Projecting maize yield in the North China Plain under climate extremes: A hybrid crop model-machine learning approach
Questo studio sviluppa un framework ibrido che integra il modello basato su processi APSIM con algoritmi di apprendimento automatico e tecniche di selezione delle caratteristiche per migliorare significativamente l'accuratezza della previsione della resa del mais nella Pianura della Cina Settentrionale, rivelando che gli estremi climatici futuri causeranno perdite di resa sostanziali anche tenendo conto degli effetti positivi dell'elevata concentrazione di CO₂.
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
Immagina di cercare di prevedere come se comporterà una pianta gigante e affamata in un giardino che diventa più caldo e selvaggio ogni anno che passa. Questo è il lavoro degli scienziati agrari che studiano colture come il mais. Usano due strumenti principali per indovinare il raccolto futuro. Il primo strumento è un "libro di ricette" chiamato modello di coltura. È come un programma per computer che conosce le regole della biologia: quanta acqua serve a una pianta, come la luce solare si trasforma in cibo e come le radici bevono dal suolo. È bravissimo a seguire le regole, ma a volte si confonde quando il tempo impazzisce, come durante un improvviso e torrido' ondata di calore o un'alluvione massiccia. Il secondo strumento è un "super-apprendista" chiamato apprendimento automatico (machine learning). Questo è un tipo di intelligenza artificiale che osserva montagne di dati passati per trovare schemi nascosti, come un detective che nota indizi che un essere umano potrebbe mancare. È incredibile nel prevedere i risultati basandosi sulla storia, ma non capisce realmente il perché la pianta stia facendo ciò che sta facendo. La grande domanda che gli scienziati si pongono è: possiamo combinare le regole rigide del libro di ricette con l'intuizione acuta del super-apprendista per ottenere una previsione perfetta? Questo è particolarmente importante perché il clima estremo sta diventando più comune e, se non riusciamo a prevedere quanto cibo avremo, ciò potrebbe danneggiare la nostra scorta alimentare.
Ora, guardiamo cosa ha fatto questo studio specifico. Un team di ricercatori in Cina ha deciso di costruire un sistema "ibrido" per prevedere le rese del mais nella Pianura della Cina Settentrionale, una vasta regione agricola che nutre milioni di persone. Hanno iniziato con il loro libro di ricette, il modello APSIM, che simulava la crescita del mais primaverile ed estivo. Ma sapevano che questo modello da solo non era perfetto nel gestire il clima estremo, quindi hanno aggiunto uno strato di apprendimento automatico. Hanno insegnato a due diversi detective dell'IA — Random Forest e Light Gradient Boosting Machine — a osservare i risultati delle simulazioni del computer e poi a correggerli in base a 22 diversi "indizi di meteo estremo". Questi indizi includevano cose come quanti giorni la temperatura è rimasta sopra un certo limite, quanto è durata una siccità o quanti temporali intensi hanno colpito durante fasi specifiche della vita della pianta. Per assicurarsi che l'IA non venisse sopraffatta da troppe informazioni, hanno usato un filtro intelligente (un algoritmo genetico) per scegliere solo gli indizi più importanti.
I risultati sono stati come trovare un'arma segreta. Il modello ibrido, che combinava le regole della coltura con il lavoro investigativo dell'IA, era molto più bravo a indovinare il raccolto effettivo rispetto al solo libro di ricette. Infatti, per il mais primaverile, il modello ibrido spiegava il 94% delle variazioni di resa e, per il mais estivo, spiegava il 93%. Il vecchio modello da solo spiegava solo circa il 64% - 68%. I ricercatori hanno scoperto che l'IA era particolarmente brava a individuare quando il caldo estremo o la siccità avrebbero davvero danneggiato la coltura, cosa che il modello standard tendeva a sottostimare.
Quando hanno usato questo modello ibrido potenziato per guardare nel futuro, le notizie sono state un po' deprimenti. Hanno simulato cosa sarebbe successo sotto diversi scenari climatici, inclusi un futuro con emissioni molto elevate in cui il mondo diventa molto più caldo. Senza alcun aiuto dai livelli crescenti di anidride carbonica (che possono talvolta aiutare la crescita delle piante), il modello ha previsto che le rese del mais primaverile potrebbero diminuire fino al 43,6% e quelle del mais estivo del 26,8% entro la fine del secolo. Anche includendo l' "effetto fertilizzante" dell'anidride carbonica extra, che aiuta un po' le piante, il modello ibrido ha comunque previsto perdite significative: il 25,0% per il mais primaverile e il 24,6% per il mais estivo. Lo studio suggerisce che, sebbene l'anidride carbonica extra aiuti, non è sufficiente a cancellare il danno causato dal calore estremo e dal meteo avverso. Il modello ibrido ha mostrato che il rischio di perdere i raccolti è in realtà più alto di quanto previsto dai modelli standard, il che significa che potremmo affrontare un periodo più difficile di quanto pensiamo se non adattiamo le nostre strategie agricole.
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.