Il mais viene piantato su circa 90 milioni di acri negli Stati Uniti ogni anno. Con tutti quei dati, ci vogliono mesi dopo il raccolto perché le agenzie governative analizzino la resa totale e la qualità del grano. Gli scienziati stanno lavorando per accorciare questa tempistica, fare previsioni per la resa di fine stagione entro la metà della stagione. Però, un minor numero di ricercatori ha affrontato le previsioni sulla qualità del grano, soprattutto su larga scala. Un nuovo studio dell'Università dell'Illinois inizia a colmare questa lacuna.

Lo studio, pubblicato in Agronomia , utilizza un algoritmo di nuova concezione per prevedere sia la resa di fine stagione che la composizione del grano:la proporzione di amido, olio, e proteine ​​nel chicco, analizzando i modelli meteorologici durante tre importanti fasi dello sviluppo del mais. È importante sottolineare che le previsioni si applicano all'intero raccolto di mais del Midwest negli Stati Uniti, indipendentemente dai genotipi del mais o dalle pratiche di produzione.

"Ci sono diversi studi che valutano i fattori che influenzano la qualità per specifici genotipi o posizioni specifiche, ma prima di questo studio, non siamo riusciti a fare previsioni generali su questa scala, "dice Carrie Butts-Wilmsmeyer, professore assistente di ricerca presso il Dipartimento di Scienze delle Colture presso la U di I e coautore dello studio.

Mentre il mais arriva agli ascensori in tutto il Midwest ogni stagione, l'U.S. Grains Council preleva campioni per valutare la composizione e la qualità dei suoi rapporti di sintesi annuali, che vengono utilizzati per le vendite all'esportazione. È stato questo database completo che Butts-Wilmsmeyer e i suoi colleghi hanno utilizzato per sviluppare il loro nuovo algoritmo.

"Abbiamo utilizzato i dati dal 2011 al 2017, che comprendeva anni di siccità e anni da record, e tutto il resto, "dice Juliann Seebauer, principale specialista di ricerca nel Dipartimento di Scienze delle Colture dell'U of I e coautore dello studio.

I ricercatori hanno abbinato i dati sulla qualità del grano con i dati meteorologici 2011-2017 delle regioni che alimentano ogni silo per cereali. Per costruire il loro algoritmo, si sono concentrati sul tempo durante tre periodi critici:emergenza, seta, e riempimento del grano, e ha scoperto che il più forte predittore sia della resa del grano che della qualità compositiva era la disponibilità di acqua durante la seta e il riempimento del grano.

L'analisi è andata più in profondità, identificare le condizioni che portano a concentrazioni più elevate di olio o proteine:informazioni importanti per gli acquirenti di cereali.

La proporzione di amido, olio, e la proteina nel chicco di mais è influenzata dal genotipo, disponibilità di nutrienti nel suolo, e tempo. Ma l'effetto del tempo non è sempre semplice quando si tratta di proteine. In condizioni di siccità, le piante stressate depositano meno amido nel grano. Perciò, il grano ha proporzionalmente più proteine ​​di quello delle piante che non soffrono di stress da siccità. Il bel tempo può anche portare a concentrazioni proteiche più elevate. Molta acqua significa che più azoto viene trasportato nella pianta e incorporato nelle proteine.

Nell'analisi, "I livelli di proteine ​​e olio dei cereali superiori alla media sono stati favoriti da una minore lisciviazione di azoto durante la crescita vegetativa precoce, ma anche temperature più elevate in fioritura, mentre maggiori concentrazioni di olio rispetto alle proteine ​​derivavano da temperature più basse durante la fioritura e il riempimento del grano, " affermano gli autori nello studio.

La capacità di prevedere meglio le concentrazioni di proteine ​​e olio nei cereali potrebbe influenzare i mercati globali, considerando la crescente domanda nazionale e internazionale di mais ad alto contenuto proteico per applicazioni di alimentazione animale. Con il nuovo algoritmo, dovrebbe essere teoricamente possibile fare previsioni sulla resa di fine stagione e sulla qualità settimane o mesi prima del raccolto semplicemente osservando i modelli meteorologici.

"Altri ricercatori hanno ottenuto previsioni di rendimento in tempo reale utilizzando dati e modelli molto più complessi. Il nostro era un approccio relativamente semplice, ma siamo riusciti ad aggiungere il pezzo di qualità e ottenere una precisione decente, " Butts-Wilmsmeyer afferma. "Le variabili meteorologiche che abbiamo trovato importanti in questo studio potrebbero essere utilizzate in analisi più complesse per ottenere una precisione ancora maggiore nella previsione sia della resa che della qualità in futuro".