Când ploile sezoniere ajung mai târziu în Indonezia, fermierii o consideră adesea un semn că nu merită să investească în îngrășăminte pentru culturile lor.Uneori aleg să nu planteze deloc culturi anuale.De obicei, aceștia iau decizia corectă, deoarece începerea târzie a sezonului ploios este de obicei legată de starea El Niño Southern Oscillation (ENSO) și de precipitațiile insuficiente în lunile următoare.
Noua cercetare publicată în „Science Reports” arată că ENSO este un ciclu de deformare a vremii de încălzire și răcire de-a lungul Oceanului Pacific de-a lungul ecuatorului și o prognoză puternică pentru până la doi ani înainte ca arborele de cacao să fie recoltat.
Aceasta poate fi o veste bună pentru fermierii mici, oamenii de știință și industria globală a ciocolatei.Capacitatea de a prezice în avans mărimea recoltei poate afecta deciziile de investiții în fermă, poate îmbunătăți programele de cercetare a culturilor tropicale și poate reduce riscurile și incertitudinile din industria ciocolatei.
Cercetătorii spun că aceeași metodă care combină învățarea automată avansată cu colectarea strictă a datelor pe termen scurt cu privire la obiceiurile și recoltele fermierilor poate fi aplicată și altor culturi dependente de ploaie, inclusiv cafeaua și măslinele.
Thomas Oberthür, coautor și dezvoltator de afaceri al Institutului African de Nutriție a Plantelor (APNI) din Maroc, a declarat: „Inovația cheie a acestei cercetări este că puteți înlocui în mod eficient datele meteorologice cu datele ENSO”.„Folosind această metodă, puteți explora orice este legat de ENSO.Culturi cu relații de producție.”
Aproximativ 80% din terenul arabil din lume se bazează pe precipitațiile directe (spre deosebire de irigare), care reprezintă aproximativ 60% din producția totală.Cu toate acestea, în multe dintre aceste zone, datele privind precipitațiile sunt rare și foarte variabile, ceea ce face dificilă adaptarea oamenilor de știință, factorilor de decizie și grupurilor de fermieri la schimbările vremii.
În acest studiu, cercetătorii au folosit un tip de învățare automată care nu necesită înregistrări meteorologice de la fermele de cacao indoneziene care participă la studiu.
În schimb, s-au bazat pe date despre aplicarea îngrășămintelor, randamentul și tipul fermei.Ei au conectat aceste date într-o rețea neuronală Bayesiană (BNN) și au descoperit că etapa ENSO a prezis 75% din modificarea randamentului.
Cu alte cuvinte, în majoritatea cazurilor din studiu, temperatura suprafeței mării a Oceanului Pacific poate prezice cu exactitate recolta de boabe de cacao.În unele cazuri, este posibil să se facă predicții precise cu 25 de luni înainte de recoltare.
Pentru început, este de obicei posibil să sărbătorim un model care poate prezice cu exactitate o schimbare de 50% a producției.Acest tip de precizie a prognozei pe termen lung a randamentelor culturilor este rar.
Coautorul alianței și cercetătorul onorific James Cock a spus: „Acest lucru ne permite să suprapunem diferite practici de management în fermă, cum ar fi sistemele de fertilizare, și să deducem intervenții eficiente cu mare încredere.„Organizația Internațională pentru Biodiversitate și CIAT.„Aceasta este o trecere generală către cercetarea operațională.”
Cock, un fiziolog de plante, a spus că, deși studiile randomizate controlate (RCT) sunt în general considerate standardul de aur pentru cercetare, aceste studii sunt costisitoare și, prin urmare, de obicei imposibile în regiunile agricole tropicale în curs de dezvoltare.Metoda folosită aici este mult mai ieftină, nu necesită o colectare costisitoare de înregistrări meteorologice și oferă îndrumări utile despre cum să gestionați mai bine culturile în condiții de schimbare a vremii.
Analistul de date și autorul principal al studiului Ross Chapman (Ross Chapman) a explicat câteva dintre avantajele cheie ale metodelor de învățare automată față de metodele tradiționale de analiză a datelor.
Chapman a spus: „Modelul BNN este diferit de modelul de regresie standard, deoarece algoritmul preia variabile de intrare (cum ar fi temperatura suprafeței mării și tipul fermei) și apoi „învață” automat să recunoască răspunsul altor variabile (cum ar fi randamentul culturilor). ” a spus Chapman.„Procesul de bază folosit în procesul de învățare este același cu procesul pe care creierul uman învață să recunoască obiecte și modele din viața reală.Dimpotrivă, modelul standard necesită supravegherea manuală a diferitelor variabile prin ecuații generate artificial.”
Deși, în absența datelor meteorologice, învățarea automată poate duce la previziuni mai bune privind randamentul culturilor, dacă modelele de învățare automată pot funcționa corect, oamenii de știință (sau fermierii înșiși) trebuie totuși să colecteze cu exactitate anumite informații de producție și să facă ca aceste date să fie ușor disponibile.
Pentru ferma de cacao din Indonezia din acest studiu, fermierii au devenit parte a unui program de instruire pentru cele mai bune practici pentru o mare companie de ciocolată.Ei urmăresc intrări, cum ar fi aplicarea de îngrășăminte, partajează în mod liber aceste date pentru analiză și țin înregistrări ordonate la Institutul Internațional de Nutriție a Plantelor (IPNI) organizat local pentru ca cercetătorii să le poată utiliza.
În plus, oamenii de știință și-au împărțit anterior fermele în zece grupuri similare cu topografie și condiții de sol similare.Cercetătorii au folosit datele privind recolta, aplicarea îngrășămintelor și randamentul din 2013 până în 2018 pentru a construi un model.
Cunoștințele dobândite de cultivatorii de cacao le oferă încredere în cum și când să investească în îngrășăminte.Competențele agronomice dobândite de acest grup defavorizat îi pot proteja de pierderile de investiții, care apar de obicei în condiții meteorologice nefavorabile.
Datorită colaborării lor cu cercetătorii, cunoștințele lor pot fi acum împărtășite într-un fel cu cultivatorii de alte culturi din alte părți ale lumii.
Cork a spus: „Fără eforturile comune ale fermierului dedicat IPNI și ale organizației puternice de sprijinire a fermierilor Community Solutions International, această cercetare nu ar fi posibilă.”El a subliniat importanța cooperării multidisciplinare și a echilibrat eforturile părților interesate.Nevoi diferite.
Oberthür de la APNI a spus că modelele predictive puternice pot aduce beneficii fermierilor și cercetătorilor și pot promova cooperarea în continuare.
Obertoor a spus: „Dacă ești un fermier care colectează date în același timp, trebuie să obții rezultate tangibile.”„Acest model poate oferi fermierilor informații utile și poate ajuta la stimularea colectării de date, deoarece fermierii vor vedea că fac o contribuție, ceea ce aduce beneficii fermei lor.”

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com