Сокращение выбросов парниковых газов (ПГ) и загрязнения воды азотом в результате сельского хозяйства является главным экологическим приоритетом в Соединенных Штатах. Ключом к достижению климатических целей является помощь производителям в навигации по углеродным рынкам, а также помощь окружающей среде и повышение доходов фермерских хозяйств.
Новый инструмент, разработанный исследовательской группой Миннесотского университета, позволяет фермерам составлять бюджетный баланс любых планов по сокращению выбросов азота и видеть экономические и экологические затраты, прибыль и прибыль, адаптированные к полям, находящимся под их управлением.
«Учитывая эти цифры, фермеры могут принимать более обоснованные решения о снижении выбросов азота, что не только сэкономит им деньги, но и значительно сократит выбросы загрязняющих веществ в окружающую среду», - сказал Чжэнонг Джин, который руководил исследованием и является ассистентом. профессор кафедры биопродуктов и инженерии биосистем (BBE) Колледжа пищевых, сельскохозяйственных и природных ресурсов (CFANS).
Предыдущие инструменты не позволяли делать индивидуальные прогнозы для каждого поля в кукурузном поясе США, так как затраты на вычисления и хранение при работе с этими моделями урожая в больших масштабах были бы очень дорогими.
Как указано в статье, опубликованной в IOPscience, исследовательская группа создала серию метамоделей на основе машинного обучения, которые могут почти идеально имитировать хорошо протестированную модель урожая на гораздо более высоких скоростях. Используя метамодели, они создали миллионы имитаций сценариев и исследовали два фундаментальных вопроса устойчивости - где находятся горячие точки смягчения последствий и сколько смягчения можно ожидать при различных сценариях управления.
Мы синтезировали четыре смоделированных показателя устойчивости агроэкосистемы - урожайность, выбросы N2O, выщелачивание азота и изменения содержания органического углерода в почве - в экономические чистые социальные выгоды в качестве основы. для выявления горячих точек и земель, непригодных для смягчения последствий», - сказал Тэгон Ким, научный сотрудник CFANS в отделе BBE. Социальные выгоды включают экономию средств за счет сокращения выбросов парниковых газов, а также улучшение качества воды и воздуха.
«Предоставляя ключевые показатели устойчивости, связанные с выращиванием сельскохозяйственных культур, наши метамодели могут быть полезным инструментом для пищевых компаний для количественной оценки выбросов в их цепочке поставок и определения вариантов смягчения последствий для постановки целей устойчивого развития», - сказал Тимоти Смит, профессор. управления устойчивыми системами и управления международным бизнесом в отделе CFANS BBE.
Исследование, проведенное в кукурузном поясе Среднего Запада США, показало, что:
- Сокращение азотных удобрений на 10 % приводит к снижению выбросов N2O на 9,8 % и уменьшению выщелачивания азота на 9,6 % за счет истощения почвенного органического углерода на 4,9 %, но снижение урожайности всего на 0,6% в исследуемом регионе.
- По оценкам, чистые годовые социальные выгоды оцениваются в 395 миллионов долларов (неопределенность колеблется от 114 миллионов долларов до почти 1,3 миллиарда долларов), включая экономию в размере 334 миллионов долларов за счет предотвращения выбросов парниковых газов и загрязнения воды, 100 миллионов долларов за счет меньшего количества удобрений и минус 40 миллионов долларов из-за потери урожая.
- Более 50% чистых социальных выгод приходятся на 20% изучаемых территорий, поэтому их можно рассматривать как горячие точки, где меры должны быть приоритетными.
«Наш анализ выявил горячие точки, в которых можно сократить чрезмерное количество азотных удобрений без снижения урожайности», - сказал Джин. «В некоторых местах мы заметили, что снижение загрязнения, связанного с азотом, происходит за счет истощения органического углерода в почве, что позволяет предположить, что другие регенеративные методы, такие как выращивание покровных культур, необходимо сочетать с управлением азотом."
В будущем команда расширит структуру, представленную в этом исследовании, и разработает более продвинутые и точные модели квалификации углерода с помощью сочетания моделей, основанных на процессах, искусственного интеллекта и дистанционного зондирования.