El maíz se planta en aproximadamente 90 millones de acres en los Estados Unidos cada año. Con todos esos datos las agencias gubernamentales necesitan meses después de la cosecha para analizar el rendimiento total y la calidad del grano. Los científicos están trabajando para acortar esa línea de tiempo, hacer predicciones para el rendimiento de final de temporada a mitad de temporada. Sin embargo, menos investigadores han abordado las predicciones de la calidad del grano, especialmente a gran escala. Un nuevo estudio de la Universidad de Illinois comienza a llenar ese vacío.

El estudio, publicado en Agronomía , utiliza un algoritmo recientemente desarrollado para predecir tanto el rendimiento al final de la temporada como la composición del grano:la proporción de almidón, petróleo, y proteína en el grano — mediante el análisis de los patrones climáticos durante tres etapas importantes en el desarrollo del maíz. En tono rimbombante, las predicciones se aplican a toda la cosecha de maíz del Medio Oeste en los Estados Unidos, independientemente de los genotipos de maíz o las prácticas de producción.

"Hay varios estudios que evalúan los factores que influyen en la calidad de genotipos específicos o ubicaciones específicas, pero antes de este estudio, no pudimos hacer predicciones generales a esta escala, "dice Carrie Butts-Wilmsmeyer, profesor asistente de investigación en el Departamento de Ciencias de los Cultivos de la U de I y coautor del estudio.

A medida que el maíz llega a los elevadores en todo el Medio Oeste cada temporada, el U.S. Grains Council toma muestras para evaluar la composición y la calidad de sus informes resumidos anuales, que se utilizan para las ventas de exportación. Fue esta base de datos completa la que Butts-Wilmsmeyer y sus colegas utilizaron para desarrollar su nuevo algoritmo.

"Usamos datos de 2011 a 2017, que abarcó años de sequía y años de rendimiento récord, y todo lo que hay en el medio "dice Juliann Seebauer, investigador principal especialista en el Departamento de Ciencias de los Cultivos de la U de I y coautor del estudio.

Los investigadores emparejaron los datos de la calidad del grano con los datos meteorológicos de 2011-2017 de las regiones que se alimentan de cada elevador de granos. Para construir su algoritmo, se concentraron en el clima durante tres períodos críticos:emergencia, sedoso y llenado de grano, y descubrió que el predictor más fuerte tanto del rendimiento de grano como de la calidad de la composición era la disponibilidad de agua durante el estigrado y el llenado de grano.

El análisis fue más profundo, identificar las condiciones que conducen a concentraciones más altas de aceite o proteínas, información que es importante para los compradores de granos.

La proporción de almidón, petróleo, y la proteína en el grano de maíz está influenciada por el genotipo, disponibilidad de nutrientes del suelo, y clima. Pero el efecto del clima no siempre es sencillo cuando se trata de proteínas. En condiciones de sequía, las plantas estresadas depositan menos almidón en el grano. Por lo tanto, el grano tiene proporcionalmente más proteína que el de las plantas que no experimentan estrés por sequía. El buen tiempo también puede conducir a concentraciones de proteínas más altas. Mucha agua significa que se transporta más nitrógeno a la planta y se incorpora a las proteínas.

En el análisis, "Los niveles de aceite y proteína de grano por encima del promedio se vieron favorecidos por una menor lixiviación de nitrógeno durante el crecimiento vegetativo temprano, pero también temperaturas más altas en la floración, mientras que una mayor concentración de aceite que de proteína resultó de temperaturas más bajas durante la floración y el llenado de granos, ", dicen los autores en el estudio.

La capacidad de predecir mejor las concentraciones de proteínas y aceite en los cereales podría influir en los mercados mundiales, considerando la creciente demanda nacional e internacional de maíz con alto contenido proteico para aplicaciones de alimentación animal. Con el nuevo algoritmo, En teoría, debería ser posible hacer predicciones de rendimiento y calidad al final de la temporada semanas o meses antes de la cosecha simplemente observando los patrones climáticos.

"Otros investigadores han logrado predicciones de rendimiento en tiempo real utilizando datos y modelos mucho más complejos. El nuestro fue un enfoque comparativamente simple, pero logramos agregar la pieza de calidad y lograr una precisión decente, Butts-Wilmsmeyer dice:"Las variables meteorológicas que consideramos importantes en este estudio podrían usarse en análisis más complejos para lograr una precisión aún mayor en la predicción del rendimiento y la calidad en el futuro".