Wissenschaftler der Universität von Nebraska-Lincoln haben die Kraft des maschinellen Lernens und die Analyse großer Datenmengen genutzt, um den Global Yield Gap Atlas zu verbessern und damit Vorteile für landwirtschaftliche Produzenten weltweit zu schaffen. Patricio Grassini, Professor am Department of Agronomy and Horticulture der Universität von Nebraska-Lincoln und Projektleiter des Atlas, bezeichnete dies als “sehr aufregend”. Dank dieser Technologie sei es nun möglich, das Ertragspotenzial für jedes Stück Ackerland weltweit abzuschätzen.
Das Team, unter der Leitung von Fernando Aramburu-Merlos, einem Forschungsassistentenprofessor in Agronomie und Gartenbau, hat einen “Metamodell”-Ansatz entwickelt, der von der Fähigkeit des maschinellen Lernens profitiert, komplexe Informationen zu Boden, Klima und Anbausystemen zu analysieren. Die resultierenden Karten, die sich auf Mais, Weizen und Reis konzentrieren, bieten äußerst detaillierte und genaue Informationen darüber, wie viel einer bestimmten Kulturpflanze an einem bestimmten Standort unter optimalen Bedingungen produziert werden kann.
In einem kürzlich im Journal Nature Food veröffentlichten Paper erläutern Aramburu-Merlos und seine Co-Autoren den raffinierten analytischen Ansatz. Dieser Metamodell-Ansatz verbessert die bestehende Bottom-up-Methodik des Atlas, indem er eine breitere Palette von Datensätzen einbezieht und eine analytische Herangehensweise anwendet, die die Genauigkeit verbessert. Dies ermöglicht es Landwirten, auf detaillierte, standortspezifische Daten zum Ertragspotenzial zuzugreifen, um Leistungsniveau zu diagnostizieren und Strategien zu erkunden, um die Lücke zwischen tatsächlicher und potenzieller Produktion zu schließen.