Een nieuwe studie van de Michigan State University werpt een licht op hoe big data en digitale technologieën boeren kunnen helpen zich beter aan te passen aan de huidige en toekomstige bedreigingen van een veranderend klimaat.

De studie, gepubliceerd in Wetenschappelijke rapporten , is de eerste die bodem- en landschapskenmerken en ruimtelijke en temporele opbrengstvariaties nauwkeurig kwantificeert als reactie op klimaatvariabiliteit. Het is ook de eerste die big data gebruikt om gebieden binnen afzonderlijke velden te identificeren waar de opbrengst onstabiel is.

Tussen 2007 en 2016, de Amerikaanse economie kreeg naar schatting een economische klap van $ 536 miljoen vanwege de opbrengstvariatie in onstabiele landbouwgrond veroorzaakt door klimaatvariabiliteit in het Midwesten. Meer dan een kwart van het akkerland van maïs en sojabonen in de regio is onstabiel. De rendementen schommelen tussen over- en onderpresteren op jaarbasis.

Bruno Basso, MSU Foundation hoogleraar aard- en milieuwetenschappen, en zijn postdoctoraal onderzoeker, Rafael Martinez-Feria, uiteengezet om de belangrijkste pijlers aan te pakken van het gecoördineerde landbouwproject van het National Institute for Food and Agriculture dat Basso sinds 2015 leidt.

"Eerst, we wilden weten waarom - en waar - de oogstopbrengsten van jaar tot jaar varieerden in de maïs- en sojabonengordel van de VS, "zei Basso. "Vervolgens, we wilden weten of het mogelijk was om big data te gebruiken om klimaatslimme landbouwoplossingen te ontwikkelen en in te zetten om boeren te helpen de kosten te verlagen, opbrengst verhogen en milieu-impact beperken."

Basso en Martinez-Feria onderzochten eerst de bodem en ontdekten dat alleen, het kon dergelijke drastische variaties in opbrengst niet voldoende verklaren.

"Dezelfde grond zou het ene jaar een lage opbrengst hebben en het volgende jaar een hoge opbrengst, "Zei Basso. "Dus, wat veroorzaakt deze tijdelijke instabiliteit?"

Met behulp van een enorme hoeveelheid data verkregen van satellieten, onderzoeksvliegtuigen, drones en sensoren op afstand, en van boeren via geavanceerde geospatiale sensorsuites die aanwezig zijn in veel moderne maaidorsers, Basso en Martinez-Feria brachten big data en digitale expertise samen.

Wat ze ontdekten is dat de interactie tussen topografie, weer en bodem hebben een enorme impact op hoe akkers reageren op extreem weer in onstabiele gebieden. terrein variaties, zoals depressies, toppen en hellingen, creëer gelokaliseerde gebieden waar water staat of wegloopt. Ongeveer tweederde van de onstabiele zones komt voor in deze toppen en depressies en het terrein regelt de waterstress die door gewassen wordt ervaren.

Met uitgebreide gegevens en de technologie, het team kwantificeerde het percentage van elk maïs- of sojabonenveld in het Midwesten dat vatbaar is voor wateroverschot of watertekort. Opbrengsten in waterarme gebieden kunnen 23 tot 33% onder het veldgemiddelde liggen voor seizoenen met weinig regen, maar zijn vergelijkbaar met het gemiddelde in zeer natte jaren. Gebieden die gevoelig zijn voor wateroverlast, hadden tijdens natte jaren een opbrengst van 26 tot 33% onder het veldgemiddelde.

Basso gelooft dat hun werk de toekomst van klimaatslimme landbouwtechnologieën zal helpen bepalen.

"We zijn in de eerste plaats bezig met het helpen van boeren om hun velden op een nieuwe manier te zien, hen helpen betere beslissingen te nemen om de opbrengst te verbeteren, kosten verlagen en de impact op het milieu verbeteren, "Zei Basso. "Wetend dat je een gebied hebt waarvan is aangetoond dat het waterarm is, u plant uw bemestingstoepassingen anders. De hoeveelheid kunstmest voor dit gebied zou aanzienlijk lager moeten zijn dan wat u zou toepassen in gebieden van hetzelfde veld waar meer water beschikbaar is voor de planten."