Data-Driven Spatial Targeting for Sustainable Intensification of Rice Systems in the Philippines
Questo studio dimostra che le strategie di gestione dell'azoto guidate dai dati e spazialmente mirate, sviluppate utilizzando il machine learning e validate in azienda agricola, possono colmare significativamente i divari di resa del riso nelle province di Iloilo e Nueva Ecija nelle Filippine, ottenendo l'86% dei guadagni di produzione potenziali con solo un aumento del 15% dell'uso di fertilizzanti rispetto agli approcci a pioggia.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Il riso è il pane quotidiano per più della metà della popolazione mondiale, una coltura così fondamentale che il suo successo o il suo fallimento determina la stabilità delle nazioni e i livelli di fame delle famiglie. Nelle Filippine, questo cereale non è solo una fonte di cibo, ma un pilastro dell'economia e della cultura, che nutre oltre 100 milioni di persone. Eppure, nonostante la profonda dipendenza del paese dal riso, gli agricoltori non raccolgono quanto il terreno e il clima potrebbero teoricamente permettere. Questo deficit, noto come divario di resa, si verifica quando il raccolto effettivo scende significativamente al di sotto di ciò che è possibile con le migliori conoscenze e risorse disponibili. Colmare questo divario è fondamentale per la sicurezza alimentare nazionale, ma per farlo è necessario capire esattamente perché alcuni campi prosperano mentre altri faticano. La sfida risiede nel fatto che ogni fattoria è diversa; il suolo, il meteo e il modo in cui un agricoltore gestisce le proprie colture variano da un campo all'altro, rendendo inefficace una soluzione unica e universale.
Un team di ricercatori si è posto l'obiettivo di risolvere questo enigma in due delle province più importanti per la coltivazione del riso nelle Filippine, Iloilo e Nueva Ecija. Invece di indovinare di cosa avessero bisogno gli agricoltori, hanno raccolto informazioni dettagliate da centinaia di veri campi di riso, registrando tutto, dal tipo di seme piantato alla quantità di fertilizzante utilizzato. Hanno poi utilizzato un sistema informatico sofisticato, una forma di intelligenza artificiale, per setacciare questa enorme quantità di dati. Questo sistema non si è limitato a prevedere i raccolti futuri; ha imparato a spiegare esattamente quali fattori stavano frenando la produzione in località specifiche. Analizzando i dati, i ricercatori hanno scoperto che la ragione più comune per le basse rese era semplicemente il mancato utilizzo di una quantità sufficiente di fertilizzante azotato, un nutriente chiave che aiuta le piante a crescere. Tuttavia, la quantità necessaria variava enormemente da campo a campo. Alcuni agricoltori ne applicavano troppo poco, affamando le loro colture, mentre altri ne applicavano troppo, sprecando denaro e potenzialmente danneggiando l'ambiente.
Lo studio ha testato tre diversi modi per aiutare gli agricoltori a migliorare i loro raccolti. Il primo era l'attuale approccio governativo, che suggerisce la stessa quantità di fertilizzante per tutti in una regione. Il secondo era un suggerimento basato sui dati che applicava una quantità singola e ottimizzata a tutte le fattorie. Il terzo, e il più innovativo, era un approccio mirato. Questo metodo utilizzava l'analisi del computer per identificare solo i campi specifici che erano effettivamente limitati dalla mancanza di azoto e raccomandava fertilizzante extra solo per quei punti. I risultati sono stati sorprendenti. L'approccio mirato ha previsto che gli agricoltori potessero aumentare i loro raccolti di oltre una tonnellata per ettaro a Iloilo e quasi due tonnellate per ettaro a Nueva Ecija. Sorprendentemente, questo enorme guadagno nella produzione di cibo poteva essere ottenuto utilizzando significativamente meno fertilizzante complessivo rispetto agli altri metodi. Infatti, la strategia mirata poteva produrre l'86 percento del potenziale raccolto extra richiedendo solo una frazione del fertilizzante aggiuntivo che le raccomandazioni generalizzate avrebbero richiesto.
Per garantire che queste previsioni informatiche non fossero solo teoriche, i ricercatori hanno riportato le loro scoperte sul campo. Hanno allestito prove affiancate dove un appezzamento seguiva i metodi abituali dell'agricoltore e l'appezzamento adiacente seguiva le nuove raccomandazioni basate sui dati. I risultati hanno confermato l'accuratezza del modello. A Iloilo, gli appezzamenti che utilizzavano i nuovi consigli hanno prodotto il 15% di riso in più e a Nueva Ecija hanno prodotto quasi il 12% in più. Questa validazione nel mondo reale ha dimostrato che la diagnosi del computer era corretta: molti agricoltori stavano effettivamente sotto-fertilizzando le loro colture, e un aggiustamento preciso e su misura poteva sbloccare una produttività significativa senza la necessità di espandere i terreni agricoli o utilizzare eccessive sostanze chimiche.
Le implicazioni di questo lavoro vanno ben oltre un singolo raccolto. Suggeriscono un cambiamento fondamentale nel modo in cui dovrebbe essere fornito il supporto agricolo. Per decenni, le politiche si sono spesso basate su sussidi ampi, fornendo la stessa quantità di supporto per il fertilizzante a ogni agricoltore registrato, indipendentemente dalle sue esigenze specifiche. Questo studio sostiene che un approccio così uniforme è inefficiente. Invece, le risorse dovrebbero essere indirizzate come un riflettore, concentrandosi solo sulle aree in cui avranno il maggiore impatto. Utilizzando i dati per individuare esattamente quali campi stanno lottando con la carenza di nutrienti, i governi e le organizzazioni di aiuto possono massimizzare il ritorno sul loro investimento. Ciò significa più riso per la nazione, migliori redditi per gli agricoltori e meno pressione ambientale derivante dall'uso di fertilizzanti non necessari.
I ricercatori hanno inoltre sottolineato che questo approccio è particolarmente vitale dato l'aumento del costo dei fertilizzanti e la pesante dipendenza del paese dalle importazioni di riso. Colmando il divario tra ciò che gli agricoltori raccolgono attualmente e ciò che potrebbero raccogliere con una migliore gestione, le Filippine potrebbero ridurre significativamente la necessità di acquistare riso da altri paesi. Lo studio dimostra che gli strumenti per raggiungere questo obiettivo sono già disponibili. Combinando estesi dati sul campo con metodi analitici moderni, è possibile passare dall'indovinare a un sistema di agricoltura di precisione che sia sia economicamente intelligente che ambientalmente sostenibile. La strada verso la sicurezza alimentare, conclude lo studio, non risiede nel fare di più di quanto si è sempre fatto, ma nel fare la cosa giusta, nel posto giusto, al momento giusto.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.