En muchas partes del mundo, el rendimiento de los cultivos está cayendo, en gran parte debido a los efectos del cambio climático. Según un estudio reciente de Cornell, durante las últimas cuatro décadas, por cada grado Celsius de calentamiento, los ingresos agrícolas netos disminuyeron en un 66%.

Los agricultores de los países desarrollados a menudo pueden confiar en grandes conjuntos de datos y herramientas de gestión de riesgos para ayudar a reducir los impactos del calor extremo en su rendimiento e ingresos. Pero en los países en desarrollo, los datos son escasos y, a menudo, es difícil medir con precisión el rendimiento de los cultivos.

En un artículo que aparece en Environmental Research Letters , los científicos sugieren utilizar fotografías satelitales para medir de forma remota la fluorescencia de la clorofila (SIF) inducida por el sol como una forma de evaluar y predecir el rendimiento de los cultivos. Utilizando campos de muestra de maíz en los EE. UU. y trigo en la India, los científicos han dado con un enfoque que, en principio, debería funcionar universalmente para cualquier cultivo, según Ying Sun, coautor y profesor asociado de ciencias del suelo y los cultivos en la Facultad de Agricultura y Ciencias de la Vida (CALS).

La fluorescencia de la clorofila es la luz rojiza reemitida por los tejidos y organismos fotosintéticos, dijo, una medida que sirve como indicador de la conversión de energía fotosintética en las plantas.

"No le dirá cuántas mazorcas de maíz hay en un campo", dijo, "pero el primer paso es modelar la fotosíntesis a partir de la fluorescencia. El rendimiento de los cultivos depende de la fotosíntesis. Aquí tenemos un modelo mecanicista, que es muy importante. "

El coautor Chris Barrett, profesor Stephen B. y Janice G. Ashley de Economía Aplicada y Gestión en la Escuela de Economía Aplicada y Gestión Charles H. Dyson y en la Escuela de Políticas Públicas Cornell Jeb E. Brooks, sugiere este enfoque. podría ser valioso para pronosticar y focalizar:para tomar decisiones políticas, establecer seguros de cosechas e incluso pronosticar áreas de pobreza.

Esta estrategia aprovecha la creciente disponibilidad de datos satelitales y es más barata de usar y de acceso más rápido que otros métodos de predicción de rendimiento, afirmó.

"Por eso lo veo prometedor. Me imagino que será útil para predecir la pobreza a nivel de aldea en zonas rurales donde gran parte de la economía está impulsada por la agricultura", afirmó. "Esos son lugares en los que hemos tenido dificultades para recopilar datos y donde las cosas pueden cambiar muy rápidamente. Si intentamos tomar recursos escasos y redirigirlos hacia donde van a tener el mayor impacto, esto podría ser útil". P>

Esta herramienta podría emplearse para ayudar a las organizaciones de asistencia alimentaria y a las agencias no gubernamentales a ser más ágiles a la hora de brindar ayuda, afirmó Barrett.

Sun dijo que ella y sus colegas están trabajando en más investigaciones que permitirían que este tipo de herramienta en el futuro se utilice en tiempo real para permitir que los agricultores reaccionen, ajustando cosas como enmiendas del suelo o estrategias de riego para mejorar la salud y la productividad de una cosecha actual.

En Estados Unidos, el Departamento de Agricultura y otras instituciones proporcionan enormes cantidades de datos sobre cosechas. Cada vez más, se emplean modelos de aprendizaje automático para hacer predicciones, dijo el autor principal Oz Kira, de la Universidad Ben-Gurion del Negev en Israel y ex postdoctorado en el laboratorio de Sun, pero estos modelos presuponen condiciones ambientales similares.

Kira sugiere que el uso de datos satelitales de fluorescencia de clorofila permitirá cambiar las condiciones.

"Si las condiciones de crecimiento cambian, es posible que las predicciones no sean aplicables", afirmó Kira. "En nuestro caso, no basamos nuestros modelos en observaciones previas. Esto puede tener en cuenta el cambio climático."

Los coautores del estudio incluyen a Jiaming Wen, Ph.D.; Jimei Han, investigador postdoctoral en el laboratorio de Sun; Andrew McDonald, profesor asociado de la Escuela de Ciencias Vegetales Integrativas y del Departamento de Desarrollo Global (CALS); Ariel Ortiz-Bobea, profesor asociado de economía y políticas aplicadas (Dyson and Brooks School); y Yanyan Liu, profesor adjunto (Dyson).