En agricultura, es importante comprender cómo evolucionan en el tiempo y en el espacio determinadas especies vegetales, animales, víricas o bacterianas. Las cuestiones que se derivan de ello son numerosas. Por ejemplo, ¿se adaptarán estas especies a las futuras condiciones climáticas o prácticas agrícolas? ¿Cómo controlar la llegada, la adaptación y el impacto de los organismos perjudiciales para los cultivos que migran de un continente a otro? Para ello, hay que ser capaces de recopilar datos pertinentes sobre esta cuestión y de modelizar matemáticamente estas evoluciones de las poblaciones vegetales y animales, con el fin de realizar previsiones útiles para la agricultura. El proyecto AgroStat (por «Estadísticas para la evolución y la dinámica de las poblaciones y especies de interés agronómico») estudia estas dinámicas gracias a las competencias complementarias de más de cincuenta científicos de distintos ámbitos: biología, genética, agronomía, matemáticas y estadística.
Desafíos biológicos, herramientas matemáticas -------------------------------------------
Uno de los puntos clave del proyecto es permitir anticipar los riesgos relacionados con los bioagresores, es decir, los organismos vivos que causan daños a las plantas cultivadas o a las cosechas. Se trata de insectos perjudiciales para los cultivos, virus, bacterias, hongos… Esto exige conocer y modelizar mejor numerosos factores que influyen en los riesgos. En primer lugar, hay que implantar técnicas que permitan recopilar datos fiables y pertinentes sobre los cultivos y los bioagresores en numerosos lugares. A continuación, hay que comprender cuáles son las rutas que siguen las nuevas especies invasoras perjudiciales. También es necesario seguir las mutaciones genéticas de las plantas que les permiten adaptarse mejor a las nuevas condiciones climáticas o agrícolas. Gracias a modelos matemáticos, también podemos describir y explicar la propagación de enfermedades víricas en un entorno determinado.
La combinación de todos estos conocimientos debe servir para predecir el rendimiento agrícola futuro. Ello requiere herramientas matemáticas capaces de tratar numerosos datos heterogéneos, teniendo en cuenta la incertidumbre de las mediciones y los modelos, así como la complejidad de las interacciones entre las especies y con el entorno.
Recopilación y análisis de datos -----------------------------------