La toma de decisiones asistida por modelos puede minimizar la vulnerabilidad de los agricultores al cambio climático al predecir el rendimiento de los cultivos y las variables que influyen en él. Con esta información, los agricultores pueden anticipar cambios en el rendimiento de los cultivos, ajustar sus prácticas agrícolas, explorar opciones de diversificación de cultivos y planificar estrategias de adaptación para reducir la vulnerabilidad a los riesgos relacionados con el clima.
Achraf Mamassi, ex estudiante de doctorado en la Universidad de Lieja en Bélgica y en la Universidad Politécnica Mohammed VI en Marruecos (ahora becario postdoctoral en el INRAE en Francia) dirigió un estudio que comparó la capacidad de los modelos mecanicistas basados en procesos y los modelos empíricos para predecir el rendimiento del trigo. en las zonas de secano de Marruecos.
Marruecos ha experimentado un calentamiento considerable, precipitaciones cada vez más erráticas y una disminución general de las precipitaciones en las últimas décadas, lo que ha resultado en rendimientos de cultivos muy variables y grandes brechas de rendimiento. Un aumento de la frecuencia y la intensidad Se espera una gran cantidad de eventos extremos bajo el cambio climático, poniendo en riesgo los equilibrios alimentarios y económicos del país.
Las zonas de secano de Marruecos son responsables del 80% de la producción total de cereales del país. Estas áreas son particularmente vulnerables al cambio climático.
La investigación se centró en dos tipos distintos de modelos: modelos mecanicistas y empíricos. Estos modelos divergen en sus principios fundamentales y niveles de complejidad.
Los modelos mecanicistas (o basados en procesos) se basan en una comprensión profunda de los procesos biológicos y fisiológicos que subyacen al crecimiento de los cultivos. Se desarrollan utilizando principios científicos y ecuaciones matemáticas que representan los procesos físicos, químicos y biológicos que ocurren en los cultivos. Los modelos mecanicistas simulan las interacciones entre factores ambientales (como temperatura, lluvia y radiación), condiciones del suelo y características de los cultivos para predecir las respuestas y el rendimiento de los cultivos. El APSIM-Trigo Se eligió el modelo para representar este tipo de modelo.
Los modelos empíricos (o estadísticos), por otro lado, se basan en relaciones observadas entre variables de entrada (como condiciones climáticas, propiedades del suelo y prácticas de manejo) y el rendimiento de los cultivos. Estos modelos no incorporan explícitamente los mecanismos biológicos subyacentes del crecimiento de los cultivos. En cambio, se basan en métodos estadísticos y datos históricos para establecer patrones y correlaciones entre insumos y productos. En este estudio se consideraron dos modelos empíricos, los de regresión múltiple (MR) y los de bosque aleatorio (RF). La RM se basa en relaciones lineales simples entre predictores y variables de respuesta, mientras que la RF se basa en algoritmos estadísticos complejos.
El estudio incorporó un conjunto de datos que abarca tres años y que abarca datos de 125 campos de trigo ubicados en las regiones de secano de Marruecos. El conjunto de datos comprendía varios parámetros como fenología, temperatura, precipitaciones, química del suelo y prácticas de manejo de cultivos. Los campos fueron asignados a regiones según la precipitación anual (es decir, favorable, intermedia y desfavorable).
El rendimiento de los tres modelos se evaluó evaluando la precisión y exactitud de los rendimientos simulados en comparación con el rendimiento medido.
Los resultados mostraron que la capacidad predictiva del trigo APSIM era mayor que la de los modelos empíricos. Ambos modelos empíricos pudieron hacer predicciones precisas, pero no necesariamente precisas. Sin embargo, el enfoque de bosque aleatorio no pudo ajustarse a un modelo e identificar predictores de rendimiento en regiones desfavorables. El modelo APSIM fue consistentemente más preciso que los modelos empíricos, aunque fue menos preciso para las regiones intermedias y desfavorables.
No obstante, los modelos mecanicistas son útiles porque pueden identificar las variables críticas que contribuyen a predecir el rendimiento del trigo. Esto se debe a que se construyen en base a los procesos biológicos y fisiológicos que impulsan el crecimiento de los cultivos. Estos modelos revelaron varias variables significativas que afectan el rendimiento, incluida la densidad y distribución de las hojas durante la etapa de espigado, factores climáticos como las temperaturas máximas en la emergencia y el macollamiento, y la cantidad de fertilizante aplicado durante la etapa de espigado.
En lugar de apoyar claramente la superioridad de un tipo de modelo sobre otro, los autores abogaron por el uso complementario de todos los enfoques dependiendo de la disponibilidad de datos y el horizonte temporal objetivo para las simulaciones de rendimiento (un año versus décadas) y los objetivos del modelado.
Se prefieren los modelos empíricos para predicciones a largo plazo debido a su precisión y capacidad para capturar los efectos de la variabilidad climática. Por el contrario, los modelos mecanicistas como APSIM son más adecuados para hacer recomendaciones agronómicas que ahorran tiempo y recursos al centrarse en aquellas que tienen el impacto más significativo. Tienen la ventaja de poder predecir el rendimiento tan pronto como estén disponibles los valores de los parámetros esenciales.
Mamassi explicó el impacto de este trabajo en los agricultores marroquíes.
“La adopción de un pilar fundamental de la agricultura de precisión, representado por modelos mecanicistas y empíricos, en la agricultura marroquí podría empoderar a los agricultores de las regiones de secano. En primer lugar, contribuye a evaluar el rendimiento potencial de estas regiones y resaltar los factores detrás de las brechas en el rendimiento de los cultivos. En segundo lugar, ofrece predicciones precisas a largo plazo y recomendaciones eficientes adaptadas a condiciones agropedoclimáticas específicas, respectivamente. Esto podría conducir a una mayor resiliencia contra la variabilidad climática, una asignación optimizada de recursos y mejores rendimientos, mejorando en última instancia la sostenibilidad y la productividad de las prácticas agrícolas marroquíes”.
LEE EL ARTÍCULO:
Achraf Mamassi, Marie Lang, Bernard Tychon, Mouanis Lahlou, Joost Wellens, Mohamed El Gharous, Hélène Marrou, Una comparación de modelos empíricos y mecanicistas para la predicción del rendimiento del trigo a nivel de campo en zonas de secano marroquíes, in silico Plants, Volumen 6, Número 1, 2024, diad020, https://doi.org/10.1093/insilicoplants/diad020
