Prédire et identifier les pratiques agricoles les plus susceptibles de protéger contre les dommages environnementaux est une proposition complexe, et des chercheurs de l'Ohio State University travaillent à affiner les outils qui pourraient aider les agriculteurs et autres à prévenir les proliférations d'algues nuisibles.

Cette semaine, lors de la réunion d'automne de l'American Geophysical Union (AGU) à Washington, D.C, une équipe de scientifiques de l'Ohio State University a partagé les premiers résultats d'un trio d'études visant à améliorer les modèles conçus pour guider les pratiques agricoles afin de réduire le risque de ruissellement agricole d'azote et de phosphore. Un tel ruissellement conduit à la croissance d'algues toxiques dans les cours d'eau.

Des modèles de base pour prédire les conséquences de diverses décisions, comme quand appliquer de l'engrais, sont disponibles mais elles doivent être affinées afin d'assurer la fiabilité et gagner la confiance des parties intéressées, y compris les agriculteurs et les organisations de protection de l'environnement, dit Jay Martin, professeur de génie écologique à l'Ohio State.

Asmita Murumkar, chercheur postdoctoral à l'Ohio State, a déclaré que son travail commençait à éclairer la façon dont le moment de l'application d'engrais croise les fortes pluies pour contribuer au ruissellement des nutriments. Elle travaille avec l'Ohio Applicator Forecast, un outil qui utilise les données du National Weather Service pour attribuer des estimations de risque à l'application d'engrais à différents moments.

Murumkar espère que ses recherches aideront à quantifier l'impact que l'outil aurait sur l'environnement selon différents scénarios - disons si un quart des agriculteurs du bassin versant de la rivière Maumee l'utilisait, ou la moitié.

"Nous voulons mieux comprendre combien de ruissellement de phosphore cela réduirait dans la région, " Martin dit, ajoutant qu'il existe de nombreuses preuves que les pratiques agricoles individuelles ont un impact sur le ruissellement de ces fermes, mais moins de preuves en termes d'estimations à plus grande échelle.

"Nous savons d'après nos travaux précédents que le moment de l'engrais est important, mais nous voulons être en mesure d'examiner l'ensemble du bassin du lac Érié et connaître les scénarios les plus optimistes et les plus pessimistes et cette modélisation aidera à résoudre ce problème, " il a dit.

Marguerite Kalcic, professeur adjoint à Ohio State's Food, Département de génie agricole et biologique, les agriculteurs sont encouragés à suivre les « quatre R » au bon moment, la source, quantité et lieu lors de l'application d'engrais.

"Mais 'juste' n'est pas clairement défini, et notre équipe travaille pour fournir à nos partenaires en Ohio, y compris les agriculteurs, militants et décideurs politiques, avec de meilleures réponses, " a déclaré Kalcic.

Ajouté Martin, "Il y a plus de subtilité ici que de simplement regarder la météo et l'humidité du sol et nous essayons de déterminer les meilleures solutions qui soutiennent la production agricole et la protection de l'environnement."

Grey Evenson, chercheur postdoctoral à l'Ohio State, présentera les premiers résultats de ses travaux pour identifier les meilleures données à utiliser en modélisation, afin qu'il offre une image plus précise de ce qui se passe dans les champs et les cours d'eau adjacents.

« Nous ne voulons pas sous-estimer ou surestimer la valeur de ces meilleures pratiques de gestion. Par exemple, certaines pratiques peuvent produire des avantages plus importants que ce que nous leur accordons dans le modèle, comme l'amélioration de la santé des sols, ce qui conduit à une meilleure rétention d'eau, " dit Evenson.

Ajouté Kalcic, "Une grande partie de ce travail concerne le réglage des modèles existants. En améliorant la qualité des informations que nous y mettons, nous avons une plus grande confiance dans les informations qui en sortent." Elle a dit qu'il y a beaucoup de questions sur les impacts environnementaux plus larges de pratiques telles que l'agriculture sans labour, qui est généralement considéré comme respectueux de l'environnement.

"Nous savons que le non-labour est bon pour prévenir l'érosion des sols, mais des incertitudes subsistent quant à ses effets sur la qualité de l'eau dans la région, " a déclaré Kalcic.

L'étudiante diplômée Anna Apostel a discuté d'un troisième projet, dans lequel elle manipule divers paramètres dans un modèle pour essayer de déterminer à quel point le modèle est fiable ou non. L'objectif à long terme est d'évoluer vers des estimations plus fiables de la manière dont les pratiques contribuent à la qualité de l'eau.

Martin a déclaré que l'ajustement des paramètres afin que les amplitudes des processus correspondent mieux à la réalité et aux données des observations sur le terrain est un élément essentiel de l'amélioration des performances du modèle.

"Nous voulons ajuster nos équations pour mieux représenter la réalité, " dit Apostel.

L'objectif primordial de tout le travail, les chercheurs ont dit, est d'avoir des modèles qui correspondent mieux à ce que les chercheurs ont observé dans les expériences sur le terrain, mais qui peuvent examiner les problèmes de manière large, niveau régional.

"Nous savons que si vous construisez un mauvais modèle, cela n'aidera personne à prendre des décisions, " a déclaré Kalcic.

« Nous voulons vraiment renforcer la confiance dans des modèles vraiment utiles qui aideront les décideurs, agriculteurs et autres. Le pire serait que les gens fassent confiance à des modèles qui leur transmettent un message totalement faux, " elle a dit.