Un equipo de investigación internacional dirigido por la Universidad de Ciencia y Tecnología de Hong Kong (HKUST) ha desarrollado un modelo de inteligencia artificial (IA) que puede ayudar a mitigar las emisiones globales de amoníaco procedentes de la agricultura. 

Aprovechando el poder del aprendizaje automático, este estudio innovador no solo reveló que las emisiones globales de amoníaco de las tierras de cultivo son más bajas de lo estimado anteriormente, sino que también demostró cómo la optimización de la gestión de fertilizantes puede reducir efectivamente las emisiones en aproximadamente 38%, sin comprometer el uso general de fertilizantes nitrogenados. Proporciona información valiosa para que los formuladores de políticas de todo el mundo aborden los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas relacionados con la erradicación de la pobreza, la seguridad alimentaria y la agricultura sostenible.

En particular, la producción de tres cultivos principales (arroz, trigo y maíz) representa más de la mitad de las emisiones mundiales de amoníaco de las tierras agrícolas. A medida que aumenta la demanda de alimentos en medio del crecimiento demográfico mundial, se ha vuelto crucial descubrir formas de reducir estas emisiones para el desarrollo sostenible. Sólo en Asia, alrededor de 76% de las tierras de trigo son aptas para el uso de fertilizantes de eficiencia mejorada (EEF, por sus siglas en inglés) para reducir las emisiones de amoníaco debido a la influencia del calentamiento global, ya que la temperatura juega un papel fundamental en las emisiones de amoníaco de las tierras de trigo en Asia. Se ha descubierto que el continente tiene el mayor potencial de reducción de amoníaco, seguido de América del Norte y Europa.

Sin embargo, la falta de información precisa a escala global dificulta que los países implementen estrategias efectivas de reducción de emisiones adaptadas a sus condiciones específicas. Para abordar este desafío, un equipo de investigación dirigido por HKUST recopiló y compiló un conjunto de datos basado en datos de observación de campo de las tasas de emisión de amoníaco que abarcan entre 1985 y 2022.