Het verminderen van de uitstoot van broeikasgassen (BKG's) en de vervuiling van het water door stikstof door de landbouw zijn topprioriteiten voor het milieu in de Verenigde Staten. De sleutel tot het bereiken van klimaatdoelstellingen is producenten helpen navigeren op koolstofmarkten, en tegelijkertijd het milieu te helpen en het landbouwinkomen te verbeteren.

Een nieuwe tool ontwikkeld door een onderzoeksteam van de Universiteit van Minnesota stelt boeren in staat om een ​​begrotingsbalans op te stellen van alle stikstofreductieplannen en de economische en milieukosten te zien, rendement en marges, allemaal aangepast aan velden onder hun beheer.

"Met deze cijfers in het achterhoofd, boeren kunnen beter geïnformeerde beslissingen nemen over stikstofbeperking die hen niet alleen geld bespaart, maar vermindert ook aanzienlijk de verontreinigende stoffen voor het milieu, " zei Zhenong Jin, die het onderzoek leidde en assistent-professor is bij de afdeling Bioproducts and Biosystems Engineering (BBE) van het College of Food, Landbouw- en Natuurlijke Hulpbronnenwetenschappen (CFANS).

Eerdere tools lieten geen aangepaste voorspellingen toe voor elk veld in de Amerikaanse maïsgordel, omdat de reken- en opslagkosten van het op grote schaal uitvoeren van deze gewasmodellen erg duur zouden zijn.

Zoals uiteengezet in een artikel gepubliceerd in IOPwetenschap , het onderzoeksteam bouwde een reeks op machine learning gebaseerde metamodellen die een goed getest gewasmodel met veel hogere snelheden bijna perfect kunnen nabootsen. Met behulp van de metamodellen, ze genereerden miljoenen scenariosimulaties en onderzochten twee fundamentele duurzaamheidsvragen:waar zijn de mitigatiehotspots, en hoeveel mitigatie kan worden verwacht onder verschillende beheerscenario's.

"We hebben vier gesimuleerde indicatoren van de duurzaamheid van agro-ecosystemen gesynthetiseerd:opbrengst, N ₂ O emissies, stikstof uitspoeling, en veranderingen in organische koolstof in de bodem - in economische netto maatschappelijke voordelen als basis voor het identificeren van hotspots en onhaalbaar land voor mitigatie, " zei Taegon Kim, CFANS onderzoeksmedewerker op de afdeling BBE. De maatschappelijke voordelen omvatten kostenbesparingen door broeikasgasreductie, evenals een betere water- en luchtkwaliteit.

"Door belangrijke duurzaamheidsindicatoren te verstrekken met betrekking tot de productie van gewassen stroomopwaarts, onze metamodellen kunnen een handig hulpmiddel zijn voor voedingsbedrijven om de emissies in hun toeleveringsketen te kwantificeren en mitigatie-opties te onderscheiden voor het stellen van duurzaamheidsdoelen, " zei Timothy Smith, hoogleraar Duurzaam Systeembeheer en International Business Management bij de afdeling BBE van CFANS.

De studie, uitgevoerd in de Amerikaanse maïsgordel in het Midwesten, ontdekt dat:

• Vermindering van stikstofbemesting met 10% leidt tot 9,8% minder N ₂ O-uitstoot en 9,6% minder stikstofuitspoeling, ten koste van 4,9% meer uitputting van organische koolstof in de bodem, maar slechts een opbrengstvermindering van 0,6% in de onderzoeksregio.
• De geschatte netto totale jaarlijkse sociale uitkeringen zijn $ 395 miljoen waard (onzekerheid varieert van $ 114 miljoen tot bijna $ 1,3 miljard), inclusief een besparing van $334 miljoen door het vermijden van broeikasgasemissies en watervervuiling, $ 100 miljoen met minder kunstmest, en een negatieve $ 40 miljoen als gevolg van opbrengstverliezen.
• Meer dan 50% van de netto sociale uitkeringen komt uit 20% van de studiegebieden, die dus kunnen worden gezien als hotspots waar acties prioriteit moeten krijgen.

"Onze analyse bracht hotspots aan het licht waar overmatige stikstofkunstmest kan worden gesneden zonder opbrengstverlies, " zei Jin. "We hebben op sommige plaatsen gemerkt dat het verminderen van stikstofgerelateerde vervuiling ten koste gaat van de organische koolstof in de bodem, suggereert dat andere regeneratieve praktijken, zoals covercroppen, moeten worden gebundeld met stikstofbeheer."

In de toekomst, het team zal het raamwerk dat in deze studie wordt gepresenteerd uitbreiden en meer geavanceerde en nauwkeurige koolstofkwalificatiemodellen ontwikkelen door een combinatie van procesgebaseerde modellen, kunstmatige intelligentie en teledetectie.