Predecir y señalar qué prácticas agrícolas tienen más probabilidades de proteger contra el daño ambiental es una propuesta compleja, e investigadores de la Universidad Estatal de Ohio están trabajando para perfeccionar las herramientas que podrían ayudar a los agricultores y otras personas a prevenir la proliferación de algas nocivas.

Esta semana en la reunión de otoño de la American Geophysical Union (AGU) en Washington, CORRIENTE CONTINUA, un equipo de científicos de la Universidad Estatal de Ohio compartió los primeros resultados de un trío de estudios que tienen como objetivo mejorar los modelos diseñados para guiar las prácticas agrícolas para reducir el riesgo de escorrentía agrícola de nitrógeno y fósforo. Tal escorrentía conduce al crecimiento de algas tóxicas en los cursos de agua.

Modelos básicos para predecir las consecuencias de diversas decisiones, como cuando aplicar fertilizante, están disponibles, pero deben perfeccionarse para garantizar la fiabilidad y ganar la confianza de las partes interesadas, incluidos los agricultores y las organizaciones de protección del medio ambiente, dijo Jay Martin, profesor de ingeniería ecológica en el estado de Ohio.

Asmita Murumkar, investigador postdoctoral en el estado de Ohio, dijo que su trabajo está comenzando a aclarar cómo el momento de la aplicación de fertilizantes se cruza con las fuertes lluvias para contribuir a la escorrentía de nutrientes. Ella está trabajando con Ohio Applicator Forecast, una herramienta que utiliza datos del Servicio Meteorológico Nacional para asignar estimaciones de riesgo de la aplicación de fertilizantes en distintos momentos.

Murumkar tiene la esperanza de que su investigación ayude a cuantificar el impacto que tendría la herramienta en el medio ambiente en diferentes escenarios, digamos si una cuarta parte de los agricultores de la cuenca del río Maumee la usara, o la mitad.

"Queremos comprender mejor la cantidad de escorrentía de fósforo que reduciría en la región, "Martin dijo, agregando que hay mucha evidencia de que las prácticas agrícolas individuales impactan la escorrentía de esas granjas, pero menos evidencia en términos de estimaciones a mayor escala.

"Sabemos por nuestro trabajo anterior que el momento del fertilizante es importante, pero queremos poder mirar a través de toda la cuenca del lago Erie y conocer los mejores y peores escenarios, y este modelo ayudará a abordar eso, " él dijo.

Margaret Kalcic, profesor asistente en Alimentos del Estado de Ohio, Departamento de Ingeniería Agrícola y Biológica, dijo que se alienta a los agricultores a seguir las "Cuatro R" en el momento adecuado, fuente, cantidad y lugar al aplicar fertilizante.

"Pero 'derecho' no está claramente definido, y nuestro equipo está trabajando para brindarles a nuestros socios en Ohio, incluidos los agricultores, defensores y formuladores de políticas, con mejores respuestas, "Dijo Kalcic.

Martin agregó, "Aquí hay más sutileza que simplemente observar el clima y la humedad del suelo, y estamos tratando de determinar las mejores soluciones que respalden la producción agrícola y la protección ambiental".

Gris Evenson, investigador postdoctoral en el estado de Ohio, Presentará los hallazgos iniciales de su trabajo para identificar los mejores datos para usar en el modelado, para que ofrezca una imagen más precisa de lo que está sucediendo en los campos y vías fluviales adyacentes.

"No queremos subestimar ni sobrestimar el valor de estas mejores prácticas de gestión. Por ejemplo, Algunas prácticas pueden producir mayores beneficios de los que les damos crédito en el modelo, como mejorar la salud del suelo, lo que conduce a una mejor retención de agua, "Dijo Evenson.

Agregó Kalcic, "Gran parte de este trabajo consiste en ajustar los modelos existentes. Al mejorar la calidad de la información que les proporcionamos, tenemos una mayor confianza en la información que sale de ellos". Dijo que hay muchas preguntas sobre los impactos ambientales más importantes de prácticas como la agricultura sin labranza, que generalmente se considera respetuoso con el medio ambiente.

"Sabemos que la labranza cero es buena para prevenir la erosión del suelo, pero aún existen incertidumbres sobre sus efectos sobre la calidad del agua en la región, "Dijo Kalcic.

La estudiante de posgrado Anna Apostel discutió un tercer proyecto, en el que está manipulando varios parámetros en un modelo para tratar de determinar qué tan confiable (o no) es el modelo. El objetivo a largo plazo es avanzar hacia estimaciones más sólidas de cómo las prácticas contribuyen a la calidad del agua.

Martin dijo que ajustar los parámetros para que las magnitudes de los procesos coincidan mejor con la realidad y los datos de las observaciones en el campo es una parte fundamental para mejorar el rendimiento del modelo.

"Queremos ajustar nuestras ecuaciones para representar mejor la realidad, "Dijo Apostel.

El objetivo general de todo el trabajo, los investigadores dijeron, es tener modelos que se alineen mejor con lo que los investigadores han observado en los experimentos de campo, pero que puedan analizar los problemas de manera amplia, nivel regional.

"Sabemos que si construyes un mal modelo, no ayudará a nadie a tomar decisiones, "Dijo Kalcic.

"Realmente queremos generar confianza en modelos verdaderamente útiles que ayudarán a los encargados de formular políticas, agricultores y otros. Lo peor sería que las personas confían en modelos que les están transmitiendo un mensaje completamente equivocado. " ella dijo.