En utilisant le maïs et le soja comme terrain d'essai, des chercheurs du Pacific Northwest National Laboratory ont mis au point des méthodes pour examiner les mécanismes qui modulent la variabilité du rendement des cultures. Ils ont utilisé des modèles statistiques pour examiner l'impact de la variabilité climatique sur les rendements de ces cultures bioénergétiques populaires au niveau du comté. Parmi les facteurs climatiques, l'équipe a montré que la température est prédominante dans les comtés producteurs de maïs, à la fois en volume et en pourcentage de production. Les précipitations ont un impact similaire. La quantité d'énergie du soleil, ou rayonnement, a un effet beaucoup plus faible à l'échelle des États-Unis sur le soja et le maïs.

Pour comprendre l'impact des pratiques de gestion, l'équipe de recherche a conçu et réalisé une modélisation numérique pour révéler comment l'irrigation et la fertilisation affectent la variabilité du rendement des cultures. Moyenne sur les États-Unis, la fertilisation a un impact plus important que l'irrigation. Les travaux ont démontré que la détermination dynamique du calendrier et des taux de fertilisation dans leurs modèles peut grandement améliorer la capacité de prévision des rendements des deux cultures.

Les producteurs agricoles s'efforcent d'améliorer leur jeu pour satisfaire une demande croissante d'énergie et de production alimentaire pour des populations plus aisées et en croissance. Encore, comme tout agriculteur l'attestera, même les meilleures pratiques agricoles peuvent être anéanties par une vague de chaleur ou un autre événement météorologique dévastateur. Comprendre le rôle relatif de la variabilité climatique et des pratiques agricoles telles que l'irrigation et la fertilisation est important pour assurer la durabilité agricole et énergétique.

"Notre analyse basée sur les données a révélé les facteurs climatiques dominants dans la régulation de la variabilité des rendements du maïs et du soja à l'échelle du comté pour les États-Unis, " a déclaré le Dr Maoyi Huang, auteur correspondant et modélisateur climatique au PNNL, « ce qui nous a aidés à mieux comprendre les variabilités historiques des rendements des cultures. »

« Sur la base d'observations provenant de diverses sources, nous avons amélioré les performances du modèle basé sur les processus et démontré l'importance d'intégrer des approximations de fertilisation dans la simulation des rendements des cultures, " dit Huang.

L'équipe a analysé les rendements de maïs et de soja au niveau du comté, deux cultures bioénergétiques populaires, en utilisant les données d'enquêtes du Département de l'agriculture des États-Unis (USDA) et le climat observé. Leur objectif était de comprendre comment la saison de croissance (juin, juillet et août) température moyenne (T), précipitation (P), et le rayonnement (R) influence les rendements des cultures ensemble et individuellement à l'échelle du comté. Dans leurs analyses, ils ont supprimé la covariabilité entre T, P, et R pour étudier les effets de chaque facteur climatique sur les rendements des cultures. Sur la base des contributions relatives de ces différentes variables climatiques à la variabilité des rendements des cultures, ils ont construit des cartes spatiales sur les facteurs climatiques dominants.

L'équipe a également utilisé des modèles pour comprendre le rôle de la gestion agricole sur les rendements des cultures. En utilisant le modèle des terres communautaires sur les États-Unis contigus, ils ont constaté que l'irrigation a des effets limités sur les rendements des cultures par rapport à la fertilisation. De cette recherche, l'équipe a proposé une méthode de fertilisation pronostique en déterminant dynamiquement le moment et les taux de fertilisation dans le modèle. Ils ont montré que la nouvelle méthode est plus efficace que l'approche traditionnelle pour améliorer les performances du modèle à l'échelle du comté.

"En synthétisant les informations observées à partir de sources telles que le département américain de l'Agriculture et le US Geological Survey, nos modèles améliorés basés sur les processus et l'observation peuvent nous aider à comprendre les mécanismes sous-jacents à la variabilité des rendements des cultures à l'échelle des comtés américains, " a déclaré l'auteur principal, le Dr Guyong Leng, un modélisateur statistique et numérique au PNNL.

Les auteurs examineront comment les événements climatiques tels que les sécheresses/les inondations et les vagues de chaleur/les vagues de froid évolueront à l'avenir et prédisent comment les rendements des cultures peuvent réagir. Ils intégreront des approches de modélisation avec d'autres outils d'analyse et de modélisation dans un cadre de modélisation multi-échelle et multisectoriel pour évaluer comment les écosystèmes, hydrologie, et les décisions socio-économiques évolueront conjointement dans un climat changeant.