À medida que secas e inundações extremas devastam os campos dos agricultores em todo o mundo, os cientistas podem ter encontrado uma solução que permite aos produtores navegar os efeitos das mudanças climáticas.
Uma parceria entre o governo federal da Colômbia, uma organização agrícola nacional e cientistas do Centro Internacional de Agricultura Tropical (CIAT) criaram um estudo baseado em dados que ajudou os agricultores da região de Córdoba a aumentar a produtividade das safras de uma média de 3,5 toneladas por hectare para mais de 6 toneladas por hectare.
A iniciativa usou algoritmos de aprendizado de máquina para analisar dados meteorológicos, bem como dados de safras coletados de agricultores locais. O estudo de quatro anos, publicado no jornal Segurança Alimentar Global , foi inspirado por uma série de pequenos agricultores de milho na área que lutavam com constantes desastres relacionados ao clima que destruíam suas plantações.
Os pesquisadores coletaram dados de várias fontes, incluindo pequenos agricultores. Usando inteligência artificial e opinião de especialistas, eles foram capazes de determinar como a variação do clima, os solos e as práticas de manejo impactam os rendimentos do milho. Essa informação foi então usada para criar diretrizes que ajudaram os produtores de milho a produzir alta, rendimentos estáveis.
“Com instituições, especialistas e agricultores trabalhando juntos, superamos as dificuldades e alcançamos nossos objetivos, ”Disse Daniel Jimenez, autor principal do estudo e cientista de dados do CIAT, em um comunicado à imprensa.
Além de ajudar os agricultores a mitigar os impactos do clima irregular, o programa ajudou a reduzir os custos de fertilizantes dos agricultores.
Os cientistas estão confiantes de que os resultados fornecem uma base para projetos futuros que combinem tecnologia e agricultura. Mas Jimenez disse que as oportunidades dependerão do envolvimento do setor privado no desenvolvimento de sistemas sustentáveis de captura, analisar e distribuir informações.
“No futuro, podemos imaginar cada campo sendo cuidadosamente caracterizado e monitorado, transformar a paisagem em uma série de experimentos que fornecem dados que o aprendizado de máquina pode interpretar para ajudar os agricultores a gerenciar melhor suas plantações, " ele disse.
