Kui hooajalised vihmad Indoneesiasse hiljem saabuvad, võtavad põllumehed seda sageli kui märki, et oma põllukultuuride väetistesse ei tasu investeerida.Mõnikord otsustavad nad üheaastaseid põllukultuure üldse mitte istutada.Tavaliselt teevad nad õige otsuse, sest vihmaperioodi hiline algus on tavaliselt seotud El Niño lõunavõnkumise (ENSO) seisukorra ja lähikuude ebapiisava sademete hulgaga.
Ajakirjas "Science Reports" avaldatud uus uurimus näitab, et ENSO on ilmastiku deformatsioonitsükkel, mille käigus soojeneb ja jahutatakse Vaikse ookeani piki ekvaatorit, ning võimas prognoos kuni kaheks aastaks enne kakaopuu koristamist.
See võib olla hea uudis väiketalunikele, teadlastele ja ülemaailmsele šokolaaditööstusele.Võimalus saagi suurust ette ennustada võib mõjutada põllumajandusettevõtete investeerimisotsuseid, parandada troopiliste põllukultuuride uurimisprogramme ning vähendada riske ja ebakindlust šokolaaditööstuses.
Teadlaste sõnul saab sama meetodit, mis ühendab täiustatud masinõppe range lühiajalise andmete kogumisega põllumeeste tavade ja saagikuse kohta, rakendada ka muude vihmast sõltuvate põllukultuuride, sealhulgas kohvi ja oliivide puhul.
Thomas Oberthür, Maroko Aafrika Taimetoitumise Instituudi (APNI) kaasautor ja äriarendaja, ütles: "Selle uurimistöö peamine uuendus on see, et saate ilmastikuandmeid tõhusalt asendada ENSO andmetega.""Seda meetodit kasutades saate uurida kõike, mis on seotud ENSOga.Põllukultuurid tootmissuhetega.
Umbes 80% maailma põllumaast sõltub otsestest sademetest (erinevalt niisutamisest), mis moodustab umbes 60% kogutoodangust.Paljudes nendes piirkondades on sademete andmed aga hõredad ja väga kõikuvad, mistõttu on teadlastel, poliitikakujundajatel ja põllumeeste rühmadel raske ilmastikumuutustega kohaneda.
Selles uuringus kasutasid teadlased masinõppe tüüpi, mis ei nõua uuringus osalevate Indoneesia kakaofarmide ilmastikurekordeid.
Selle asemel tuginesid nad andmetele väetiste kasutamise, saagikuse ja talutüübi kohta.Nad ühendasid need andmed Bayesi närvivõrku (BNN) ja leidsid, et ENSO etapp ennustas 75% saagikuse muutusest.
Teisisõnu, enamikul juhtudel võib Vaikse ookeani merepinna temperatuur uuringus ennustada täpselt kakaoubade saaki.Mõnel juhul on võimalik täpseid ennustusi teha 25 kuud enne saagikoristust.
Alustuseks on tavaliselt võimalik tähistada mudelit, mis suudab täpselt ennustada 50% toodangu muutust.Selline pikaajaline saagikuse prognoosi täpsus on haruldane.
Alliansi kaasautor ja auuurija James Cock ütles: „See võimaldab meil rakendada farmis erinevaid juhtimistavasid, näiteks väetamissüsteeme, ja järeldada tõhusaid sekkumisi suure kindlusega.„Rahvusvaheline bioloogilise mitmekesisuse organisatsioon ja CIAT."See on üldine nihe operatsioonide uurimisele."
Taimefüsioloog Cock ütles, et kuigi randomiseeritud kontrollitud uuringuid (RCT) peetakse üldiselt teadusuuringute kuldstandardiks, on need katsed kallid ja seetõttu arenevates troopilistes põllumajanduspiirkondades tavaliselt võimatud.Siin kasutatav meetod on palju odavam, ei nõua kallist ilmarekordite kogumist ning annab kasulikke juhiseid, kuidas muutuva ilmaga põllukultuure paremini majandada.
Andmeanalüütik ja uuringu juhtiv autor Ross Chapman (Ross Chapman) selgitas mõningaid masinõppemeetodite peamisi eeliseid võrreldes traditsiooniliste andmeanalüüsi meetoditega.
Chapman ütles: "BNN-i mudel erineb tavalisest regressioonimudelist, kuna algoritm võtab sisendmuutujaid (nt merepinna temperatuur ja farmi tüüp) ning seejärel õpib automaatselt ära tundma teiste muutujate (nt saagikuse) vastuseid. "Ütles Chapman.„Õppeprotsessis kasutatav põhiprotsess on sama, mis inimese aju õpib ära tundma päriselust objekte ja mustreid.Vastupidi, standardmudel nõuab erinevate muutujate käsitsi jälgimist kunstlikult loodud võrrandite kaudu.
Kuigi ilmaandmete puudumisel võib masinõpe anda paremaid saagiprognoose, peavad masinõppe mudelid korralikult toimima, kuid teadlased (või põllumehed ise) peavad siiski koguma täpselt teatud tootmisteavet ja tegema need andmed hõlpsasti kättesaadavaks.
Selles uuringus osalenud Indoneesia kakaofarmi põllumajandustootjad on saanud osa suure šokolaadifirma parimate tavade koolitusprogrammist.Nad jälgivad sisendeid, nagu väetiste kasutamine, jagavad neid andmeid analüüsiks vabalt ja peavad kohalikus organiseeritud Rahvusvahelises Taimetoitumise Instituudis (IPNI) teadlastele kasutamiseks korralikke andmeid.
Lisaks jagasid teadlased varem oma farmid kümnesse sarnasesse rühma, millel olid sarnased topograafia ja mullastikutingimused.Uurijad kasutasid mudeli koostamiseks saagikoristust, väetise kasutamist ja saagikuse andmeid aastatel 2013–2018.
Kakaokasvatajate omandatud teadmised annavad kindlustunde, kuidas ja millal väetistesse investeerida.Selle ebasoodsas olukorras oleva rühma omandatud agronoomilised oskused võivad kaitsta neid investeerimiskahjude eest, mis tekivad tavaliselt ebasoodsates ilmastikutingimustes.
Tänu koostööle teadlastega saab nende teadmisi nüüd mingil moel jagada ka teiste põllukultuuride kasvatajatega mujal maailmas.
Cork ütles: "Ilma pühendunud põllumajandustootja IPNI ja tugeva põllumajandustootjate tugiorganisatsiooni Community Solutions International ühiste jõupingutusteta poleks see uuring võimalik."Ta rõhutas multidistsiplinaarse koostöö olulisust ja tasakaalustas sidusrühmade jõupingutusi.Erinevad vajadused.
APNI Oberthür ütles, et võimsad ennustavad mudelid võivad olla kasulikud põllumeestele ja teadlastele ning edendada edasist koostööd.
Obertoor ütles: "Kui olete põllumees, kes kogub samal ajal andmeid, peate saavutama käegakatsutavaid tulemusi.""See mudel võib anda põllumajandustootjatele kasulikku teavet ja aidata ergutada andmete kogumist, sest põllumajandustootjad näevad, et nad annavad oma panuse, mis toob nende talule kasu."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com