Il carbonio è ovunque. È nell'atmosfera, negli oceani, nel suolo, nel nostro cibo, nei nostri corpi. Come la spina dorsale di tutte le molecole organiche che compongono la vita, il carbonio è un predittore molto accurato dei raccolti. E il suolo è la più grande riserva di carbonio sulla terra, svolgere un ruolo importante nel mantenere stabile il nostro clima.

Come tale, i modelli computazionali che tracciano il carbonio mentre attraversa un agroecosistema hanno un enorme potenziale non sfruttato per far avanzare il campo dell'agricoltura di precisione, aumentare i raccolti e informare le pratiche agricole sostenibili.

"Sebbene la modellazione del ciclo del carbonio negli agroecosistemi sia già stata fatta in precedenza, il nostro lavoro rappresenta la più completa integrazione di modelli e osservazioni, così come una validazione rigorosa che include ricche misurazioni sia su scala di campo che su scala regionale. Le prestazioni di modellazione della nostra soluzione (pubblicata questo mese in Meteorologia agraria e forestale ) supera di gran lunga gli studi precedenti, " disse Kaiyu Guan, professore associato di risorse naturali e scienze ambientali presso l'Università dell'Illinois Urbana-Champaign. Guan è anche professore associato di Blue Waters presso il National Center for Supercomputing Applications (NCSA) e direttore fondatore dell'Agroecosystem Sustainability Center creato dal College of Agricultural, Scienze del Consumo e dell'Ambiente e iSEE.

Il ciclo del carbonio negli agroecosistemi può essere generalizzato in tre principali flussi di carbonio che viaggiano da e verso le piante e il suolo. Il carbonio entra nel sistema attraverso la fotosintesi. Alcuni lasciano il sistema attraverso la respirazione delle piante e la respirazione del suolo, mentre il carbonio sotto forma di grano e biomassa viene rimosso quando vengono raccolte le colture. In linea di principio, la somma di questi flussi è uguale al movimento netto di carbonio attraverso il sistema e quella variazione netta, soprattutto per lunghi periodi di tempo, è ciò che contribuisce a modificare il carbonio organico del suolo di un agroecosistema.

Il carbonio organico del suolo (SOC) è esattamente quello che sembra:carbonio sotto forma di molecole organiche nel suolo. Parlando in generale, maggiore è il SOC di un campo, più sarà produttivo. Però, nelle terre coltivate del Midwest degli Stati Uniti, circa il 30-50% del SOC è andato perso dall'inizio della loro coltivazione. Questa perdita di SOC può aumentare il rischio di diminuzione della resa del raccolto, soprattutto in condizioni climatiche future.

I membri del team del progetto SMARTFARM di Guan hanno utilizzato un modello avanzato di agroecosistema denominato ecosys, che contiene i meccanismi più complessi per la simulazione dell'energia, acqua, carbonio, e flussi di nutrienti che ciclano nell'agroecosistema. Questo modello è stato originariamente sviluppato dal professore di modellazione degli ecosistemi Robert Grant dell'Università di Alberta. Negli ultimi anni, Il team di Guan ha compiuto sforzi continui per costruire una soluzione per limitare ulteriormente il modello ecosys con enormi dati di osservazione.

I ricercatori hanno utilizzato un approccio innovativo "model-data fusion", che integra simulazioni di modelli avanzati con dati osservativi. Questo approccio ha permesso loro di convalidare i risultati della simulazione del modello, vincolare i parametri del modello incerto, e garantire che il modello emuli i processi che guidano il ciclo del carbonio in tutte le fasi. Sono stati utilizzati più tipi di set di dati, come i dati della torre di flusso di eddy covariance, che è ampiamente considerato come il gold standard per le misure del carbonio su scala paesaggistica; Dati sulla resa delle colture USDA che forniscono il carbonio raccolto; e nuovi dati satellitari che forniscono osservazioni sulla fotosintesi.

"Inoltre, abbiamo utilizzato dati dettagliati sull'allocazione del carbonio misurati in 10 anni, " ha detto l'autore principale Wang Zhou, un associato di ricerca post-dottorato. "Sono i dati che ti dicono dove una pianta alloca il carbonio che assorbe dalla fotosintesi:quanto va allo stelo, quanto alle radici, quanto alle foglie."

"Ciò che rende davvero entusiasmante la nostra soluzione di modellazione, "Guan ha detto, "è che usiamo le osservazioni più avanzate dai satelliti per vincolare un potente modello di agroecosistema, e dimostriamo che questo può raggiungere le massime prestazioni nella stima di diversi componenti di carbonio." All'inizio di quest'anno, Guan e il ricercatore Chongya Jiang hanno sviluppato un algoritmo per stimare la fotosintesi dai dati satellitari. Questi nuovi dati sulla fotosintesi disponibili in ogni campo di mais e soia nel Midwest degli Stati Uniti sono stati utilizzati anche per convalidare e vincolare il modello per garantire che il team possa riprodurre accuratamente la fotosintesi osservata dal satellite e la resa del raccolto riportata dall'USDA. così come le loro risposte alla variabilità ambientale.

"L'integrazione delle osservazioni satellitari con un modello basato sui processi come ecosys è la chiave per garantire l'accuratezza della nostra soluzione, e, cosa più importante, il potenziale di utilizzare la nostra soluzione di modellazione in una nuova posizione, come il Sud America o l'Africa, " Ha detto il ricercatore Bin Peng.

Con così tante parti in movimento, un'enorme quantità di tempo e sforzi è stata dedicata allo sviluppo di questa soluzione di fusione dati-modello. Il team di Guan è orgoglioso di rilasciare il primo documento sul modello in Meteorologia agraria e forestale , e i ricercatori hanno in cantiere un paio di altri documenti che utilizzano questo metodo. Ad esempio, in un altro studio recente che ha coinvolto il team di Guan e guidato dall'Università del Minnesota, i ricercatori hanno integrato i risultati simulati dall'ecosistema con l'intelligenza artificiale per stimare N ₂ O emissione dalla cintura di mais degli Stati Uniti. Questo studio è stato pubblicato in Lettere di ricerca ambientale.

"Questo è lo stato dell'arte per quantificare il budget e il credito del carbonio, " Ha detto Guan. "Vogliamo mostrare alla gente ciò che è possibile e stabilire uno standard elevato per il futuro. Lasciamo che la scienza rigorosa parli da sola. Credo che questo sia il modo più efficace per dire le cose come scienziati".

Progetto SMARTFARM di Guan, un programma finanziato dal Dipartimento dell'Energia degli Stati Uniti, è focalizzata sulla tecnologia pionieristica per quantificare i crediti di carbonio su scala di campo per i terreni agricoli degli Stati Uniti. L'ambizione del team è quella di utilizzare questo metodo di fusione dei dati modello sviluppato come base per quantificare con precisione il bilancio del carbonio su qualsiasi scala, e anche supportare la gestione intelligente su scala aziendale. Attraverso l'agricoltura di precisione, sperano di aiutare gli agricoltori non solo a massimizzare i loro raccolti, ma anche sostenere meglio la loro terra e il suo contenuto SOC.

Diverse agenzie di finanziamento hanno supportato il team di Guan nel corso degli anni, compreso il premio alla carriera della National Science Foundation, la Fondazione per la ricerca sull'alimentazione e l'agricoltura, DOE Advanced Research Projects Agency-Energy SMARTFARM program, Programma del sistema di monitoraggio del carbonio della NASA, e USDA National Institute of Food and Agriculture.

Oltre a Guan, Concedere, Zhou, Jiang, e Peng, i coautori di questa ultima pubblicazione includono Jinyung Chang, Laboratorio Nazionale Lawrence Berkeley; Zhenong Jin, Università del Minnesota; e Symon Mezbahuddin, Università dell'Alberta.