A kukoricahozam előrejelzésének képessége előnyös lenne a gazdák számára, amikor terményeik értékesítését tervezik, valamint a bioüzemanyag-ipar számára, amikor tevékenységüket kalkulálják.
Az Agronomy Journal júliusi-augusztusi számában megjelent legújabb tanulmány egy olyan megbízható modellről számol be, amely olyan könnyen elérhető eredményeket használ, mint a növény morfológiai jellemzői és a csapadék mennyisége, amelyeket kifejezetten a növény növekedési szakaszában gyűjtöttek. Az új modell segíthet mind a termelőknek, mind az iparágnak maximalizálni a nyereséget és a hatékonyságot.
A terméshozam előrejelzése rendkívül hasznos lehet a termelők számára. Ha van elképzelésük a várható termésmennyiségről, még a betakarítás előtt szerződést köthetnek a kukoricára, és gyakran versenyképesebb árat tudnak elérni, mintha megvárnák a betakarítás utáni időszakot. Ehhez hasonlóan az ipar is profitálhat a terméshozam-előrejelzésekből, mivel jobban megtervezheti az üzleti tevékenysége logisztikáját. Megbízható előrejelzéseket azonban nehéz találni.
A terméshozamok előrejelzésére és modellezésére a múltban több módszert is alkalmaztak, változó sikerrel. A statisztikai modellek ugyanis gyakran nem veszik figyelembe a növények, az időjárás vagy a termelés jellegzetességeit, ami jelentősen beszűkíti a használhatóságukat. Egyes modellek csak egyetlen év vagy helyszín információin alapulnak.
Ha egy modellt egyetlen helyszín vagy év adatai alapján fejlesztünk ki, az csak korlátozottan lesz alkalmazható a gyakorlatban. Nem veszi ugyanis figyelembe a többféle környezetből származó eltéréseket
– magyarázta Spyridon Mourtzinis, a tanulmány vezető szerzője.
A Mourtzinis és az Auburn Egyetem munkatársai által készített új tanulmány egy megbízhatóbb modellt talált mind a kukoricaszemek, mind a kukoricaszár terméshozamának előrejelzésére. A modell a nitrogénműtrágyázás mértékére, a csapadékra és a növénymorfológiára, például a növénymagasságra, a szárátmérőre, az első hajtás magasságára, a képződő hajtások számára és a növényállományra vonatkozó információk alapján készített egyenleteket használ.
A korábbi kísérletek elsősorban az időjárási tényezőket vizsgálták. Ez a megközelítés más tényezőket is bevon a modellbe, és ez sokkal pontosabb képet eredményez
– magyarázta Francisco Arriaga, a tanulmány társszerzője, aki jelenleg a Wisconsin-Madison Egyetem adjunktusa.
A mérések ütemezése szintén fontos szempont a modellben. Mourtzinis a vegetációs időszak során több mint 100 parcellán végzett heti méréseket, hogy megtalálja a legoptimálisabb ablakot, amely során olyan adatokat gyűjtött, amelyeket az egyenletekben fel lehet használni. Az időigényes munka pedig kisvártatva kifizetődött.
Az összes vegetatív stádiumot megvizsgáltuk, hogy lássuk, melyik a legjobb, és kiderült, hogy ez az R1 növekedési szakasz. Más modelleknél már korábban is megpróbálkoztak a mérésekkel, de lehet, hogy éppen ezért rossz eredményeket értek el. A dolgok a szezon előrehaladtával változnak, és az általunk megtalált stádium volt az, amelyik a döntő fontosságúnak bizonyult
– fejtette ki Arriaga.
Az R1 vagy a (selymesedési) növekedési szakasz, amikor a héjon kívül először látható a pelyva, körülbelül két-két és fél hónappal a betakarítás előtt van. Ez a modell tehát kellően korai előrejelzést nyújtana ahhoz, hogy befolyásolja a terményárakat, és lehetővé tegye az érintett iparágak számára, hogy megtervezzék a műveleteiket. Bár még ennél is korábbi előrejelzésekre is lehetőség lenne, ezek az időjárás pontosabb előrejelzésétől függenének, amely nagymértékben befolyásolhatja a terméshozamot. Az időjárás a vegetációs időszak során nagymértékben változik, és a jelenlegi előrejelzések nem megbízhatóak.
Az új modell többek között azért is megbízható, mert az adatokat három éven keresztül két különböző alabamai helyszínen gyűjtötték. A jelenlegi modellben használt egyenletek tehát hat adatsoron keresztül fordították le, ami azt jelenti, hogy a modell számos környezetben is használható lesz. Hogy ez valóban így van-e, az a jövőbeni kísérletek célját képezi majd.
Érdekes lenne az egyenleteket sokkal többféle környezetben tesztelni, most, hogy már tudjuk, melyik növekedési szakaszra kell céloznunk
– nyilatkozta Arriaga, aki azt is elmondta, hogy a jövőbeni tanulmányok más kukoricahibridekkel és gazdálkodási gyakorlatokkal is tesztelni fogják a modellt. Ahogy egyre több adatot gyűjtenek különböző környezetekben és termesztési körülmények között, a kutatók bíznak abban, hogy a modell továbbra is pontos előrejelzője lehet a kukorica terméshozamának.
Nyitottnak kell lennünk. Lehet, hogy az egyenletek egy kicsit megváltoznak, ha többféle környezetből származó adatokkal rendelkezünk majd, de úgy gondolom, hogy a jelenlegi modellre akkor is építhetünk
– mutatott rá Mourtzinis.
Forrás: https://phys.org/news/2013-07-corn-yield-simple-specific-growth.html
