Matemáticas para predecir emisiones contaminantes de fertilizantes nitrogenados

Un grupo internacional de investigación, en el que participa el investigador de la Universidad de Córdoba Antonio Rafael Sánchez Rodríguez, ha estudiado distintos métodos matemáticos de predicción para estimar la emisión de contaminantes de fertilizantes, como la urea y el nitrato amónico, y, de este modo, saber cuál es el que consigue datos más cercanos a la realidad. 


Córdoba |
02 de julio de 2019

La agricultura contribuye en un 70% al total de emisiones de origen humano de óxido nitroso (N2O), un potente gas contaminante y el principal culpable de la aparición del agujero en la capa de ozono. Su origen está en el uso extendido de fertilizantes químicos, como la urea o el nitrato amónico. Una vez que estos productos se aplican en el suelo del cultivo, una parte se pierde en forma de N2O que va a parar directamente a la atmósfera. El problema de la contaminación de los fertilizantes se acentúa con el aumento creciente de la demanda de alimentos que exigen estos abonos para conseguir producciones agrícolas más rentables.

Un tractor realiza tareas en el campo.

La industria sigue buscando fórmulas que permitan reducir esa contaminación sin que se afecte de forma negativa a la producción. Sin embargo, se enfrentan a un problema de base. La emisión de contaminantes de los fertilizantes resulta muy difícil de predecir puesto que depende de factores difíciles de controlar como la humedad, la temperatura, la actuación de microorganismos del suelo y la variabilidad temporal y espacial entre otros. Si primero no se consigue estimar de forma realista las emisiones de estos contaminantes, resulta difícil crear estrategias para reducir su emisión.

Un grupo internacional de investigación, en el que participa el investigador de la Universidad de Córdoba Antonio Rafael Sánchez Rodríguez, ha estudiado distintos métodos matemáticos de predicción para estimar la emisión de contaminantes de fertilizantes, como la urea y el nitrato amónico, y, de este modo, saber cuál es el que consigue datos más cercanos a la realidad. La investigación está apoyada por el Centro Virtual para la Agronomía de Nitrógeno Mejorada de Reino Unido y China (CINAg) y en ella han participado miembros de universidades de Reino Unido, Portugal, Australia y España entre los que se encuentra la investigadora británica Ute Skiba, que colabora con el Panel Intergubernamental de Expertos sobre el Cambio Climático (IPCC) para reducir los factores de emisión de contaminantes de la agricultura.

Antonio Rafael Sánchez Rodríguez, investigador de la UCO que ha colaborado en el estudio.

Para encontrar el método más eficaz, el equipo de investigación ha sometido a prueba y comparación dos modelos estadísticos. El primero, conocido como método bayesiano, está basado en la probabilidad y ofrece resultados dentro de un rango de valores que permiten inferir posibles resultados. El segundo, el método trapezoidal, es más ampliamente utilizado pero incapaz de predecir la variabilidad de los factores de emisión, ya que estima que las emisiones se producen de forma lineal, lo que no coincide con la realidad: las emisiones dependen de muchos factores y los cambios en cada uno de ellos afecta a las reacciones que intervienen en la emisión de gases contaminantes.

El experimento se ha llevado a cabo en cuatro fincas experimentales en Reino Unido en las que se han aplicado fertilizantes en forma de amonio de nitrato, urea y un tercero en el que se mezclaba urea con un potencial inhibidor de la ureasa, que minimiza las emisiones de amoníaco pero que, según varios estudios, aumenta la emisión de otro contaminante, el N2O.

Los resultados revelan que la emisión de N2O fue mayor al aplicar amonio de nitrato que al usar urea. Además, se observa que la aplicación del inhibidor no genera diferencias significativas en este sentido. La investigación concluye que el método bayesiano ofrece predicciones de las emisiones de óxido de nitrógeno más ajustadas a la realidad, por lo que es de gran utilidad para seleccionar estrategias más sostenibles para la agricultura.

En su estado actual, el método bayesiano está limitado a casos en los que la fertilización produce un pico en las emisiones y un decrecimiento grande posterior pero, de igual modo, resultan más útiles que los métodos tradicionales a la hora de elegir una estrategia de fertilización que implique una menor emisión de gases contaminantes a la atmósfera. A partir de ahora, el grupo de investigación tratará de aplicar este método para medir también las emisiones de los fertilizantes nitrogenados orgánicos.


Últimas publicaciones

Granada | 15 Nov 2019
La Fundación Descubre suma Granada a Vigilantes del Aire, un nuevo proyecto de ciencia ciudadana para medir la calidad del aire en España con el uso de fresas

La iniciativa, que se desarrolla de forma paralela en otras cinco ciudades españolas, ha repartido 500 plantas de fresales a colectivos ciudadanos para que sirvan como estaciones de monitorización de la contaminación ambiental.

Málaga | 15 Nov 2019
Brain-Gamer: diferencias y similitudes en el cerebro de jugadores profesionales y jóvenes que no juegan a videojuegos competitivos

La Universidad de Málaga, a través de la Cátedra Estratégica de eSports, y la Universidad Internacional de La Rioja (UNIR) ponen en marcha el proyecto Brain-Gamer , donde usarán la resonancia magnética funcional. Esta tecnología permite visualizar la actividad cerebral que se produce ante estímulos visuales concretos y ofrecerá una valiosa información acerca de las diferencias o similitudes entre gamers y jóvenes que no juegan videojuegos para competir.

Sevilla | 14 Nov 2019
Muchas especies de plantas invasoras se ‘cuelan’ en nuestro hábitat a través de los viveros españoles

Ocho especies prohibidas y veintidós especies invasoras sin regular se suman a cuarenta y seis especies potencialmente invasoras que se comercializan en los viveros de España. Las especies invasoras son un problema creciente que, junto con el cambio climático, la contaminación y otros grandes impactos, está peligrosamente enmarcado en lo que conocemos con el nombre de cambio global.

Este sitio web utiliza cookies para mejorar tu experiencia. Continuando la navegación aceptas su uso. Más información

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar