🇺🇸 Anisha Dhoot

As duas metades do projeto respondem a questões diferentes. O KelpNutriBoost aborda o custo dos insumos e o carbono: as algas são abundantes ao longo da costa do Oregon, crescem sem fertilizantes ou água doce e contêm o azoto e os minerais vestigiais que tornam os extratos de algas um corretor de solos há muito estabelecido. Misturá-los com biochar — um carbono estável semelhante ao carvão, produzido através do aquecimento de material orgânico sem oxigénio — é uma técnica com uma vasta literatura de investigação, valorizada pela capacidade de reter nutrientes e água no solo.

O elemento invulgar é a matéria-prima utilizada para fazer o biochar. Em vez de resíduos agrícolas, Dhoot utilizou plástico reciclado e esgoto tratado como matéria-prima, transformando dois fluxos de resíduos que normalmente custam dinheiro a eliminar num insumo para o solo. É o tipo de substituição que só parece óbvia à posteriori, e é a parte do projeto que a move de um exercício escolar de ciência para algo com um argumento económico real.

O Earth-AI é o segundo componente e, de certa forma, o mais exigente para uma jovem de 16 anos: um modelo de machine learning que utiliza as condições climáticas e do solo locais para prever o que crescerá. Dhoot aprendeu a programar através de cursos online para o construir. Juntos, o fertilizante e o modelo formam uma plataforma a que ela chama Smart Carbon Recycling — insumos de um lado, uma ferramenta de decisão do outro.

O Gloria Barron Prize for Young Heroes seleciona quinze vencedores por ano, de entre centenas de nomeações nos Estados Unidos e Canadá, e atribui a cada um deles 10.000 dólares para continuarem o seu trabalho. Trata-se de um prémio de serviço e liderança e não de uma competição científica pura, o que é importante especificar: o prémio reconhece o projeto e a sua aplicação, não um resultado revisto por pares.

Essa distinção é o enquadramento honesto para esta entrada. O que está documentado é uma plataforma construída autonomamente com dois componentes funcionais, um prémio nacional decidido por um painel externo a partir de um grande grupo de nomeados e cobertura nos meios de comunicação do Oregon e na rádio pública. O que não está documentado são dados de rendimento em escala de campo. A afirmação nesta página é a que o registo suporta: uma jovem de 16 anos concebeu, construiu e obteve reconhecimento nacional por um sistema agrícola que combina um fertilizante derivado de resíduos com um modelo preditivo criado por si.

O fertilizante de azoto é responsável por uma parte substancial das emissões agrícolas globais, tanto no seu fabrico — o processo Haber-Bosch é intensivo em energia e maioritariamente baseado em combustíveis fósseis — como na sua utilização, onde o excesso de azoto escoa para os cursos de água e é libertado como óxido nitroso. Os extratos de algas e o biochar são duas das intervenções de baixo carbono mais estudadas nesse problema, o que coloca o projeto de Dhoot dentro de um campo de investigação ativo em vez de fora dele.

O apelo do biochar reside no facto de abordar duas coisas ao mesmo tempo: sequestra carbono numa forma estável que resiste à decomposição durante séculos e melhora a estrutura do solo ao reter água e nutrientes que, de outra forma, se perderiam. Produzi-lo a partir de plástico reciclado e esgoto tratado, em vez de resíduos agrícolas, é a escolha menos convencional, e é a que confere ao projeto um argumento de gestão de resíduos a par do agrícola.

A metade de machine learning merece uma nota à parte. A modelação da adequação das culturas a partir de variáveis climáticas e do solo é um problema padrão na ciência dos dados agrícolas, e construir uma versão funcional requer reunir dados, escolher funcionalidades, treinar um modelo e avaliá-lo — uma sequência que é ensinada ao nível universitário. Fazê-lo a partir de cursos online autodidatas aos 16 anos é a parte do projeto mais difícil de atalhar, e é por isso que a entrada descreve uma plataforma em vez de um produto único.

A limitação honesta de qualquer projeto científico do ensino secundário é a escala, e isso aplica-se aqui. Um biofertilizante validado em testes não é um biofertilizante validado durante uma época de cultivo em terrenos agrícolas reais, e um modelo de adequação de culturas treinado com dados disponíveis não é um modelo testado contra rendimentos que não viu. Dhoot não reivindicou o contrário, nem esta página. O que está registado é uma plataforma concluída e funcional de duas partes, construída por uma jovem de dezasseis anos que aprendeu a segunda parte de forma autodidata, e reconhecida por um prémio nacional decidido a partir de centenas de nomeações em dois países.