Una tecnica standard per i coltivatori di monocoltura, soprattutto nel Corn Belt, è quello di abusare selvaggiamente di fertilizzanti a base di azoto.

Questo può avere tutti i tipi di effetti ambientali negativi, compreso l'inquinamento idrico e le emissioni di gas serra. Ma capire esattamente quanto fertilizzante aggiungere a un campo non è facile e molti agricoltori non si preoccupano molto. Si stima che ora stiamo usando circa 40 volte più azoto rispetto a 75 anni fa, sproporzionato rispetto alla crescita della popolazione in quel periodo.

Ci sono modi per utilizzare i dati che abbiamo per capire quanto fertilizzante azotato dovrebbe essere usato e che tipo di resa e di effetti ambientali possono derivare dalla modifica di queste quantità. Ma quei modelli non sono sempre accessibili. Un nuovo lavoro dei ricercatori dell'Università del Minnesota potrebbe avere una soluzione.

Questo lavoro coinvolge quello che viene chiamato un modello di coltura basato sui processi:combinazioni complesse di tonnellate di dati come meteo, clima, qualità del suolo, nutrienti, varietà di colture e input, utilizzati per prevedere i raccolti e analizzare la produttività. Questi modelli stanno guadagnando popolarità negli ultimi anni, ma sono incredibilmente difficili da calcolare. “Le loro applicazioni sono vietate da costosi costi di elaborazione e archiviazione dei dati, ” scrivono i ricercatori del Minnesota. Ciò li rende inaccessibili a coloro al di fuori della ricerca o delle applicazioni governative.

Quello che hanno fatto i ricercatori è stato creare qualcosa chiamato metamodello. Questo sarà difficile da capire in un inizio sorta di modo, ma un metamodello è un modello di un modello. I ricercatori hanno utilizzato il modello originale, chiamato ecosys , e poi ha utilizzato l'apprendimento automatico per capire come funziona il modello, come risponde ai vari dati e che tipo di risultati emette. Hanno costruito, fondamentalmente, una comprensione semplificata del modello originale e di come si comporta, senza bisogno di passare effettivamente attraverso l'intero, difficile, costoso processo di utilizzo del modello originale.

Potresti aspettarti che questo metamodello sia molto meno accurato del modello originale, visto che è una specie di fotocopia di una fotocopia, ma, infatti, quando lo si esegue per alcune fattorie selezionate casualmente nel Midwest, sono riusciti a rappresentare il 98% di tutte le variabili nel modello originale, impiegando pochi secondi, invece di giorni, calcolare.

Ci sono ancora aspetti negativi; il metamodello non tiene conto di un mucchio di variabili che potrebbero potenzialmente rovinare le cose, come gli effetti del risanamento da copertura o il (basso, ma ancora lì) possibilità di irrigazione piuttosto che pioggia. Ma questa è ancora una costruzione davvero interessante; consente un'analisi rapida e ad ampio raggio di vaste aree di terreni agricoli. I ricercatori lo hanno effettivamente applicato a 99 contee in tutto il Corn Belt e hanno escogitato una strategia per creare benefici per quasi 400 milioni di dollari. Ciò era dovuto a una combinazione di riduzione dell'inquinamento e risparmi derivanti dall'utilizzo di meno fertilizzanti e ha ottenuto tali benefici nonostante una perdita di resa.

I ricercatori affermano che probabilmente questo non dovrebbe essere ancora utilizzato dai singoli agricoltori; ha bisogno di più lavoro che incorpora più variabili e snellisce il sistema prima che sia pronto. Ma ha il potenziale per consentire l'interpretazione di una quantità assolutamente folle di dati a velocità inaudite.