Las predicciones del rendimiento de los cultivos son un factor clave de la economía regional y los mercados financieros, afectando a casi toda la cadena de suministro agrícola. Por eso los economistas investigadores agrícolas, agencias gubernamentales, y las empresas privadas están trabajando para mejorar la precisión de estas predicciones.

El informe mensual de Estimaciones de oferta y demanda agrícola mundial (WASDE) del Departamento de Agricultura de EE. UU. Pronostica el rendimiento al final de la temporada basado en encuestas y análisis de agricultores en tiempo real del Servicio Nacional de Estadísticas Agrícolas (NASS) del USDA, y muchos lo consideran el estándar de oro para las predicciones de rendimiento. Pero los investigadores de la Universidad de Illinois han desarrollado un nuevo método que supera las estimaciones WASDE del USDA, de forma científicamente rigurosa y reproducible.

"Utilizando pronósticos estacionales y datos satelitales, Desarrollamos un sistema de predicción de rendimiento muy avanzado tanto a nivel nacional como de condado. Nuestra investigación demuestra que podemos hacerlo mejor que la estimación en tiempo real del USDA, "dice Kaiyu Guan, investigador principal del Cartas de investigación geofísica estudio, y profesor asistente en el Departamento de Recursos Naturales y Ciencias Ambientales (NRES) de la U de I y profesor de Blue Waters en el Centro Nacional de Aplicaciones de Supercomputación (NCSA).

Guan y sus colegas no son los primeros en utilizar datos satelitales para tratar de predecir el rendimiento de los cultivos, pero su uso combinado de la predicción climática estacional, junto con información sobre el crecimiento de los cultivos a partir de imágenes de satélite, es único.

El estudio evaluó la precisión al final de la temporada de las fuentes de datos individuales y combinadas en comparación con el pronóstico de rendimiento de maíz nacional en los informes mensuales del USDA WASDE.

"En comparación con el uso de información climática histórica para el futuro desconocido, que es en lo que se basa la mayoría de las investigaciones anteriores, el uso de la predicción climática estacional de los Centros Nacionales de Predicción Ambiental de la NOAA dio un mejor desempeño de pronóstico, especialmente en la reducción de las incertidumbres, "dice Bin Peng, el autor principal de este estudio e investigador asociado postdoctoral en NRES y NCSA.

Guan agrega, "Pero si solo usamos datos de predicción climática estacional:temperatura, lluvia, y déficit de presión de vapor:nuestras predicciones no fueron mejores que las del USDA. Fue solo cuando agregamos los datos de satélite que comenzamos a ver la mejora. Esa es una clara indicación de que los datos satelitales son extremadamente útiles en este caso ".

El nuevo enfoque permite hacer predicciones de final de temporada más precisas a principios de temporada. Al final de la temporada de crecimiento, cuando termine la cosecha de maíz, es posible mirar hacia atrás y evaluar la precisión de la predicción de cada mes anterior. Entre 2010 y 2016, por ejemplo, el informe WASDE de junio estaba desactivado, de media, por 17,66 bushels por acre. Para el mismo período de tiempo, El sistema de Guan y Peng solo estaba apagado en 12,75 bushels por acre. En agosto, WASDE se redujo en un promedio de 5.63 bushels por acre, mientras que el sistema de Guan y Peng redujo el número a 4,37.

"Mejorar nuestra capacidad para predecir el rendimiento de los cultivos es realmente importante para muchas aplicaciones. Los agricultores quieren conocer esta información porque está directamente relacionada con el precio que pueden esperar. Los pronósticos económicos y los precios del mercado de productos básicos para el maíz y la soja dependen de esta información. También la logística:Las empresas de cereales deben averiguar qué lugares están produciendo cereales y cuánto. ¿Tienen la capacidad para recolectarlos y procesarlos? El seguro de cosechas depende de esta información, también. Es un problema que tiene mucho significado práctico, "Dice Guan.

"El nuevo sistema se implementa en Blue Waters, una de las supercomputadoras más avanzadas de EE. UU., ", dice Peng." Necesitamos una instalación informática de alto rendimiento como Blue Waters para procesar la enorme cantidad de predicción climática estacional y datos satelitales ".

El artículo, "Beneficios de la predicción climática estacional y los datos satelitales para pronosticar el rendimiento de maíz de EE. UU., "se publica en Cartas de investigación geofísica .