Dans de nombreuses régions du monde, les rendements agricoles chutent, en grande partie à cause des effets du changement climatique. Selon une étude récente de Cornell, au cours des quatre dernières décennies, pour chaque degré Celsius de réchauffement, le revenu agricole net a diminué de 66 %.

Les agriculteurs des pays développés peuvent souvent s’appuyer sur de grands ensembles de données et des outils de gestion des risques pour les aider à réduire les impacts de la chaleur extrême sur leur rendement et leurs revenus. Mais dans les pays en développement, les données sont rares et il est souvent difficile de mesurer avec précision le rendement des cultures.

Dans un article paru dans Environmental Research Letters , les scientifiques suggèrent d'utiliser des photos satellite pour mesurer à distance la fluorescence de la chlorophylle (SIF) induite par le soleil afin d'évaluer et de prédire le rendement des cultures. En utilisant des échantillons de champs de maïs aux États-Unis et de blé en Inde, les scientifiques ont trouvé une approche qui devrait, en principe, fonctionner universellement pour n'importe quelle culture, selon Ying Sun, co-auteur et professeur agrégé de sciences du sol et des cultures à le Collège d'agriculture et des sciences de la vie (CALS).

La fluorescence de la chlorophylle est la lumière rougeâtre réémise par les tissus et les organismes photosynthétiques, a-t-elle expliqué, une mesure qui sert d'indicateur de la conversion de l'énergie photosynthétique chez les plantes.

"Cela ne vous dira pas combien d'épis de maïs il y a dans un champ", a-t-elle déclaré, "mais la première étape consiste à modéliser la photosynthèse à partir de la fluorescence. Le rendement des cultures dépend de la photosynthèse. Nous avons ici un modèle mécaniste, qui est très important. "

Le co-auteur Chris Barrett, professeur Stephen B. et Janice G. Ashley d'économie appliquée et de gestion à la Charles H. Dyson School of Applied Economics and Management et à la Cornell Jeb E. Brooks School of Public Policy, suggère cette approche. pourrait être utile pour la prévision et le ciblage :pour prendre des décisions politiques, établir une assurance-récolte et même prévoir les zones de pauvreté.

Cette stratégie tire parti de la disponibilité croissante des données satellitaires et est moins coûteuse à utiliser et plus rapide d'accès que les autres méthodes de prévision des rendements, a-t-il déclaré.

"C'est pourquoi je considère cela comme prometteur. J'imagine que cela sera utile pour prédire la pauvreté à l'échelle d'un village dans les zones rurales où une grande partie de l'économie repose sur l'agriculture", a-t-il déclaré. "Ce sont des endroits où nous avons eu du mal à collecter des données et où les choses peuvent changer très rapidement. Si nous essayons de prendre des ressources rares et de les rediriger là où elles auront le plus grand impact, cela pourrait être utile."

Cet outil pourrait être utilisé pour aider les organisations d'aide alimentaire et les agences non gouvernementales à être plus rapides dans la fourniture de l'aide, a déclaré Barrett.

Sun a déclaré qu'elle et ses collègues travaillaient sur des recherches plus approfondies qui permettraient à l'avenir d'utiliser ce type d'outil en temps réel pour permettre aux agriculteurs de réagir, en ajustant des éléments tels que les amendements du sol ou les stratégies d'irrigation pour améliorer la santé et la productivité d'une récolte actuelle.

Aux États-Unis, le ministère de l’Agriculture et d’autres institutions fournissent d’énormes quantités de données sur les récoltes. De plus en plus, des modèles d'apprentissage automatique sont utilisés pour faire des prédictions, a déclaré l'auteur principal Oz Kira, de l'Université Ben Gourion du Néguev en Israël, et ancien post-doctorant au laboratoire de Sun, mais ces modèles présupposent des conditions environnementales similaires.

Kira suggère que l'utilisation des données satellite de fluorescence de la chlorophylle permettra de modifier les conditions.

"Si les conditions de croissance changent, il est possible que les prévisions ne soient pas applicables", a déclaré Kira. "Dans notre cas, nous ne basons pas nos modèles sur des observations préalables. Celles-ci peuvent prendre en compte le changement climatique."

Les co-auteurs de l'étude incluent Jiaming Wen, Ph.D. ; Jimei Han, chercheur postdoctoral au laboratoire de Sun ; Andrew McDonald, professeur agrégé à l'École des sciences végétales intégratives et au Département du développement mondial (CALS) ; Ariel Ortiz-Bobea, professeur agrégé d'économie appliquée et de politique (Dyson and Brooks School); et Yanyan Liu, professeur adjoint (Dyson).