Projecte H2020 CLIM4CROP: Monitorització del clima i pronòstic estacional per a la producció agrícola mundial

La informació precisa i oportuna sobre sequeres és essencial per passar de la gestió del risc de sequera posterior a la crisi a la gestió del risc de sequera prèvia a limpacte. Ja hi ha diversos conjunts de dades sobre sequeres. Aquests cobreixen les darreres tres dècades i proporcionen dades gairebé en temps real (utilitzant diferents fonts), però tots són "deterministes" (és a dir, d'una sola realització), i els resultats difereixen parcialment entre ells. A CLIM4CROP, primer avaluem la qualitat de les dades climàtiques contínues ia llarg termini per al monitoratge oportú de sequeres meteorològiques, considerant l'Índex de Precipitació Estandarditzat. Posteriorment, desenvolupem un nou conjunt global de dades terrestres en quadrícula, actualitzat operativament cada mes, per monitoritzar la sequera mitjançant un enfocament probabilístic (DROP) inspirat en l'enfocament multimodel a la predicció meteorològica i climàtica. Presentem una eina de monitorització que utilitza un conjunt de conjunts de dades basats en observacions per obtenir la millor estimació gairebé en temps real amb la seva incertesa associada. Aquest enfocament aprofita al màxim la informació disponible i la posa a la disposició dels usuaris finals. La informació probabilística i d'alta qualitat proporcionada per DROP és útil per a aplicacions de monitorització i pot ajudar a desenvolupar decisions polítiques globals sobre prioritats d'adaptació per alleujar els impactes de la sequera, especialment a països on el monitoratge meteorològic és encara un desafiament. Actualment, l'article que descriu el conjunt de dades DROP està sota revisió al Butlletí de la Societat Meteorològica Americana; és a dir, complint la tasca de difusió del projecte.

S'han analitzat els vincles entre els cultius i els impulsors de l'estrès tèrmic/hídric per comprendre'n millor les interaccions i desenvolupar models estadístics. Aquests models es faran servir per explorar la predictibilitat estacional dels rendiments dels cultius. Hem utilitzat dades històriques de rendiment dels quatre cultius principals a tot el món (blat de moro, arròs, soja i blat) del Conjunt de dades globals de rendiment històric (Iizumi 2017), un conjunt de dades en quadrícula desenvolupat recentment mai abans utilitzat per a aquest tipus d'estudi. Cal destacar que establim una col·laboració amb el desenvolupador d'aquest conjunt de dades, el Dr. Iizumi, un agrometeoròleg reconegut internacionalment.

Les dades històriques sobre cultius i possibles predictors climàtics s'han utilitzat per calibrar models de regressió parsimoniosa, cosa que proporciona una alternativa computacionalment econòmica als models basats en processos que solen requerir com a entrada diverses variables a escala molt fina, on els pronòstics estacionals encara no són eficaços. L'investigador va rebre capacitació del personal del JRC per desenvolupar aquests models, que segueixen i amplien els models desenvolupats per Zampieri et al. (2017, 2018, 2019a) i Ceglar et al. (2018).

Les novetats del model empíric desenvolupat es basen principalment en (i) tenir en compte l'efecte potencial de les condicions climàtiques antecedents (és a dir, dins de la temporada de creixement) en el rendiment del cultiu i (ii) calibrar el model per aconseguir prediccions de cultius fora de la mostra a partir del coneixement de les dades predictors fora del període utilitzat per entrenar el model, adoptant-lo. És a dir, el calibratge dels models de cultiu-clima i la seva avaluació es realitzen mitjançant validació creuada per avaluar les prediccions com si es fessin operativament. Específicament, fusionar la informació observacional (per als mesos anteriors als mesos de collita) amb els pronòstics estacionals per a la resta del calendari de creixement del cultiu (per exemple, les etapes d'antesis i collita) és una característica especial del nostre enfocament que pot contribuir a augmentar la predictibilitat del cultiu, aprofitant al màxim la millor informació disponible per als usuaris. Això és especialment útil en àrees on el rendiment dels sistemes de pronòstic dinàmic encara es veu afectat per errors significatius (per exemple, Europa). Els resultats preliminars suggereixen que les relacions endarrerides entre el clima i els cultius contribueixen substancialment al desenvolupament d'un sistema de pronòstic estacional que permet una gestió més eficient dels cultius.

CLIM4CROP es va concebre per oferir una oportunitat única per reforçar i ampliar l'experiència multisectorial del becari, connectant la seva formació en meteorologia i estudis sobre canvi climàtic amb els requisits teòrics i pràctics per a les aplicacions de la predicció climàtica a l'agricultura. Per tant, aquesta MSCA també ha abordat els objectius de formació descrits a la proposta sobre predicció estacional, on l'experta guia del supervisor del BSC (FJ Doblas-Reyes) ha estat essencial per a la implementació reeixida del pla de treball. Així mateix, la formació oferta pels col·laboradors del JRC sobre els impactes en el rendiment dels cultius li ha permès aprendre sobre la producció agrícola i la seguretat alimentària, i ampliar-ne les competències en els aspectes estadístics relacionats amb els models d'impacte climàtic. Així mateix, els desafiaments científics en el context de CLIM4CROP, com ara la recerca altament cooperativa, han garantit la transferència bidireccional de nous coneixements derivats, enfortint les habilitats de tots els participants.