Satellitbilleder af planters fluorescens kan forudsige afgrødeudbytte

Cornell-forskere og samarbejdspartnere har udviklet en ny ramme, der gør det muligt for forskere at forudsige afgrødeudbytte uden behov for enorme mængder af højkvalitetsdata – hvilket ofte er knapt i udviklingslande, især dem, der står over for øget fødevareusikkerhed og klimarisiko.

I mange dele af verden falder afgrødeudbyttet, hovedsagelig på grund af virkningerne af klimaændringer. Ifølge et nyligt Cornell-studie faldt nettobedriftsindkomsten med 66 % i løbet af de sidste fire årtier for hver 1 grad celsius med opvarmning.

Landmænd i udviklede lande kan ofte stole på store datasæt og risikostyringsværktøjer for at hjælpe med at reducere virkningerne af ekstrem varme på deres udbytte og indkomst. Men i udviklingslande er data sparsomme, og det er ofte svært at måle afgrødeudbytte nøjagtigt.

I et papir, der vises i Environmental Research Letters , foreslår forskerne at bruge satellitfotos til fjernmåling af solinduceret klorofylfluorescens (SIF) som en måde at vurdere og forudsige afgrødeudbytte. Ved at bruge prøvemarker af majs i USA og hvede i Indien har forskerne fundet en tilgang, der i princippet burde fungere universelt for enhver afgrøde, ifølge Ying Sun, en medforfatter og lektor i jord- og afgrødevidenskab i College of Agriculture and Life Sciences (CALS).

Klorofylfluorescens er det rødlige lys, der genudsendes af fotosyntetiske væv og organismer, sagde hun, en måling, der tjener som en proxy for fotosyntetisk energiomdannelse i planter.

"Det vil ikke fortælle dig, hvor mange aks der er på en mark," sagde hun, "men trin et er at modellere fotosyntese ud fra fluorescens. Afgrødeudbytte afhænger af fotosyntese. Her har vi en mekanistisk model, som er meget vigtig. "

Medforfatter Chris Barrett, Stephen B. og Janice G. Ashley professor i anvendt økonomi og ledelse ved Charles H. Dyson School of Applied Economics and Management og på Cornell Jeb E. Brooks School of Public Policy, foreslår denne tilgang kunne være værdifuldt for prognoser og målretning:til at træffe politiske beslutninger, etablere afgrødeforsikring og endda forudsige områder med fattigdom.

Denne strategi drager fordel af den voksende tilgængelighed af satellitdata og er billigere at bruge og hurtigere at få adgang til end andre metoder til forudsigelse af udbytte, sagde han.

"Det er derfor, jeg ser det som lovende. Jeg kan forestille mig, at dette er nyttigt til at forudsige fattigdom på landsbyniveau i landdistrikter, hvor en stor del af økonomien er drevet af landbrug," sagde han. "Det er steder, vi har haft svært ved at indsamle data, og hvor tingene kan ændre sig meget hurtigt. Hvis vi forsøger at tage knappe ressourcer og omdirigere dem, hvor de vil have den største indflydelse, kan dette være nyttigt."

Dette værktøj kunne bruges til at hjælpe fødevarehjælpsorganisationer og ikke-statslige agenturer med at blive mere flåde i at yde bistand, sagde Barrett.

Sun sagde, at hun og hendes kolleger arbejder på yderligere forskning, der vil gøre det muligt for denne slags værktøj i fremtiden at blive brugt i realtid for at tillade landmænd at reagere, justere ting som jordændringer eller kunstvandingsstrategier for at forbedre en nuværende høsts sundhed og produktivitet.

I USA leverer Department of Agriculture og andre institutioner enorme mængder høstdata. Maskinlæringsmodeller bliver i stigende grad brugt til at lave forudsigelser, sagde hovedforfatter Oz Kira, fra Ben-Gurion University of the Negev i Israel, og tidligere post-doc i Suns laboratorium, men disse modeller forudsætter lignende miljøforhold.

Kira foreslår, at brug af klorofylfluorescenssatellitdata vil give mulighed for ændrede forhold.

"Hvis vækstbetingelserne ændrer sig, er det muligt, at forudsigelser ikke er gældende," sagde Kira. "I vores tilfælde baserer vi ikke vores modeller på forudgående observation. Dette kan tage højde for klimaændringer."

Studiets medforfattere omfatter Jiaming Wen, Ph.D.; Jimei Han, en postdoc-forsker i Suns laboratorium; Andrew McDonald, lektor ved School of Integrative Plant Science og Department of Global Development (CALS); Ariel Ortiz-Bobea, lektor i anvendt økonomi og politik (Dyson og Brooks School); og Yanyan Liu, adjungeret professor (Dyson).

Flere oplysninger: Oz Kira et al., En skalerbar ramme for afgrødeudbytteestimering baseret på fjernmåling af solinduceret klorofylfluorescens (SIF), Environmental Research Letters (2024). DOI:10.1088/1748-9326/ad3142

Journaloplysninger: Miljøforskningsbreve

Leveret af Cornell University