corentino

Je n'ecris pas ces immondes critiques de cinéma

Un nouveau modèle suit le carbone dans les écosystèmes agricoles

Schéma du nouveau système de modélisation. Crédit : Université de l’Illinois Urbana-Champaign

Le carbone est partout. C’est dans l’atmosphère, dans les océans, dans le sol, dans notre nourriture, dans notre corps. En tant qu’épine dorsale de toutes les molécules organiques qui composent la vie, le carbone est un indicateur très précis de la productivité des cultures. Les sols sont la plus grande concentration de carbone sur Terre et jouent un rôle important dans la stabilité de notre climat.


Ainsi, les modèles de calcul qui suivent carbone Alors qu’il navigue dans un écosystème agricole, il dispose d’un énorme potentiel inexploité pour faire avancer le domaine de l’agriculture de précision, augmenter les rendements des cultures et informer les pratiques agricoles durables.

Bien que la modélisation cycle du carbone Dans les écosystèmes agricoles auparavant, notre travail représente l’intégration la plus complète de modèles et d’observations, ainsi qu’une validation rigoureuse qui comprend des mesures riches à la fois sur le terrain et à l’échelle régionale. Modélisation des performances de notre solution (publiée ce mois-ci dans Agrométéorologie et foresterieIl surpasse de loin les études précédentes, a déclaré Kaiu Guan, professeur agrégé de ressources naturelles et de sciences de l’environnement à l’Université de l’Illinois, Urbana-Champaign. Il est également professeur agrégé de Blue Waters au National Center for Supercomputing Applications (NCSA) et directeur fondateur du Center for Agroecosystem Sustainability établi par le College of Agriculture, Consumer and Environmental Sciences et iSEE.

Le cycle du carbone dans les écosystèmes agricoles peut être généralisé en trois principaux flux de carbone qui se déplacent vers et depuis les plantes et le sol. Le carbone pénètre dans le système par photosynthèse. Certains quittent le système via la respiration des plantes et la respiration du sol, tandis que le carbone est éliminé sous forme de grains et de biomasse lorsque les cultures sont récoltées. En principe, la somme de ces flux équivaut au mouvement net du carbone à travers le système – et ce changement net, en particulier sur de longues périodes de temps, est ce qui contribue au changement du carbone organique du sol dans l’agroécosystème.

Le carbone organique du sol (COS) est exactement ce à quoi cela ressemble : du carbone sous forme de molécules organiques du sol. En règle générale, plus le SOC sur le terrain est élevé, plus sa productivité est élevée. Cependant, dans les terres cultivées du Midwest américain, environ 30 à 50 % du COS a été perdu depuis le début de sa culture. Cette perte de COS peut augmenter le risque de baisse des rendements des cultures, en particulier dans les conditions climatiques futures.

Les membres de l’équipe du projet SMARTFARM de Guan ont utilisé un modèle d’agroécosystème avancé appelé ecosys, qui contient les mécanismes les plus complexes pour simuler le cycle de l’énergie, de l’eau, du carbone et des nutriments dans un agroécosystème. Ce modèle a été développé à l’origine par le professeur de modélisation des écosystèmes Robert Grant de l’Université de l’Alberta. Au cours des dernières années, l’équipe de Guan a déployé des efforts continus pour élaborer une solution afin de contraindre davantage le modèle ecosys avec d’énormes données d’observation.

Les chercheurs ont utilisé une approche innovante de “fusion de données de modèle”, qui intègre des simulations de modèle avancées avec des données d’observation. Cette approche leur a permis de valider les résultats de la simulation du modèle, de contraindre les paramètres incertains du modèle et de s’assurer que le modèle simule les processus entraînant le cycle du carbone à toutes les étapes. Plusieurs types d’ensembles de données ont été utilisés, tels que les données de tour à flux de covariance de Foucault, qui sont largement considérées comme l’étalon-or pour les échelles de carbone à l’échelle du paysage ; les données de rendement des cultures de l’USDA fournissant le carbone récolté ; et de nouvelles données satellitaires qui fournissent des observations optiques.

“En outre, nous avons utilisé des données détaillées sur l’allocation du carbone qui ont été mesurées sur 10 ans”, a déclaré l’auteur principal Wang Zhou, chercheur postdoctoral. “Ce sont les données qui vous indiquent où la plante alloue le carbone qu’elle tire de la photosynthèse – combien va à la tige, combien aux racines, combien aux feuilles.”

Un nouveau modèle suit le carbone dans les écosystèmes agricoles

Les membres de l’équipe SMARTFARM prélèvent des échantillons de sol. Crédit : Université de l’Illinois Urbana-Champaign

“Ce qui rend notre solution de modélisation vraiment passionnante, c’est que nous utilisons les observations les plus avancées des satellites pour contraindre un modèle d’agro-écosystème robuste, et nous démontrons que cela peut atteindre les meilleures performances dans l’estimation des différents composants du carbone”, a déclaré Guan. Au début de cette année, Guan et le chercheur Zhongya Jiang Il a développé un algorithme pour estimer la photosynthèse à partir de données satellitaires. Les données de photosynthèse nouvellement disponibles dans tous les champs de maïs et de soja du Midwest américain ont également été utilisées pour valider et contraindre le modèle afin de garantir que l’équipe puisse reproduire avec précision la photosynthèse observée à partir des rendements des cultures rapportés par satellite et par l’USDA, ainsi que leurs réponses à la variabilité environnementale. .

« L’intégration des observations satellitaires avec un modèle basé sur des processus tel qu’ecosys est essentielle pour garantir la précision de notre solution et, plus important encore, la convivialité de notre solution de modélisation dans un nouvel emplacement, comme l’Amérique du Sud ou l’Afrique », chercheur scientifique Bin Peng mentionné.

Avec autant de pièces mobiles, beaucoup de temps et d’efforts ont été consacrés au développement de cette solution d’intégration de données de modèle. L’équipe de Guan est fière de publier le premier article sur le modèle en Agrométéorologie et foresterie, et les chercheurs ont deux autres articles qui utilisent cette méthode dans les travaux. Par exemple, dans une autre étude récente impliquant l’équipe de Guan et dirigée par l’Université du Minnesota, les chercheurs ont combiné les résultats de la simulation de l’environnement avec l’intelligence artificielle pour estimer N2Émission d’O de la ceinture de maïs des États-Unis. Cette étude a été publiée dans Lettres de recherche environnementale.

“Il s’agit d’une technologie de pointe pour mesurer le budget et le crédit carbone”, a déclaré Guann. “Nous voulons montrer aux gens ce qui est possible et établir des normes élevées pour l’avenir. Nous laissons la science rigoureuse parler d’elle-même. Je pense que c’est la façon la plus puissante de dire les choses en tant que scientifiques.”

Le projet SMARTFARM de Guan, un programme financé par le département américain de l’Énergie, se concentre sur une technologie pionnière pour déterminer les crédits de carbone à l’échelle du terrain pour les terres agricoles américaines. L’équipe aspire à utiliser ce développeur FormeLa méthode d’intégration des données comme base pour déterminer avec précision le bilan carbone à n’importe quelle échelle, ainsi que pour soutenir une gestion intelligente à l’échelle de la ferme. Grâce à l’agriculture de précision, ils espèrent aider les agriculteurs non seulement à augmenter leurs rendements, mais aussi à mieux préserver leur terre et sa teneur en COS.

Diverses agences de financement ont soutenu l’équipe de Guan au fil des ans, notamment le National Science Foundation Career Award, la Food and Agriculture Research Foundation, le programme SMARTFARM de l’Agence de l’énergie et de l’énergie, le programme du système de surveillance du carbone de la NASA et le National Food Institute de l’USDA. . Agriculture.

En plus de Guan, Grant, Zhou, Jiang et Peng, les co-auteurs de cette dernière publication incluent Jinyung Chang, Lawrence Berkeley National Laboratory ; Zinnong Jin, Université du Minnesota ; Simon Mozbeh El-Din, Université de l’Alberta.


Des chercheurs mesurent la photosynthèse depuis l’espace


Plus d’information:
Wang Zhou et al., Mesurer les budgets de carbone, les rendements des cultures et leurs réponses à la diversité écologique à l’aide du modèle écosystémique des agro-écosystèmes du Midwest américain, Agrométéorologie et foresterie (2021). DOI : 10.1016 / j.agrformet.2021.108521

la citation: Un nouveau modèle qui suit le carbone dans les agroécosystèmes (2021, 2 août) Récupéré le 2 août 2021 sur https://phys.org/news/2021-08-tracks-carbon-agroecosystems.html

Ce document est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif seulement.

READ  "Les extraterrestres arrivent": les expéditeurs du 911 de la GRC de l'Alberta envoient des appels au sujet d'observations d'OVNIS