikt, maar kan de variabiliteit van emissiefactoren niet voorspellen, aangezien de emissieproductie lineair wordt geschat, wat eigenlijk niet het geval is. Emissies zijn afhankelijk van vele factoren en veranderingen in elk daarvan beïnvloeden de reacties die betrokken zijn bij het uitstoten van vervuilende gassen.

Het experiment vond plaats op vier proefvelden in het Verenigd Koninkrijk. Meststoffen werden toegepast in de vorm van ammoniumnitraat, ureum en een derde soort die een mengsel was van ureum en een potentiële remmer van urease, dat de uitstoot van ammoniak minimaliseert, maar volgens verschillende onderzoeken verhoogt de uitstoot van een andere verontreinigende stof, N ₂ O.

De resultaten laten zien dat N ₂ O-emissies waren groter bij gebruik van ammoniumnitraat, vergeleken met het gebruik van ureum. Bovendien, het gebruik van de remmer vertoonde geen significante verschillen in deze zin. Het onderzoek concludeert dat de Bayesiaanse methode realistischere voorspellingen biedt over de uitstoot van lachgas, en daarom is het van groot nut bij het kiezen van duurzamere strategieën voor de landbouw.

In zijn huidige staat, de Bayesiaanse methode is beperkt tot gevallen waarin bemesting een emissiepiek veroorzaakt, gevolgd door een grote daling. Echter, hetzelfde, het is nuttiger dan traditionele methoden bij het kiezen van een bemestingsstrategie die minder vervuilende gassen in de atmosfeer uitstoot. Vanaf nu, deze onderzoeksgroep gaat deze methode proberen toe te passen om ook emissies van organische stikstofmeststoffen te meten.