Endonezya'da mevsimsel yağmurlar daha geç geldiğinde, çiftçiler bunu genellikle mahsulleri için gübreye yatırım yapmaya değmeyeceğinin bir işareti olarak algılıyor.Bazen yıllık mahsulleri hiç ekmemeyi tercih ediyorlar.Genellikle doğru kararı verirler, çünkü yağmur mevsiminin geç başlaması genellikle El Niño Güney Salınımının (ENSO) durumu ve önümüzdeki aylarda yağışların yetersiz kalmasıyla ilişkilidir.
"Bilim Raporları"nda yayınlanan yeni araştırma, ENSO'nun Pasifik Okyanusu boyunca ekvator boyunca ısınma ve soğumadan oluşan bir hava durumu deformasyon döngüsü olduğunu ve kakao ağacının hasadı öncesinde iki yıla kadar güçlü bir tahmin olduğunu gösteriyor.
Bu, küçük çiftçiler, bilim insanları ve küresel çikolata endüstrisi için iyi bir haber olabilir.Hasatın büyüklüğünü önceden tahmin etme yeteneği, çiftlik yatırım kararlarını etkileyebilir, tropik mahsul araştırma programlarını iyileştirebilir ve çikolata endüstrisindeki riskleri ve belirsizlikleri azaltabilir.
Araştırmacılar, gelişmiş makine öğrenimini çiftçi gelenekleri ve verimlerine ilişkin kısa vadeli katı veri toplamayla birleştiren aynı yöntemin, kahve ve zeytin de dahil olmak üzere yağmura bağımlı diğer mahsullere de uygulanabileceğini söylüyor.
Fas'taki Afrika Bitki Besleme Enstitüsü'nün (APNI) ortak yazarı ve iş geliştiricisi Thomas Oberthür şunları söyledi: "Bu araştırmanın en önemli yeniliği, hava durumu verilerini etkili bir şekilde ENSO verileriyle değiştirebilmenizdir."“Bu yöntemi kullanarak ENSO ile ilgili her şeyi keşfedebilirsiniz.Üretim ilişkileri olan ürünler.”
Dünyadaki ekilebilir arazilerin yaklaşık %80'i doğrudan yağışa dayanmaktadır (sulamanın aksine), bu da toplam üretimin yaklaşık %60'ını oluşturmaktadır.Ancak bu alanların çoğunda yağış verileri seyrek ve oldukça değişken; bu da bilim adamlarının, politika yapıcıların ve çiftçi gruplarının hava koşullarındaki değişikliklere uyum sağlamasını zorlaştırıyor.
Bu çalışmada araştırmacılar, çalışmaya katılan Endonezya kakao çiftliklerinden hava durumu kayıtlarını gerektirmeyen bir tür makine öğrenimi kullandılar.
Bunun yerine gübre uygulaması, verim ve çiftlik türüne ilişkin verilere güvendiler.Bu verileri Bayes Sinir Ağı'na (BNN) bağladılar ve ENSO aşamasının verimdeki değişimin %75'ini öngördüğünü buldular.
Başka bir deyişle, çalışmadaki çoğu durumda, Pasifik Okyanusu'nun deniz yüzeyi sıcaklığı, kakao çekirdeklerinin hasadını doğru bir şekilde tahmin edebiliyor.Bazı durumlarda hasattan 25 ay önce doğru tahminlerde bulunmak mümkündür.
Yeni başlayanlar için, üretimdeki %50'lik değişimi doğru bir şekilde tahmin edebilen bir modeli kutlamak genellikle mümkündür.Mahsul rekoltesine ilişkin bu tür uzun vadeli tahmin doğruluğu nadirdir.
Birliğin ortak yazarı ve onursal araştırmacısı James Cock şunları söyledi: “Bu, gübreleme sistemleri gibi farklı yönetim uygulamalarını çiftlikte üst üste koymamıza ve yüksek güvenle etkili müdahaleler çıkarmamıza olanak tanıyor.“Uluslararası Biyoçeşitlilik Örgütü ve CIAT.“Bu, yöneylem araştırmasına genel bir geçiştir.”
Bitki fizyoloğu Cock, rastgele kontrollü denemelerin (RCT'ler) genellikle araştırma için altın standart olarak kabul edilmesine rağmen, bu denemelerin pahalı olduğunu ve bu nedenle gelişmekte olan tropik tarım bölgelerinde genellikle imkansız olduğunu söyledi.Burada kullanılan yöntem çok daha ucuzdur, pahalı hava durumu kayıtlarının toplanmasını gerektirmez ve değişen hava koşullarında mahsullerin nasıl daha iyi yönetilebileceği konusunda yararlı rehberlik sağlar.
Veri analisti ve çalışmanın baş yazarı Ross Chapman (Ross Chapman), makine öğrenimi yöntemlerinin geleneksel veri analizi yöntemlerine göre bazı önemli avantajlarını açıkladı.
Chapman şunları söyledi: "BNN modeli standart regresyon modelinden farklıdır çünkü algoritma girdi değişkenlerini (deniz yüzeyi sıcaklığı ve çiftlik türü gibi) alır ve daha sonra diğer değişkenlerin (mahsul verimi gibi) tepkisini tanımayı otomatik olarak 'öğrenir'. dedi Chapman.“Öğrenme sürecinde kullanılan temel süreç, insan beyninin gerçek hayattaki nesneleri ve kalıpları tanımayı öğrendiği süreçle aynıdır.Aksine, standart model, farklı değişkenlerin yapay olarak oluşturulmuş denklemler aracılığıyla manuel olarak denetlenmesini gerektirir."
Hava durumu verilerinin yokluğunda, makine öğrenimi daha iyi mahsul verimi tahminlerine yol açsa da, makine öğrenimi modelleri düzgün çalışabilirse, bilim adamlarının (veya çiftçilerin) yine de belirli üretim bilgilerini doğru bir şekilde toplaması ve bu Verileri hazır hale getirmesi gerekir.
Bu çalışmada Endonezya kakao çiftliği için çiftçiler, büyük bir çikolata şirketinin en iyi uygulama eğitim programının bir parçası haline geldi.Gübre uygulaması gibi girdileri takip ediyorlar, bu verileri analiz için serbestçe paylaşıyorlar ve araştırmacıların kullanması için yerel olarak organize edilen Uluslararası Bitki Besleme Enstitüsü'nde (IPNI) düzenli kayıtlar tutuyorlar.
Ek olarak, bilim insanları daha önce çiftliklerini benzer topoğrafya ve toprak koşullarına sahip on benzer gruba ayırmıştı.Araştırmacılar bir model oluşturmak için 2013'ten 2018'e kadar hasat, gübre uygulaması ve verim verilerini kullandılar.
Kakao yetiştiricilerinin edindiği bilgi, gübreye nasıl ve ne zaman yatırım yapacakları konusunda onlara güven veriyor.Bu dezavantajlı grubun edindiği tarımsal beceriler, onları genellikle olumsuz hava koşullarında meydana gelen yatırım kayıplarından koruyabilir.
Araştırmacılarla olan işbirlikleri sayesinde, bilgileri artık dünyanın diğer yerlerindeki diğer mahsul yetiştiricileriyle bir şekilde paylaşılabiliyor.
Cork şunları söyledi: "Kendini adamış çiftçi IPNI ve güçlü çiftçi destek kuruluşu Community Solutions International'ın ortak çabaları olmasaydı, bu araştırma mümkün olmazdı."Multidisipliner işbirliğinin önemini vurguladı ve paydaşların çabalarını dengeledi.Farklı ihtiyaçlar.
APNI'den Oberthür, güçlü tahmin modellerinin çiftçilere ve araştırmacılara fayda sağlayabileceğini ve daha fazla işbirliğini teşvik edebileceğini söyledi.
Obertoor, "Aynı zamanda veri toplayan bir çiftçiyseniz somut sonuçlar elde etmeniz gerekiyor" dedi."Bu model, çiftçilere yararlı bilgiler sağlayabilir ve veri toplamayı teşvik etmeye yardımcı olabilir, çünkü çiftçiler, çiftliklerine fayda sağlayan bir katkı sağlamak için yaptıklarını göreceklerdir."

suzy@lstchocolatemachine.com

www.lschocolatemachine.com