Predecir y determinar qué prácticas agrícolas tienen más probabilidades de proteger contra el daño ambiental es una propuesta compleja, y los investigadores de la Universidad Estatal de Ohio están trabajando para afinar las herramientas que podrían ayudar a los agricultores y a otras personas a prevenir la proliferación de algas nocivas.
Esta semana, en la reunión de otoño de la American Geophysical Union AGU en Washington, DC, un equipo de científicos de la Universidad Estatal de Ohio compartió los primeros resultados de un trío de estudios que apuntan a mejorar los modelos diseñados para guiar las prácticas agrícolas para reducir el riesgode escorrentía agrícola de nitrógeno y fósforo. Dicha escorrentía conduce al crecimiento de algas tóxicas en las vías fluviales.
Los modelos básicos para predecir las consecuencias de varias decisiones, como cuándo aplicar fertilizantes, están disponibles, pero deben ser refinados para garantizar la confiabilidad y ganar la confianza de las partes interesadas, incluidos los agricultores y las organizaciones de protección ambiental, dijo Jay Martin,profesor de ingeniería ecológica en el estado de Ohio.
Asmita Murumkar, investigadora postdoctoral en el estado de Ohio, dijo que su trabajo está comenzando a iluminar cómo el momento de la aplicación de fertilizantes se cruza con las fuertes lluvias para contribuir a la escorrentía de nutrientes. Está trabajando con el Ohio Applicator Forecast, una herramienta que utiliza el Servicio Meteorológico Nacionaldatos para asignar estimaciones de riesgo a la aplicación de fertilizantes en varios momentos.
Murumkar tiene la esperanza de que su investigación ayudará a cuantificar qué impacto tendría la herramienta en el medio ambiente en diferentes escenarios, por ejemplo, si una cuarta parte de los agricultores en la cuenca del río Maumee la usara, o la mitad.
"Queremos entender mejor la cantidad de escorrentía de fósforo que reduciría en la región", dijo Martin, y agregó que hay muchas pruebas 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 tiempo de fertilización es importante, pero queremos poder mirar a través de toda la cuenca del lago Erie y conocer el mejor y el peor de los casos y este modelado ayudará a abordar eso", dijo.
Margaret Kalcic, profesora asistente en el Departamento de Ingeniería Alimentaria, Agrícola y Biológica del estado de Ohio, dijo que se alienta a los agricultores a seguir las "Cuatro R" para el momento, la fuente, la cantidad y el lugar correctos al aplicar el fertilizante.
"Pero 'correcto' no está claramente definido, y nuestro equipo está trabajando para proporcionar a nuestros socios en Ohio, incluidos agricultores, defensores y formuladores de políticas, mejores respuestas", dijo Kalcic.
Martin agregó: "Aquí hay más sutileza que solo mirar el clima y la humedad del suelo y estamos tratando de determinar las mejores soluciones que apoyen la producción agrícola y la protección del medio ambiente".
Gray Evenson, un investigador postdoctoral en el estado de Ohio, presentará los resultados iniciales de su trabajo para identificar los mejores datos para usar en el modelado, de modo que ofrezca una imagen más precisa de lo que está sucediendo en los campos y vías fluviales adyacentes.
"No queremos subestimar, o sobreestimar, 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.
Kalcic agregó: "Gran parte de este trabajo se trata de ajustar los modelos existentes. Al mejorar la calidad de la información que ponemos en ellos, tenemos mayor confianza en la información que sale de ellos". Dijo que hay muchas preguntas sobre elimpactos ambientales más grandes de prácticas como la agricultura sin labranza, que generalmente se considera amigable con el medio ambiente.
"Sabemos que la labranza cero es buena para prevenir la erosión del suelo, pero aún existen dudas sobre sus efectos sobre la calidad del agua en la región", dijo Kalcic.
La estudiante graduada 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 decómo 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 crítica para mejorar el rendimiento del modelo.
"Queremos ajustar nuestras ecuaciones para representar mejor la realidad", dijo Apostel.
El objetivo general de todo el trabajo, dijeron los investigadores, es tener modelos que se alineen mejor con lo que los investigadores han observado en los experimentos de campo, pero que pueden analizar los problemas a nivel regional y amplio.
"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 ayuden a los encargados de formular políticas, los agricultores y otros. Lo peor sería que las personas confíen en los modelos que les están transmitiendo el mensaje completamente equivocado", dijo.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Ohio . Original escrito por Misti Crane. Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :