Kiedy sezonowe deszcze pojawiają się później w Indonezji, rolnicy często odbierają to jako znak, że nie warto inwestować w nawozy do swoich upraw.Czasami w ogóle nie decydują się na sadzenie roślin jednorocznych.Zwykle podejmują słuszną decyzję, ponieważ późne rozpoczęcie pory deszczowej jest zwykle związane ze stanem Oscylacji Południowej El Niño (ENSO) i niewystarczającymi opadami w nadchodzących miesiącach.
Nowe badania opublikowane w „Science Reports” pokazują, że ENSO to cykl deformacji pogody polegający na ociepleniu i ochłodzeniu wzdłuż Oceanu Spokojnego wzdłuż równika oraz potężna prognoza na okres do dwóch lat przed zbiorem drzewa kakaowego.
To może być dobra wiadomość dla drobnych rolników, naukowców i światowego przemysłu czekoladowego.Zdolność do przewidywania wielkości zbiorów z wyprzedzeniem może wpłynąć na decyzje inwestycyjne w gospodarstwach rolnych, ulepszyć programy badań upraw tropikalnych oraz zmniejszyć ryzyko i niepewność w branży czekoladowej.
Naukowcy twierdzą, że tę samą metodę, która łączy zaawansowane uczenie maszynowe ze ścisłym krótkoterminowym gromadzeniem danych na temat zwyczajów rolników i plonów, można również zastosować do innych upraw zależnych od deszczu, w tym kawy i oliwek.
Thomas Oberthür, współautor i twórca biznesu Afrykańskiego Instytutu Żywienia Roślin (APNI) w Maroku, powiedział: „Kluczową innowacją tych badań jest to, że można skutecznie zastąpić dane pogodowe danymi ENSO”.„Korzystając z tej metody, możesz zbadać wszystko, co jest związane z ENSO.Uprawy z relacjami produkcyjnymi.”
Około 80% gruntów ornych na świecie opiera się na bezpośrednich opadach deszczu (w przeciwieństwie do nawadniania), które stanowią około 60% całkowitej produkcji.Jednak w wielu z tych obszarów dane dotyczące opadów są skąpe i bardzo zmienne, co utrudnia naukowcom, decydentom i grupom rolników przystosowanie się do zmian pogody.
W tym badaniu naukowcy wykorzystali rodzaj uczenia maszynowego, który nie wymaga rejestrowania pogody z indonezyjskich plantacji kakao biorących udział w badaniu.
Zamiast tego opierali się na danych dotyczących stosowania nawozów, plonów i typu gospodarstwa.Podłączyli te dane do Bayesian Neural Network (BNN) i odkryli, że etap ENSO przewidział 75% zmiany wydajności.
Innymi słowy, w większości przypadków w badaniu temperatura powierzchni oceanu Pacyfiku może dokładnie przewidzieć zbiory ziaren kakaowych.W niektórych przypadkach możliwe jest dokonanie dokładnych prognoz na 25 miesięcy przed zbiorami.
Na początek zazwyczaj można uczcić model, który może dokładnie przewidzieć 50% zmianę w produkcji.Taka długoterminowa dokładność prognoz plonów jest rzadka.
Współautor sojuszu i honorowy badacz James Cock powiedział: „Pozwala nam to nałożyć na siebie różne praktyki zarządzania w gospodarstwie, takie jak systemy nawożenia, i z dużą pewnością wnioskować o skutecznych interwencjach.„Międzynarodowa Organizacja Bioróżnorodności i CIAT.„To ogólne przejście do badań operacyjnych”.
Cock, fizjolog roślin, powiedział, że chociaż randomizowane, kontrolowane badania (RCT) są ogólnie uważane za złoty standard w badaniach, są one drogie, a zatem zwykle niemożliwe w rozwijających się tropikalnych regionach rolniczych.Zastosowana tutaj metoda jest znacznie tańsza, nie wymaga kosztownego gromadzenia danych pogodowych i dostarcza użytecznych wskazówek, jak lepiej zarządzać uprawami w zmieniającej się pogodzie.
Analityk danych i główny autor badania Ross Chapman (Ross Chapman) wyjaśnił niektóre z kluczowych zalet metod uczenia maszynowego nad tradycyjnymi metodami analizy danych.
Chapman powiedział: „Model BNN różni się od standardowego modelu regresji, ponieważ algorytm pobiera zmienne wejściowe (takie jak temperatura powierzchni morza i typ gospodarstwa), a następnie automatycznie„uczy się”rozpoznawać reakcję innych zmiennych (takich jak plony), – powiedział Chapman.„Podstawowy proces wykorzystywany w procesie uczenia się jest taki sam, jak proces, w którym ludzki mózg uczy się rozpoznawać przedmioty i wzorce z prawdziwego życia.Wręcz przeciwnie, standardowy model wymaga ręcznego nadzorowania różnych zmiennych za pomocą sztucznie generowanych równań”.
Chociaż w przypadku braku danych pogodowych uczenie maszynowe może prowadzić do lepszych prognoz plonów, jeśli modele uczenia maszynowego mogą działać prawidłowo, naukowcy (lub sami rolnicy) nadal muszą dokładnie gromadzić pewne informacje o produkcji i zapewniać łatwy dostęp do tych danych.
W przypadku indonezyjskiej farmy kakaowej w tym badaniu, rolnicy stali się częścią programu szkoleniowego dotyczącego najlepszych praktyk dla dużej firmy produkującej czekoladę.Śledzą dane wejściowe, takie jak stosowanie nawozów, swobodnie udostępniają te dane do analizy i prowadzą uporządkowane rejestry w lokalnym zorganizowanym Międzynarodowym Instytucie Żywienia Roślin (IPNI) do wykorzystania przez naukowców.
Ponadto naukowcy wcześniej podzielili swoje gospodarstwa na dziesięć podobnych grup o podobnej topografii i warunkach glebowych.Do zbudowania modelu naukowcy wykorzystali dane dotyczące zbiorów, stosowania nawozów i plonów z lat 2013-2018.
Wiedza zdobyta przez plantatorów kakao daje im pewność, jak i kiedy inwestować w nawozy.Umiejętności agronomiczne nabyte przez tę znajdującą się w niekorzystnej sytuacji grupę mogą uchronić ją przed stratami inwestycyjnymi, które zwykle występują w niesprzyjających warunkach pogodowych.
Dzięki współpracy z naukowcami ich wiedzę można teraz w pewien sposób dzielić z hodowcami innych upraw w innych częściach świata.
Cork powiedział: „Bez wspólnych wysiłków oddanego rolnika IPNI i silnej organizacji wspierającej rolników, Community Solutions International, te badania nie byłyby możliwe”.Podkreślił znaczenie współpracy multidyscyplinarnej i wyważył wysiłki interesariuszy.Różne potrzeby.
Oberthür z APNI powiedział, że potężne modele predykcyjne mogą przynieść korzyści rolnikom i naukowcom oraz promować dalszą współpracę.
Obertoor powiedział: „Jeśli jesteś rolnikiem, który jednocześnie zbiera dane, musisz osiągnąć wymierne rezultaty”.„Ten model może dostarczyć rolnikom przydatnych informacji i może pomóc w zachęcaniu do gromadzenia danych, ponieważ rolnicy zobaczą, że robią wkład, który przynosi korzyści ich gospodarstwu”.

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com