Une nouvelle étude de la Michigan State University met en lumière la façon dont les mégadonnées et les technologies numériques peuvent aider les agriculteurs à mieux s'adapter aux menaces, présentes et futures, d'un climat changeant.

L'étude, Publié dans Rapports scientifiques , est le premier à quantifier avec précision les caractéristiques du sol et du paysage et les variations spatiales et temporelles de rendement en réponse à la variabilité climatique. Il est également le premier à utiliser les mégadonnées pour identifier les zones dans les champs individuels où le rendement est instable.

Entre 2007 et 2016, l'économie américaine a subi un impact économique estimé à 536 millions de dollars en raison des variations de rendement des terres agricoles instables causées par la variabilité climatique dans le Midwest. Plus d'un quart des terres cultivées en maïs et en soja de la région sont instables. Les rendements fluctuent entre sur-performance et sous-performance sur une base annuelle.

Bruno Basso, Professeur de la Fondation MSU en sciences de la terre et de l'environnement, et son chercheur postdoctoral, Rafael Martinez-Feria, a entrepris de répondre aux principaux piliers du projet agricole coordonné de l'Institut national pour l'alimentation et l'agriculture que Basso dirige depuis 2015.

"D'abord, nous voulions savoir pourquoi et où les rendements des cultures variaient d'une année à l'autre dans la ceinture de maïs et de soja des États-Unis, " dit Basso. " Ensuite, nous voulions savoir s'il était possible d'utiliser le big data pour développer et déployer des solutions d'agriculture intelligente face au climat pour aider les agriculteurs à réduire leurs coûts, augmenter les rendements et limiter l'impact environnemental."

Basso et Martinez-Feria ont d'abord examiné le sol et ont découvert que seul, il ne pouvait pas suffisamment expliquer des variations de rendement aussi drastiques.

"Le même sol aurait un faible rendement une année et un rendement élevé l'année suivante, " dit Basso. " Alors, qu'est-ce qui cause cette instabilité temporelle ?"

En utilisant une énorme quantité de données obtenues à partir de satellites, avion de recherche, drones et télécapteurs, et des agriculteurs via des suites de capteurs géospatiaux avancés présents dans de nombreuses moissonneuses-batteuses modernes, Basso et Martinez-Feria ont tissé ensemble big data et expertise numérique.

Ce qu'ils ont découvert, c'est que l'interaction entre la topographie, les conditions météorologiques et le sol ont un impact immense sur la façon dont les champs cultivés réagissent aux conditions météorologiques extrêmes dans les zones instables. Variations de terrain, comme les dépressions, sommets et pentes, créer des zones localisées où l'eau stagne ou ruisselle. Environ les deux tiers des zones instables se trouvent dans ces sommets et dépressions et le terrain contrôle le stress hydrique subi par les cultures.

Avec des données complètes et la technologie, l'équipe a quantifié le pourcentage de chaque champ de maïs ou de soja dans le Midwest qui est sujet à un excès ou un déficit hydrique. Les rendements dans les zones pauvres en eau peuvent être de 23 à 33 % inférieurs à la moyenne du terrain pour les saisons à faibles précipitations, mais sont comparables à la moyenne des années très humides. Les zones sujettes à un excès d'eau ont connu des rendements de 26 à 33 % inférieurs à la moyenne du terrain pendant les années humides.

Basso pense que leur travail aidera à déterminer l'avenir des technologies agricoles intelligentes face au climat.

"Nous sommes avant tout soucieux d'aider les agriculteurs à voir leurs champs d'une nouvelle manière, les aider à prendre de meilleures décisions pour améliorer le rendement, réduire les coûts et améliorer l'impact environnemental, " dit Basso. " Sachant que vous avez une région qui manque d'eau, vous planifierez vos applications d'engrais différemment. La quantité d'engrais pour cette zone devrait être nettement inférieure à celle que vous appliqueriez dans les zones du même champ avec plus d'eau disponible pour les plantes. »