Los científicos ahora tienen una nueva herramienta para predecir los efectos futuros del cambio climático en los rendimientos de los cultivos.
Investigadores de la Universidad de Illinois están intentando unir dos tipos de modelos computacionales de cultivos para convertirse en predictores más confiables de la producción de cultivos en el cinturón de maíz de los EE. UU.
"Una clase de modelos de cultivos está basada en la agronomía y la otra está integrada en modelos climáticos o modelos de sistemas terrestres. Se desarrollan para diferentes propósitos y se aplican a diferentes escalas", dice Kaiyu Guan, científico ambiental de la Universidad de Illinoisy el investigador principal de la investigación: "Debido a que cada uno tiene sus propias fortalezas y debilidades, nuestra idea simple es combinar las fortalezas de ambos tipos de modelos para hacer un nuevo modelo de cultivo con un mejor rendimiento de predicción".
Guan y su equipo de investigación implementaron y evaluaron un nuevo modelo de crecimiento de maíz, representado como el modelo CLM-APSIM, al combinar características superiores tanto en el Modelo de tierras comunitarias CLM como en el Simulador de sistemas de producción agrícola APSIM.
"El modelo original de maíz en CLM solo tiene tres etapas fenológicas, o ciclos de vida. Faltan algunas etapas importantes del desarrollo, como la floración, por lo que es imposible aplicar algunas tensiones críticas, como el estrés hídrico o la alta temperatura en estas etapas de desarrollo específicas", dice Bin Peng, investigador postdoctoral en el laboratorio de Guan y también autor principal." Nuestra solución está incorporando el esquema de desarrollo del ciclo de vida de APSIM, que tiene 12 etapas, en el modelo CLM. A través de esta integración, las tensiones inducidas por las altas temperaturas, los déficits de agua y nitrógeno del suelo, se pueden tener en cuenta en el nuevo modelo "
Peng dice que eligieron CLM como marco de alojamiento para implementar el nuevo modelo porque está más basado en procesos y se puede combinar con modelos climáticos.
"Esto es importante ya que la nueva herramienta se puede utilizar para investigar la retroalimentación bidireccional entre un agroecosistema y un sistema climático en nuestros futuros estudios".
Además de reemplazar el modelo original de fenología del maíz en CLM con el del modelo APSIM, los investigadores han realizado varias otras mejoras innovadoras en el nuevo modelo. Se agregaron un nuevo esquema de asignación de carbono y un esquema de simulación del número de granos, así comoun refinamiento al esquema original de la estructura del dosel.
"La mejora más atractiva es que nuestro nuevo modelo está más cerca de obtener el rendimiento correcto con el mecanismo correcto", dice Guan. "El modelo CLM original subestima la biomasa sobre el suelo pero sobreestima el índice de cosecha de maíz, lo que conduce a la aparente derechasimulación de rendimiento con el mecanismo equivocado. Nuestro nuevo modelo corrigió esta deficiencia en el modelo CLM original ".
Peng agrega que el esquema de fenología de APSIM es bastante genérico. "Podemos extender fácilmente nuestro nuevo modelo para simular los procesos de crecimiento de otros cultivos básicos, como la soja y el trigo. Esto definitivamente está en nuestro plan y ya estamos trabajando eneso.
"Todo el trabajo se realizó en Blue Waters, una poderosa supercomputadora petascale en el Centro Nacional de Aplicaciones de Supercomputación NCSA en el campus de la Universidad de Illinois", dice Peng. "Actualmente estamos trabajando en el análisis de sensibilidad de parámetros y la calibración Bayesiana deeste nuevo modelo y también en una simulación regional de alta resolución sobre el Cinturón de maíz de los Estados Unidos, todo lo cual no sería posible sin los preciosos recursos computacionales proporcionados por Blue Waters ".
El estudio, "Mejorando los procesos de crecimiento del maíz en el modelo de tierra comunitaria: Implementación y evaluación", se publica en Meteorología agrícola y forestal . El trabajo fue iniciado y diseñado por Kaiyu Guan y Bin Peng de la Universidad de Illinois y Min Chen del Instituto de Investigación del Cambio Global Conjunto del Laboratorio Nacional del Noroeste del Pacífico en Maryland. Es coautor de un equipo de varios institutos deDavid M. Lawrence y Yaqiong Lu, ambos del Centro Nacional de Investigación Atmosférica; Yadu Pokhrel de la Universidad Estatal de Michigan; y Andrew Suyker y Timothy Arkebauer de la Universidad de Nebraska-Lincoln.
La financiación fue otorgada por el Premio al Nuevo Investigador de la NASA NNX16AI56G, el Premio del Programa Fundacional del Instituto Nacional de Alimentos y Agricultura NIFA del USDA 2017-67013-26253 y la Cátedra Blue Waters Centro Nacional para Aplicaciones de Supercomputación en la Universidad deIllinois otorgado a Kaiyu Guan y el premio NIFA del USDA 2015-67003-23489 a David M. Lawrence.
Esta investigación es parte del proyecto de computación de escala de petas sostenida de Blue Waters, que cuenta con el apoyo de la National Science Foundation premios OCI-0725070 y ACI-1238993 y el estado de Illinois.
Además de ser profesor asistente de ecohidrología y geoinformática en el Departamento de Recursos Naturales y Ciencias Ambientales de la Facultad de Ciencias Agrícolas, del Consumidor y del Medio Ambiente de la U de I, Guan tiene una cita conjunta como profesor de Blue Waters afiliado aNCSA. Peng tiene una cita postdoctoral con NCSA y también está afiliada a NRES.
Fuente de la historia :
Materiales proporcionado por Facultad de Ciencias Agrícolas, del Consumidor y del Medio Ambiente de la Universidad de Illinois . Original escrito por Debra Levey Larson. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :