Agro Fossil Free - Utilizzando il telerilevamento, i modelli di colture basati sui processi e l'apprendimento automatico per valutare le rotazioni delle colture su 20 milioni di ettari nell'Australia occidentale

Descrizione generale

Il telerilevamento è stato ampiamente utilizzato per identificare i tipi di colture e monitorare i raccolti nelle aziende agricole. Qui, combiniamo le stagioni successive di questi prodotti per identificare le rotazioni delle colture in ogni campo in 20 milioni di ettari della Wheatbelt dell'Australia occidentale. Abbiamo utilizzato il modello di coltura APSIM per definire l'acqua del suolo iniziale, gli stress termici, la biomassa e la resa delle colture per caratterizzare l'agro-ambiente prevalente di quel campo. Questi dati di telerilevamento e i risultati della modellazione delle colture APSIM sono stati poi combinati, con l'apprendimento automatico, per prevedere l'effetto della complessa interazione tra agro-ambiente e rotazione delle colture sulla resa del grano. Le previsioni dell'apprendimento automatico vengono utilizzate per valutare i vantaggi o meno della rotazione delle colture in tutta l'Australia occidentale per ogni campo nella regione di studio. In generale, se i campi sottoposti a rotazione frumento-cereali fossero invece sottoposti a rotazione frumento-colza, si prevedeva che il 68% di questi campi avrebbe registrato un aumento della resa compreso tra 0 e 1850 kg ha-1. Tuttavia, si prevedeva che solo il 28% dei campi coltivati a colza avrebbe avuto un vantaggio in termini di resa di 200 kg ha-1 o più sulle seguenti colture di grano. In media, i pascoli annuali hanno generato una leggera riduzione della resa di 47 kg ha-1 per il successivo raccolto di grano. I risultati di questo studio, utilizzando modelli di colture, telerilevamento e apprendimento automatico, indicano che i benefici delle colture e dei pascoli per gli agricoltori sono inferiori al beneficio di 400-600 kg ha-1 comunemente riportato dagli esperimenti sul campo. Queste intuizioni di gestione potrebbero sostenere lo sviluppo di futuri aiuti decisionali o gemelli digitali agricoli per decisioni di gestione delle colture come la pianificazione della rotazione delle colture. L'approccio fornisce agli agricoltori informazioni tangibili sulla loro produzione utilizzando i risultati del telerilevamento basato sulle colture e della modellazione delle colture.