Endonezya'ya daha sonra mevsimlik yağmurlar geldiğinde, çiftçiler bunu genellikle ekinleri için gübreye yatırım yapmaya değmeyeceğinin bir işareti olarak algılarlar.Bazen yıllık mahsulleri hiç ekmemeyi seçerler.Genellikle doğru kararı verirler, çünkü yağışlı mevsimin geç başlaması genellikle El Niño Güney Salınımının (ENSO) durumu ve önümüzdeki aylarda yetersiz yağış ile ilgilidir.
"Bilim Raporları"nda yayınlanan yeni araştırma, ENSO'nun ekvator boyunca Pasifik Okyanusu boyunca ısınma ve soğumadan oluşan bir hava deformasyon döngüsü ve kakao ağacı hasat edilmeden önce iki yıla kadar güçlü bir tahmin olduğunu gösteriyor.
Bu, küçük ölçekli çiftçiler, bilim adamları 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 verimleri hakkında katı kısa vadeli veri toplama ile birleştiren aynı yöntemin, kahve ve zeytin de dahil olmak üzere yağmura bağlı diğer ürünlere 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 arazinin yaklaşık %80'i, toplam üretimin yaklaşık %60'ını oluşturan (sulamanın aksine) doğrudan yağışa dayanır.Bununla birlikte, bu alanların çoğunda yağış verileri seyrek ve oldukça değişkendir, bu da bilim adamlarının, politika yapıcıların ve çiftçi gruplarının havadaki değişikliklere uyum sağlamasını zorlaştırır.
Bu çalışmada, araştırmacılar, çalışmaya katılan Endonezya kakao çiftliklerinden hava durumu kayıtları gerektirmeyen bir tür makine öğrenimi kullandılar.
Bunun yerine, gübre uygulaması, verim ve çiftlik tipi ile ilgili verilere güvendiler.Bu verileri bir Bayesian 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 edebilir.Bazı durumlarda hasattan 25 ay önce doğru tahminlerde bulunmak mümkündür.
Yeni başlayanlar için, üretimde %50'lik bir değişikliği doğru bir şekilde tahmin edebilen bir modeli kutlamak genellikle mümkündür.Mahsul verimlerinin bu tür uzun vadeli tahmin doğruluğu nadirdir.
İttifakın ortak yazarı ve onursal araştırmacısı James Cock şunları söyledi: “Bu, gübreleme sistemleri gibi çiftlikte farklı yönetim uygulamalarını üst üste getirmemize ve yüksek güvenle etkili müdahaleler çıkarmamıza izin veriyor.“Uluslararası Biyoçeşitlilik Örgütü ve CIAT."Bu, yöneylem araştırmasına genel bir geçiştir."
Bir bitki fizyoloğu olan Cock, randomize 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 kayıtları toplamayı gerektirmez ve değişen hava koşullarında mahsullerin nasıl daha iyi yönetileceği konusunda faydalı 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 tipi gibi) alır ve daha sonra diğer değişkenlerin (ürün verimi gibi) tepkisini tanımayı otomatik olarak 'öğrenir'. dedi Chapman.“Öğrenme sürecinde kullanılan temel süreç, insan beyninin gerçek hayattan nesneleri ve kalıpları tanımayı öğrendiği süreçle aynıdır.Aksine, standart model, yapay olarak oluşturulmuş denklemler aracılığıyla farklı değişkenlerin manuel olarak denetlenmesini gerektirir.”
Hava durumu verilerinin yokluğunda makine öğrenimi daha iyi mahsul verimi tahminlerine yol açabilse de, makine öğrenimi modelleri düzgün çalışabiliyorsa bilim adamlarının (veya çiftçilerin kendilerinin) 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 şirketi için en iyi uygulama eğitim programının parçası haline geldi.Gübre uygulaması gibi girdileri izliyorlar, bu verileri analiz için özgürce paylaşıyorlar ve araştırmacıların kullanması için yerel olarak organize edilmiş Uluslararası Bitki Besleme Enstitüsü'nde (IPNI) düzenli kayıtlar tutuyorlar.
Ek olarak, bilim adamları daha önce çiftliklerini benzer topografya ve toprak koşullarına sahip on benzer gruba ayırdı.Araştırmacılar bir model oluşturmak için 2013'ten 2018'e kadar hasat, gübre uygulaması ve verim verilerini kullandılar.
Kakao yetiştiricilerinin edindiği bilgi, onlara gübrelere nasıl ve ne zaman yatırım yapacakları konusunda güven verir.Bu dezavantajlı grubun edindiği tarımsal beceriler, onları genellikle olumsuz hava koşullarında meydana gelen yatırım kayıplarından koruyabilir.
Araştırmacılarla olan işbirlikleri sayesinde, bilgileri artık dünyanın diğer bölgelerindeki diğer mahsul yetiştiricileriyle bir şekilde paylaşılabilir.
Cork şunları söyledi: "Kendini işine adamış çiftçi IPNI ve güçlü çiftçi destek kuruluşu Community Solutions International'ın ortak çabaları olmadan bu araştırma mümkün olmazdı."Çok disiplinli işbirliğinin önemini vurguladı ve paydaşların çabalarını dengeledi.Farklı ihtiyaçlar.
APNI'den Oberthür, güçlü tahmine dayalı modellerin çiftçilere ve araştırmacılara fayda sağlayabileceğini ve daha fazla işbirliğini teşvik edebileceğini söyledi.
Obertoor, “Aynı anda veri toplayan bir çiftçiyseniz, somut sonuçlar elde etmeniz gerekir” dedi."Bu model, çiftçilere faydalı bilgiler sağlayabilir ve veri toplamayı teşvik etmeye yardımcı olabilir, çünkü çiftçiler yaptıklarını göreceklerdir.

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com