Ученые создали новый способ борьбы с потерей урожайности

В новое исследование сотрудники NASA, Чикагского университета и Потсдамского института включили данные о том, в какое время каждый конкретный регион выращивает растения и собирает урожай, и обнаружили, что это единственный эффективный способ улучшить существующие модели. Результаты работы опубликованы в журнале Science Advances и могли бы расширить знания специалистов по борьбе с последствиями потери урожая.

Современные модели стремятся спрогнозировать урожайность не только с учетом долгосрочного изменения климата, но и в следующем году, однако им не удается объяснить происходящие из года в год изменения.

"Кратковременная изменчивость урожайности чрезвычайно важна для специалистов и продовольственного рынка, влияя на уровень цен, торговые эмбарго и хранения продовольствия", — говорит Йонас Ягермейр (Jonas Jägermeyr), автор исследования.

По большей части ученые попытались улучшить оценки урожайности культур, работая над борьбой с погодными условиями. Однако вместо этого Ягермейер и его соавтор Катя Фрилер из Потсдамского института попытались взглянуть на проблему под другим углом: вместо того чтобы предположить, что фермеры выращивают один и тот же урожай по всему миру, они брали в расчет среднее время, за которое каждый регион выращивает растения и собирает урожай, чтобы представить разнообразие на местах.

"Производительность этой модели удваивается. Верные расчет вегетационного сезона — единственная наиболее эффективная мера повышения урожая кукурузы", — утверждает ученый.

Ягермейр приводит в пример урожай кукурузы в Австрии. Если исследователи используют те же самые временные рамки для выращивания кукурузы, что и в Мексике, они могут предположить, что урожай будет выгоднее из-за осадков в октябре. Но в более холодной Австрии урожай кукурузы уже был собран, поэтому расчеты отбрасываются.

С помощью этой информации модели исследователей подошли гораздо ближе к фактически наблюдаемым результатам урожайности. Сейчас ученые поставили перед собой задачу имитировать беспрецедентные исторические последствия засухи и жары волн, ожидая, что их модели прогнозирования будут надежнее существующих.

Единственная трудность для исследователей заключается в том, что в своем методе они слишком зависимы от данных: сейчас у них нет высококачественных наблюдений по всем странам, поэтому они планируют использовать эту улучшенную структуру модели для проверки прогноза урожайности уже в следующем сезоне в режиме реального времени.