Две ведущие мировые системы моделирования урожайности – австралийская APSIM и AquaCrop от Продовольственной и сельскохозяйственной организации ООН – дали разные количественные прогнозы для урожаев кукурузы и картофеля в Нигерии. Хотя обе модели сошлись в общих тенденциях, расхождения в цифрах указывают на риски при планировании аграрной политики на основе одного источника данных. Исследование провели учёные из Университета Порт-Харкорта.
Специалисты смоделировали выращивание кукурузы и картофеля в условиях, характерных для юга Нигерии. В расчётах использовали климатические данные за последние 42 года и детальный анализ местных почв. Учёные протестировали 27 сценариев, меняя три ключевых фактора: частоту полива, объём вносимых азотных удобрений и интенсивность борьбы с сорняками. Целью было понять, как эти факторы влияют на урожайность и сойдутся ли в оценках две независимые математические модели.
Результаты показали, что обе системы одинаково определяют направление изменений: например, снижение дозы удобрений ведёт к падению урожая. Однако в абсолютных цифрах прогнозы разошлись значительно. При расчёте урожая кукурузы среднеквадратичная ошибка достигала 3,8 тыс. кг с гектара. Модели по-разному оценивали биомассу растений на разных стадиях роста. По мнению исследователей, это связано с разной архитектурой систем: APSIM детально просчитывает циклы азота и конкуренцию с сорняками, в то время как AquaCrop сфокусирована на водном балансе и оценивает влияние сорняков более обобщённо.
Несмотря на расхождения, моделирование выявило важные практические закономерности. Максимальная урожайность не всегда требует максимальных затрат. Например, для кукурузы урожай не снижался, даже если полив начинали при сильном иссушении почвы – при условии достаточного внесения удобрений и регулярной прополки. Это позволяет фермерам экономить на орошении. Для картофеля решающим фактором оказался азот: своевременная подкормка давала лучший результат, чем частый полив при дефиците питательных веществ.
Авторы работы подчёркивают, что полученные данные – это результат компьютерного моделирования, который требует проверки в реальных полевых условиях. Однако сам подход позволяет быстро и без больших затрат тестировать различные агрономические стратегии. Это особенно актуально для стран Африки к югу от Сахары, где сельское хозяйство сильно зависит от неустойчивых погодных условий, а у фермеров ограничен доступ к ресурсам.