El trigo se cultiva en más de la mitad de las tierras de cultivo del país y es un producto clave de exportación.

Con tanto apoyo en el trigo, es necesario un pronóstico preciso del rendimiento para predecir la seguridad alimentaria regional y mundial y los mercados de productos básicos. Un nuevo estudio publicado en Agricultural and Forest Meteorology muestra que los métodos de aprendizaje automático pueden predecir con precisión el rendimiento de trigo para el país dos meses antes de que madure el cultivo.

«Probamos varios enfoques de aprendizaje automático e integramos datos climáticos y satelitales a gran escala para obtener una predicción confiable y precisa de la producción de trigo para toda Australia», dice Kaiyu Guan, profesor asistente en el Departamento de Recursos Naturales y Medio Ambiente. Ciencias en la Universidad de Illinois, profesor de Blue Waters en el Centro Nacional de Aplicaciones de Supercomputación e investigador principal del estudio. «El increíble equipo de colaboradores internacionales que contribuyen a este estudio ha avanzado significativamente nuestra capacidad de predecir el rendimiento de trigo para Australia».

La gente ha intentado predecir el rendimiento de los cultivos casi siempre que haya habido cultivos . Con el aumento del poder computacional y el acceso a varias fuentes de datos, las predicciones continúan mejorando. En los últimos años, los científicos han desarrollado estimaciones de rendimiento de cultivos bastante precisas utilizando datos climáticos, datos satelitales o ambos, pero Guan dice que no estaba claro si un conjunto de datos era más útil que el otro.

«En este estudio, utilizamos un análisis exhaustivo para identificar el poder predictivo de los datos climáticos y satelitales. Queríamos saber qué aporta cada uno», dice. «Descubrimos que los datos climáticos por sí solos son bastante buenos, pero los datos satelitales proporcionan información adicional y llevan el rendimiento de predicción de rendimiento al siguiente nivel».

Utilizando conjuntos de datos climáticos y satelitales, los investigadores pudieron predecir el rendimiento del trigo con una precisión de aproximadamente el 75 por ciento dos meses antes del final de la temporada de crecimiento.

«Específicamente, encontramos que los datos satelitales pueden capturar gradualmente la variabilidad del rendimiento de los cultivos, lo que también refleja la información climática acumulada. La información climática que no puede ser capturada por los datos satelitales sirve como una contribución única a la predicción del rendimiento del trigo durante toda la temporada de crecimiento», dice Yaping Cai, estudiante de doctorado y autor principal del estudio.

El coautor David Lobell, de la Universidad de Stanford, agrega: «También comparamos el poder predictivo de un método estadístico tradicional con tres algoritmos de aprendizaje automático, y los algoritmos de aprendizaje automático superaron al método tradicional en todos los casos». Lobell inició el proyecto durante un año sabático de 2015 en Australia.

Los investigadores dicen que los resultados se pueden usar para mejorar las predicciones sobre la cosecha de trigo de Australia en el futuro, con posibles efectos en la economía australiana y regional. Además, son optimistas de que el método en sí puede traducirse a otros cultivos en otras partes del mundo.

 

FUENTE