Cornell-forskare och medarbetare har utvecklat ett nytt ramverk som gör det möjligt för forskare att förutsäga skörden utan behov av enorma mängder högkvalitativ data – vilket ofta är ont om i utvecklingsländer, särskilt de som står inför ökad matosäkerhet och klimatrisk.

I många delar av världen sjunker skördarna, till stor del på grund av klimatförändringarnas effekter. Enligt en nyligen genomförd Cornell-studie minskade nettojordbruksinkomsten med 66 % under de senaste fyra decennierna för varje 1 grad Celsius av uppvärmning.

Bönder i utvecklade länder kan ofta lita på stora datamängder och riskhanteringsverktyg för att minska effekterna av extrem värme på deras avkastning och inkomst. Men i utvecklingsländer är uppgifterna knappa och det är ofta svårt att exakt mäta skörden.

I en artikel som visas i Environmental Research Letters , föreslår forskarna att använda satellitfoton för att på distans mäta solinducerad klorofyllfluorescens (SIF) som ett sätt att bedöma och förutsäga skörden. Genom att använda provfält av majs i USA och vete i Indien, har forskarna hittat ett tillvägagångssätt som i princip borde fungera universellt för alla grödor, enligt Ying Sun, en medförfattare och docent i mark- och växtvetenskap i College of Agriculture and Life Sciences (CALS).

Klorofyllfluorescens är det rödaktiga ljuset som återutsänds av fotosyntetiska vävnader och organismer, sa hon, en mätning som fungerar som en proxy för fotosyntetisk energiomvandling i växter.

"Det kommer inte att berätta hur många majsax som finns på ett fält", sa hon, "men steg ett är att modellera fotosyntes från fluorescens. Skörden beror på fotosyntesen. Här har vi en mekanistisk modell, vilket är mycket viktigt. "

Medförfattare Chris Barrett, Stephen B. och Janice G. Ashley professor i tillämpad ekonomi och ledning vid Charles H. Dyson School of Applied Economics and Management och vid Cornell Jeb E. Brooks School of Public Policy, föreslår detta tillvägagångssätt. kan vara värdefullt för prognoser och målinriktning:för att fatta politiska beslut, upprätta en skördeförsäkring och till och med förutse områden med fattigdom.

Denna strategi drar fördel av den växande tillgången på satellitdata och är billigare att använda och snabbare att komma åt än andra metoder för att förutsäga avkastning, sade han.

"Det är därför jag ser det här som lovande. Jag kan föreställa mig att detta är till hjälp för att förutsäga fattigdom på en bynivå på landsbygden där mycket av ekonomin drivs av jordbruket", sa han. "Det är platser där vi har haft svårt att samla in data och där saker och ting kan förändras väldigt snabbt. Om vi ​​försöker ta knappa resurser och dirigera om dem dit de kommer att ha störst inverkan kan det här vara till hjälp."

Det här verktyget skulle kunna användas för att hjälpa livsmedelsbiståndsorganisationer och icke-statliga organ att bli bättre på att ge hjälp, sa Barrett.

Sun sa att hon och hennes kollegor arbetar på ytterligare forskning som skulle göra det möjligt för den här typen av verktyg i framtiden att användas i realtid för att tillåta bönder att reagera, justera saker som jordändringar eller bevattningsstrategier för att förbättra den nuvarande skördens hälsa och produktivitet.

I USA tillhandahåller jordbruksdepartementet och andra institutioner enorma mängder skördedata. I allt högre grad används maskininlärningsmodeller för att göra förutsägelser, säger huvudförfattaren Oz Kira, från Ben-Gurion University of the Negev i Israel, och tidigare post-doc i Suns labb, men dessa modeller förutsätter liknande miljöförhållanden.

Kira föreslår att användning av klorofyllfluorescenssatellitdata kommer att möjliggöra förändrade förhållanden.

"Om odlingsförhållandena förändras är det möjligt att förutsägelser inte är tillämpliga," sa Kira. "I vårt fall bygger vi inte våra modeller på tidigare observationer. Detta kan ta hänsyn till klimatförändringar."

Studiens medförfattare inkluderar Jiaming Wen, Ph.D.; Jimei Han, en postdoktor i Suns labb; Andrew McDonald, docent vid School of Integrative Plant Science och Department of Global Development (CALS); Ariel Ortiz-Bobea, docent i tillämpad ekonomi och politik (Dyson and Brooks School); och Yanyan Liu, adjungerad professor (Dyson).

Mer information: Oz Kira et al, Ett skalbart ramverk för uppskattning av skördeavkastning baserad på fjärranalys av solinducerad klorofyllfluorescens (SIF), Environmental Research Letters (2024). DOI:10.1088/1748-9326/ad3142

Journalinformation: Miljöforskningsbrev

Tillhandahålls av Cornell University