La siccità o le ondate di calore hanno conseguenze che si estendono al di là degli agricoltori che guardano ansiosamente i loro campi; queste fluttuazioni dei raccolti possono provocare onde d'urto a causa delle forniture e dei prezzi alimentari locali e globali.

In un nuovo studio, ricercatori con la NASA, l'Università di Chicago e il Potsdam Institute for Climate Impact Research hanno aggiunto dati su quando ogni regione specifica pianta e raccoglie i suoi raccolti e hanno scoperto che era il modo più efficace per migliorare le simulazioni.

Pubblicato il 21 novembre in Progressi scientifici , l'adattamento innovativo potrebbe migliorare le informazioni disponibili per i responsabili delle politiche e i mercati per prepararsi agli impatti della perdita di raccolto.

I modelli attuali fanno fatica a prevedere i rendimenti, non solo in vista del cambiamento climatico a lungo termine, ma semplicemente per i raccolti dell'anno successivo. "I modelli di oggi non riescono davvero a spiegare la variabilità da un anno all'altro. Anche se cerchiamo solo di ricreare ciò che è successo in passato, semplicemente non sono all'altezza, " disse Jägermeyr, un ricercatore post-dottorato presso il dipartimento di informatica dell'UChicago, Potsdam, e NASA, e il corrispondente autore dello studio. "Si scopre che la variabilità della resa a breve termine è estremamente importante per i responsabili politici e il mercato alimentare, naturalmente per i livelli di prezzo, ma anche per shock di approvvigionamento, embarghi commerciali e riserve”.

Per la maggior parte, gli scienziati hanno cercato di migliorare le stime sulla resa delle colture migliorando la risposta meteorologica del modello. Ma invece, Jägermeyr e la coautrice Katja Frieler dell'Istituto di Potsdam hanno cercato di affrontare il problema da una prospettiva diversa:invece di presumere che gli agricoltori coltivino una singola varietà di un raccolto in tutto il mondo, hanno implementato i tempi medi in cui ogni regione pianta e raccoglie i suoi raccolti per rappresentare le varietà locali.

"Le prestazioni del modello raddoppiano, " Ha detto Jägermeyr. "Ottenere la stagione di crescita giusta è la misura più efficace per abbinare meglio i raccolti di mais osservati".

Per esempio, Jägermeyr ha detto, considera un raccolto di mais in Austria. Se i ricercatori utilizzano la stessa tempistica di crescita per una varietà di mais che cresce in Messico, potrebbero presumere che il raccolto trarrebbe beneficio da una pioggia di ottobre. Ma nell'Austria più fredda il mais sarebbe già stato raccolto, quindi i calcoli sono saltati.

Con queste informazioni, i modelli dei ricercatori corrispondevano molto più strettamente a quelli reali, rendimenti osservati. "Siamo ora in grado di simulare gli impatti storici di siccità e ondate di calore, che è senza precedenti, "Jägermeyr ha detto, "e abbiamo tutte le ragioni per aspettarci che le nostre future simulazioni saranno più robuste di prima".

Questo è qualcosa che è stato trascurato, e mostriamo semplicemente quanto conta il tempismo. La cosa bella è che è un frutto basso che possiamo facilmente implementare nei nostri modelli, " ha detto. "L'unica difficoltà è che è molto dipendente dai dati, e non abbiamo ancora osservazioni di alta qualità in tutti i paesi".

Hanno in programma di utilizzare questa struttura del modello migliorata per testare le previsioni del raccolto per tutta la prossima stagione in tempo reale.