כאשר גשמים עונתיים מגיעים מאוחר יותר לאינדונזיה, החקלאים לרוב מתייחסים לזה כסימן שלא כדאי להשקיע בדשנים לגידולים שלהם.לפעמים הם בוחרים שלא לשתול יבולים שנתיים בכלל.בדרך כלל, הם מקבלים את ההחלטה הנכונה, כי תחילתה המאוחרת של העונה הגשומה קשורה בדרך כלל למצב התנודה הדרומית של אל ניניו (ENSO) ולחוסר כמות גשמים בחודשים הקרובים.
המחקר החדש שפורסם ב-"Science Reports" מראה ש-ENSO הוא מחזור דפורמציה של מזג האוויר של התחממות והתקררות לאורך האוקיינוס ​​השקט לאורך קו המשווה, ותחזית חזקה של עד שנתיים לפני קצירת עץ הקקאו.
אלו עשויות להיות חדשות טובות עבור חקלאים קטנים, מדענים ותעשיית השוקולד העולמית.היכולת לחזות מראש את גודל היבול עשויה להשפיע על החלטות ההשקעה בחווה, לשפר את תוכניות המחקר לגידולים טרופיים ולהפחית סיכונים ואי ודאויות בתעשיית השוקולד.
חוקרים אומרים כי אותה שיטה המשלבת למידת מכונה מתקדמת עם איסוף נתונים קפדני לטווח קצר על מנהגי החקלאים והתשואות יכולה להיות מיושמת גם על יבולים אחרים תלויי גשם, כולל קפה וזיתים.
תומס אוברתור, מחבר שותף ומפתח עסקי של המכון לתזונת צמחים אפריקאיים (APNI) במרוקו, אמר: "החידוש העיקרי של מחקר זה הוא שאתה יכול להחליף ביעילות את נתוני מזג האוויר בנתוני ENSO.""באמצעות שיטה זו, אתה יכול לחקור כל דבר שקשור ל-ENSO.יבולים עם קשרי ייצור".
כ-80% משטחי העיבוד בעולם מסתמכים על גשמים ישירים (להבדיל מהשקיה), המהווה כ-60% מסך הייצור.עם זאת, ברבים מהאזורים הללו, נתוני הגשמים דלילים ומשתנים מאוד, מה שמקשה על מדענים, קובעי מדיניות וקבוצות חקלאים להסתגל לשינויים במזג האוויר.
במחקר זה, החוקרים השתמשו בסוג של למידת מכונה שאינה דורשת תיעוד מזג אוויר מחוות הקקאו האינדונזית המשתתפות במחקר.
במקום זאת, הם הסתמכו על נתונים על יישום דשן, תשואה וסוג החווה.הם חיברו את הנתונים האלה לרשת עצבית בייסיאנית (BNN) וגילו ששלב ENSO חזה 75% מהשינוי בתשואה.
במילים אחרות, ברוב המקרים במחקר, טמפרטורת פני הים של האוקיינוס ​​השקט יכולה לחזות במדויק את הקציר של פולי הקקאו.במקרים מסוימים, ניתן לבצע תחזיות מדויקות 25 חודשים לפני הקטיף.
בתור התחלה, בדרך כלל אפשר לחגוג דגם שיכול לחזות במדויק שינוי של 50% בייצור.סוג זה של דיוק תחזיות לטווח ארוך של תשואות היבול הוא נדיר.
מחבר המשותף של הברית וחוקר הכבוד, ג'יימס קוק, אמר: "זה מאפשר לנו להטמיע שיטות ניהול שונות בחווה, כמו מערכות דישון, ולהסיק התערבויות יעילות בביטחון גבוה."ארגון המגוון הביולוגי הבינלאומי ו-CIAT."זהו מעבר כולל לחקר תפעול."
קוק, פיזיולוג צמחי, אמר שלמרות שניסויים מבוקרים אקראיים (RCT) נחשבים בדרך כלל לתקן הזהב למחקר, ניסויים אלו יקרים ולכן בדרך כלל בלתי אפשריים בפיתוח אזורים חקלאיים טרופיים.השיטה המשמשת כאן היא הרבה יותר זולה, אינה דורשת איסוף יקר של רשומות מזג אוויר, ומספקת הדרכה שימושית כיצד לנהל טוב יותר יבולים במזג אוויר משתנה.
מנתח הנתונים והמחבר הראשי של המחקר רוס צ'פמן (רוס צ'פמן) הסביר כמה מהיתרונות המרכזיים של שיטות למידת מכונה על פני שיטות ניתוח נתונים מסורתיות.
צ'פמן אמר: "מודל ה-BNN שונה ממודל הרגרסיה הסטנדרטי מכיוון שהאלגוריתם לוקח משתני קלט (כגון טמפרטורת פני הים וסוג החווה) ואז 'לומד' באופן אוטומטי לזהות את התגובה של משתנים אחרים (כגון תפוקת יבול). "אמר צ'פמן."התהליך הבסיסי המשמש בתהליך הלמידה זהה לתהליך שבו המוח האנושי לומד לזהות אובייקטים ודפוסים מהחיים האמיתיים.להיפך, המודל הסטנדרטי דורש פיקוח ידני על משתנים שונים באמצעות משוואות שנוצרו באופן מלאכותי".
למרות שבהיעדר נתוני מזג אוויר, למידת מכונה עשויה להוביל לחיזוי טוב יותר של תפוקת יבול, אם מודלים של למידת מכונה יכולים לעבוד כמו שצריך, מדענים (או חקלאים עצמם) עדיין צריכים לאסוף במדויק מידע ייצור מסוים ולהפוך את הנתונים הללו לזמינים.
עבור חוות הקקאו האינדונזית במחקר זה, חקלאים הפכו לחלק מתוכנית הכשרה מומלצת עבור חברת שוקולד גדולה.הם עוקבים אחר תשומות כגון יישום דשן, חולקים את הנתונים הללו באופן חופשי לניתוח ומנהלים רישומים מסודרים במכון המקומי המאורגן לתזונה צמחית (IPNI) לשימוש החוקרים.
בנוסף, מדענים חילקו בעבר את החוות שלהם לעשר קבוצות דומות בעלות טופוגרפיה ותנאי קרקע דומים.החוקרים השתמשו בנתוני הקציר, יישום הדשן והתשואה מ-2013 עד 2018 כדי לבנות מודל.
הידע שצברו מגדלי הקקאו נותן להם ביטחון כיצד ומתי להשקיע בדשנים.הכישורים האגרונומיים שרכשה קבוצה מוחלשת זו יכולים להגן עליהם מפני הפסדי השקעה, המתרחשים בדרך כלל בתנאי מזג אוויר קשים.
הודות לשיתוף הפעולה שלהם עם חוקרים, ניתן כעת לחלוק את הידע שלהם בדרך כלשהי עם מגדלי גידולים אחרים במקומות אחרים בעולם.
קורק אמר: "ללא המאמצים המשותפים של החקלאי המסור IPNI וארגון התמיכה החזק בחקלאים Community Solutions International, המחקר הזה לא היה אפשרי".הוא הדגיש את חשיבות שיתוף הפעולה הרב-תחומי ואיזן את מאמצי בעל העניין.צרכים שונים.
Oberthür מ-APNI אמר כי מודלים חיזויים רבי עוצמה יכולים להועיל לחקלאים ולחוקרים ולקדם שיתוף פעולה נוסף.
אוברטור אמר: "אם אתה חקלאי שאוסף נתונים באותו זמן, אתה צריך להשיג תוצאות מוחשיות"."המודל הזה יכול לספק לחקלאים מידע שימושי ויכול לעזור לתמרץ איסוף נתונים, מכיוון שחקלאים יראו שהם עושים כדי לתרום, מה שמביא תועלת לחווה שלהם."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com