Uma técnica padrão para produtores de monocultura, especialmente no cinturão do milho, é usar excessivamente fertilizantes à base de nitrogênio.
Isso pode ter todos os tipos de efeitos ambientais negativos, incluindo poluição da água e emissões de gases de efeito estufa. Mas descobrir exatamente quanto fertilizante adicionar a um campo não é fácil e muitos agricultores não se importam muito. Estima-se que agora estamos usando cerca de 40 vezes mais nitrogênio do que há 75 anos, muito desproporcional ao crescimento populacional naquele período.
Existem maneiras de usar os dados de que dispomos para descobrir quanto fertilizante de nitrogênio deve ser usado e que tipo de rendimento e efeitos ambientais podem advir da alteração dessas quantidades. Mas esses modelos nem sempre são acessíveis. Novos trabalhos de pesquisadores da Universidade de Minnesota podem ter uma solução.
Este trabalho envolve o que é chamado de modelo de cultivo baseado em processo - combinações complexas de toneladas de dados, como clima, clima, qualidade do solo, nutrientes, variedade de safras e insumos - usados para prever rendimentos e analisar a produtividade. Esses modelos vêm ganhando popularidade nos últimos anos, mas são incrivelmente difíceis de calcular. “Seus aplicativos são proibidos por custos elevados de computação e armazenamento de dados, ”Escrevem os pesquisadores de Minnesota. Isso os torna inacessíveis para quem está fora das aplicações de pesquisa ou governamentais.
O que os pesquisadores fizeram foi criar algo chamado metamodelo. Isso vai ser difícil de entender em um Começo meio caminho, mas um metamodelo é um modelo de um modelo. Os pesquisadores usaram o modelo original, chamado Ecossys , e usei o aprendizado de máquina para descobrir como esse modelo funciona, como ele responde a vários dados e que tipos de resultados ele exibe. Eles construíram, basicamente, uma compreensão simplificada do modelo original e como ele se comporta, sem precisar passar por todo o processo, difícil, processo caro de usar o modelo original.
Você pode esperar que este metamodelo seja muito menos preciso do que o modelo original, dado que é uma espécie de fotocópia de uma fotocópia, mas, na verdade, ao executá-lo para algumas fazendas selecionadas aleatoriamente no meio-oeste, eles conseguiram contabilizar 98 por cento de todas as variáveis no modelo original - enquanto levavam segundos, em vez de dias, calcular.
Ainda existem desvantagens; o metamodelo não leva em consideração um monte de variáveis que poderiam estragar as coisas, tais como os efeitos do corte da cobertura ou o (baixo, mas ainda existe) possibilidade de irrigação em vez de chuva. Mas esta ainda é uma construção realmente interessante; ele permite uma análise rápida e abrangente de grandes áreas de terras agrícolas. Os pesquisadores realmente aplicaram isso a 99 condados em todo o Corn Belt e descobriram uma estratégia para criar quase US $ 400 milhões em benefícios. Isso se deveu a uma combinação de redução da poluição e economia com o uso de menos fertilizantes e alcançou esses benefícios apesar da perda de produtividade.
Os pesquisadores dizem que isso provavelmente não deve ser usado por agricultores individuais ainda; ele precisa de mais trabalho incorporando mais variáveis e simplificando o sistema antes de estar pronto. Mas tem o potencial de permitir que uma quantidade absolutamente insana de dados seja interpretada em velocidades nunca antes vistas.
