Un rivoluzionario modello matematico predice il sorgere delle malattie delle colture

Roma – Un innovativo modello matematico permetterà di predire il sorgere delle malattie delle colture, rafforzando le forniture alimentari globali. E’ quanto emerge da uno studio guidato dal Dipartimento dell’Agricoltura degli Stati Uniti in collaborazione con l’Università del Texas ad Arlington (UTA) e pubblicato su Frontiers in Microbiology. “La nostra ricerca si concentra sulla previsione delle epidemie di aflatossina in Texas utilizzando satelliti di telerilevamento, proprietà del suolo e dati meteorologici”, ha affermato la coautrice Angela Avila, borsista post-dottorato in matematica presso l’UTA. “Una delle sfide principali è che la contaminazione può essere presente senza segni visibili di infezione fungina. Questo rende la previsione precoce del rischio particolarmente importante per consentire strategie mirate di prevenzione e mitigazione”. Le aflatossine sono composti tossici prodotti da alcuni funghi della famiglia delle micotossine e sono comunemente presenti in colture come il mais e alcune noci. Sono cancerogene e possono rappresentare gravi rischi per la salute umana e animale. Il team di ricerca comprendeva Jianzhong Su , professore e direttore del Dipartimento di Matematica dell’Università del Texas ad Arlington, nonché ex mentore del Dott. Avila durante il suo dottorato. Insieme, hanno sviluppato l’indice di rischio da aflatossina (ARI) e applicato diversi metodi di apprendimento automatico per prevedere le epidemie di aflatossina in Texas. L’ARI è un modello predittivo che misura il rischio cumulativo di contaminazione durante lo sviluppo delle colture. “Il mio contributo principale è stato calcolare le date storiche di semina per ogni contea del Texas utilizzando immagini satellitari di serie temporali”, ha affermato Avila. “Poiché il mais è più suscettibile alla contaminazione da aflatossina in specifiche fasi di crescita, avere date di semina precise è fondamentale. Il mio contributo alle stime delle date di semina ha migliorato significativamente la nostra valutazione del rischio, aumentando l’accuratezza dei nostri modelli di apprendimento automatico dal 20 per cento al 30 per cento”. Avila ha sottolineato che lo studio ha implicazioni di vasta portata per agricoltori, trasformatori e consumatori, poiché la contaminazione da micotossine provoca ogni anno miliardi di dollari di perdite economiche. “La nostra ricerca – ha affermato – consentirà agli agricoltori di prendere decisioni informate per attuare strategie di mitigazione efficaci, contribuendo a proteggere i raccolti, la sicurezza alimentare, la sostenibilità e la stabilità economica”. (AGI) Gianmarco Pondrano Altavilla