Modèle de compte d`exploitation prévisionnel agricole

Notre simulation empiriquement mise à la terre reproduit plusieurs modèles qui sont attendus dans le système réel, augmentant ainsi la confiance avec laquelle nous pouvons interpréter les résultats du modèle. On s`attendrait notamment à ce que le revenu agricole net cumulé d`un agriculteur augmente avec le temps; les agriculteurs poursuivraient un autre gagne-pain s`ils perdaient chroniquement de l`argent sur leurs exploitations agricoles. Nous nous attendons également à ce que l`agriculteur qui ne plante le riz ait un coefficient de variation plus faible dans son revenu agricole net qu`un agriculteur dépendant des cultures dépendantes du marché. Ces deux modèles sont vérifiés par nos sorties modèle (figure 4). Nos données actuelles sur le terrain manquent de la résolution nécessaire pour capturer les différences dans le revenu agricole net en fonction de l`éducation, de sorte que la collecte de données supplémentaires est nécessaire pour évaluer les résultats du modèle présentés à la figure 6. Les progrès récents dans les méthodes de segmentation multivariées des séries chronologiques, telles que celles décrites dans graves et Pedrycz (2009), pourraient ensuite être appliqués aux données historiques de télédétection pour aider à automatiser l`identification des points de transition entre les étapes directement à partir séries temporelles longitudinales de rendement obtenues à partir d`essais sur le terrain de culture culitvar. Nous visons à approfondir la façon dont la performance de notre modèle de prévision pourrait être améliorée en envisageant la génétique des cultures en incluant un indice auxiliaire basé sur les prévisions de modèle d`agroécosystème d`APSIM dans une série de sites de culture à long terme spécifiques au site à travers le Prairies canadiennes. L`utilisation d`indices auxiliaires dérivés de modèles plus complexes d`interactions entre le sol, l`eau, l`air et la gestion agronomique de l`agroécosystème pourrait offrir d`autres réductions potentielles de l`incertitude prévisionnelle, et une capacité à prolonger nos prévisions saisonnières et à les relier à des prévisions de rendement à plus long terme. Figure 8 analyse de sensibilité des compétences prévisionnelles. À mesure que les compétences prévisionnelles augmentent, le revenu agricole net (a) et la confiance dans les prévisions (b) augmentent généralement, mais il n`y a pas de changement dans la fiducie de marché (c). Dans l`ensemble, notre recherche ajoute à la littérature croissante qui fournit des prévisions aux agriculteurs a un potentiel considérable pour aider les agriculteurs à s`adapter à l`évolution du climat.

Nos résultats soulignent l`importance de la compréhension et de l`intégration de l`impact de l`économie végétale variée sur les décisions des agriculteurs dans les évaluations d`adaptation.