Les sécheresses ou les vagues de chaleur ont des conséquences qui s'étendent au-delà des agriculteurs qui surveillent anxieusement leurs champs; ces fluctuations des rendements des cultures peuvent envoyer des ondes de choc à travers les approvisionnements et les prix alimentaires locaux et mondiaux.

Dans une nouvelle étude, chercheurs avec la NASA, l'Université de Chicago et le Potsdam Institute for Climate Impact Research ont ajouté des données sur le moment où chaque région spécifique plante et récolte ses cultures - et ont découvert que c'était le moyen le plus efficace d'améliorer les simulations.

Publié le 21 novembre dans Avancées scientifiques , l'adaptation innovante pourrait améliorer les informations disponibles pour les décideurs et les marchés pour se préparer aux impacts des pertes de récoltes.

Les modèles actuels peinent à prédire les rendements, non seulement en raison du changement climatique à long terme, mais simplement pour les récoltes de l'année suivante. « Les modèles d'aujourd'hui ne peuvent vraiment pas expliquer la variabilité d'une année à l'autre. Même si nous essayons simplement de recréer ce qui s'est passé dans le passé, ils ne sont tout simplement pas à la hauteur, " a déclaré Jägermeyr, chercheur postdoctoral au département d'informatique de l'UCicago, Potsdam, et la NASA, et l'auteur correspondant de l'étude. « Il s'avère que la variabilité des rendements à court terme est extrêmement importante pour les décideurs politiques et le marché alimentaire, naturellement pour les niveaux de prix, mais aussi pour les chocs d'offre, les embargos commerciaux et les réserves."

Pour la plupart, les scientifiques ont essayé d'améliorer les estimations de rendement des cultures en améliorant la réponse météorologique du modèle. Mais plutôt, Jägermeyr et sa coauteure Katja Frieler de l'Institut de Potsdam ont tenté d'attaquer le problème sous un angle différent :au lieu de supposer que les agriculteurs cultivent une seule variété d'une culture à travers le monde, ils ont mis en œuvre les délais moyens de plantation et de récolte de chaque région pour représenter les variétés locales.

"Les performances du modèle ne font que doubler, " a déclaré Jägermeyr. " La bonne saison de croissance est la mesure la plus efficace pour mieux correspondre aux rendements de maïs observés. "

Par exemple, Jägermeyr a dit, envisager une récolte de maïs en Autriche. Si les chercheurs utilisent le même calendrier de croissance pour une variété de maïs poussant au Mexique, ils pourraient supposer que la récolte bénéficierait d'une pluie d'octobre. Mais dans l'Autriche plus froide, le maïs aurait déjà été récolté - les calculs sont donc démentis.

Avec ces informations, les modèles des chercheurs correspondaient beaucoup plus étroitement à la réalité, rendements observés. « Nous sommes maintenant à même de simuler les impacts historiques des sécheresses et des vagues de chaleur, ce qui est sans précédent, " Jägermeyr a dit, "et nous avons toutes les raisons de nous attendre à ce que nos futures simulations soient plus robustes qu'auparavant."

C'est quelque chose qui a été négligé, et nous montrons simplement à quel point le timing est important. La bonne chose est que c'est un fruit à portée de main que nous pouvons facilement implémenter dans nos modèles, " dit-il. " La seule difficulté est que c'est très dépendant des données, et nous n'avons pas encore d'observations de haute qualité dans tous les pays."

Ils prévoient d'utiliser ce cadre de modèle amélioré pour tester les prévisions de récolte tout au long de la prochaine saison en temps réel.