农业科学家质疑用于预测主要作物的产量潜力和“产量差距”的统计方法。在某些情况下，产量潜力被高估，而在另一些情况下则可能被低估。获取准确的信息非常重要，以便全球农业能够满足日益增长的全球人口的食品需求。
一个国际农业科学家团队呼吁采取新方法来估算作物产量潜力和产量差距——这对于规划如何满足日益增长的食品需求至关重要。
内布拉斯加-林肯大学的研究人员对该研究做出了重大贡献，该研究于4月8日在线发布在《自然食品》期刊上。
内布拉斯加大学的农业和农艺学杰出教授及论文作者之一帕特里西奥·格拉西尼表示：“我们正在竞赛以养活世界，并努力用我们现有的农业土地来养活人口。”
为此，需要预测产量潜力的估计，产量潜力由气候和土壤特性决定，以及产量差距，即产量潜力和当前农场产量之间的差异，这表明在现有耕地上增加粮食生产的空间。这些估计对于公共和私营部门在农业研究和开发中的投资至关重要。
关键在于如何最佳编制这些估计。
在《自然食品》论文中，包括内布拉斯加大学和其他三所机构的科学家在内的团队质疑当前广泛使用的统计方法。除格拉西尼之外，该研究的内布拉斯加大学作者包括农业研究助理教授法蒂玛·特诺里奥、费尔南多·阿兰布鲁·梅尔洛斯和胡安·拉塔利诺·埃德雷拉。
在美国，例如，目前的统计模型往往过于依赖最佳情况——在天气最有利的年份，生产力最高、土壤肥沃的县，格拉西尼表示。这些方法还将在气候和土壤多样性广泛的地区外推单一的产量潜力，这可能导致产量潜力的差异也很大。
“因此，如果你用那一年作为参考，你将会高估你的生产潜力，因为最好的县与最好的土壤在最好的年份并不代表你整个州的平均气候或最典型的土壤，”格拉西尼说。
但在世界其他地区——例如非洲——这些模型可能低估作物产量。在那里，农民相比其他地区的生产者可能在投入方面受到限制，从而获得远低于气候支持的产量。
这种统计方法还导致相互矛盾的结果，生产潜力的估计从一种方法到另一种方法几乎翻倍。格拉西尼表示，这种方法主要由地理学家和统计学家驱动，而非农业科学家，已经被广泛接受，需要更严谨的分析。
研究团队的结论在题为“统计方法不足以准确估计区域级的产量潜力和差距”的论文中进行了说明。
该研究比较了美国主要雨养作物（玉米、大豆和小麦）的产量潜力和产量差距的估计，这些估计来自四个统计模型，与基于稳健作物模型和地方天气和土壤数据的“自下而上”空间缩放方法得出的估计进行了比较，如内布拉斯加大学开发的全球产量差距和水生产力图集。
本研究中使用的基于过程的作物模型已被严格验证，用于基于在广泛环境中栽培的良好管理作物的实验数据来估计产量潜力。团队发现，这种自下而上的方法更好地纳入长期数据和区域变化，显然优于其他方法。
格拉西尼表示：“我预计会有一些争议。”他谈到该团队对传统智慧的质疑。
研究小组推荐的方法将更好地捕捉产量差距，这“可以帮助识别能够增加作物生产的区域，而这又为定向农业研究和开发项目提供了基础。”
格拉西尼说：“这是一个澄清事实的呼吁，因为如果我们要利用这些信息来制定政策和进行投资，我们必须确保这些信息是可靠的，并经过验证。”
其他团队成员包括堪萨斯州立大学农业学副教授罗穆洛·洛拉托；爱荷华州立大学农业学教授索提里奥斯·阿尔孔图利斯；以及在内布拉斯加大学完成博士后研究并在法国国际发展农业研究中心工作的安托万·库埃德。
