Калі сезонныя дажджы наступаюць пазней у Інданезіі, фермеры часта ўспрымаюць гэта як знак таго, што не варта ўкладваць грошы ва ўгнаенні для іх пасеваў.Часам яны вырашаюць наогул не высаджваць аднагадовыя культуры.Звычайна яны прымаюць правільнае рашэнне, таму што позні пачатак сезона дажджоў звычайна звязаны са станам паўднёвага вагання Эль-Ніньё (ENSO) і недастатковай колькасцю ападкаў у бліжэйшыя месяцы.
Новае даследаванне, апублікаванае ў "Science Reports", паказвае, што ENSO - гэта цыкл дэфармацыі надвор'я пацяплення і пахаладання ўздоўж Ціхага акіяна ўздоўж экватара, а таксама магутны прагноз на тэрмін да двух гадоў да збору какава-дрэва.
Гэта можа быць добрай навіной для дробных фермераў, навукоўцаў і сусветнай шакаладнай прамысловасці.Здольнасць загадзя прагназаваць памер ураджаю можа паўплываць на рашэнні аб інвестыцыях у фермы, палепшыць праграмы даследаванняў трапічных культур і паменшыць рызыкі і нявызначанасці ў шакаладнай прамысловасці.
Даследчыкі кажуць, што той жа метад, які спалучае перадавое машыннае навучанне са строгім кароткатэрміновым зборам даных аб звычаях і ўраджайнасці фермераў, можна таксама прымяніць да іншых культур, якія залежаць ад дажджу, у тым ліку кавы і алівак.
Томас Обертур, сааўтар і бізнес-распрацоўшчык Афрыканскага інстытута харчавання раслін (APNI) у Марока, сказаў: «Ключавое новаўвядзенне гэтага даследавання заключаецца ў тым, што вы можаце эфектыўна замяніць даныя аб надвор'і данымі ENSO».«Выкарыстоўваючы гэты метад, вы можаце даследаваць усё, што звязана з ENSO.Культуры з вытворчымі адносінамі».
Каля 80% ворных зямель у свеце залежаць ад прамых ападкаў (у адрозненне ад ірыгацыі), на долю якіх прыпадае каля 60% ад агульнай вытворчасці.Аднак у многіх з гэтых абласцей даныя аб колькасці ападкаў рэдкія і вельмі зменлівыя, што ўскладняе навукоўцам, палітыкам і групам фермераў адаптацыю да зменаў надвор'я.
У гэтым даследаванні даследчыкі выкарыстоўвалі тып машыннага навучання, які не патрабуе запісаў надвор'я ад інданезійскіх какава-ферм, якія ўдзельнічаюць у даследаванні.
Замест гэтага яны абапіраліся на дадзеныя аб унясенні ўгнаенняў, ураджайнасці і тыпе гаспадаркі.Яны падключылі гэтыя даныя да байесаўскай нейронавай сеткі (BNN) і выявілі, што этап ENSO прадказаў 75% змены ўраджайнасці.
Іншымі словамі, у большасці выпадкаў у даследаванні тэмпература паверхні мора Ціхага акіяна дазваляе дакладна прадказаць ўраджай какава-бабоў.У некаторых выпадках дакладныя прагнозы можна зрабіць за 25 месяцаў да збору ўраджаю.
Для пачатку звычайна можна адзначыць мадэль, якая можа дакладна прадказаць 50% змены вытворчасці.Такая дакладнасць доўгатэрміновага прагнозу ўраджайнасці сустракаецца рэдка.
Сааўтар альянсу і ганаровы даследчык Джэймс Кок сказаў: «Гэта дазваляе нам накладаць розныя метады кіравання на ферме, такія як сістэмы ўгнаенняў, і рабіць высновы аб эфектыўных мерапрыемствах з высокай упэўненасцю.«Міжнародная арганізацыя па біяразнастайнасці і CIAT.«Гэта агульны пераход да даследавання аперацый».
Кок, фізіёлаг раслін, сказаў, што, хоць рандомізірованный кантраляваныя выпрабаванні (РКИ) звычайна лічацца залатым стандартам даследаванняў, гэтыя выпрабаванні дарагія і, такім чынам, звычайна немагчымыя ў трапічных сельскагаспадарчых рэгіёнах, якія развіваюцца.Метад, які выкарыстоўваецца тут, нашмат таннейшы, не патрабуе дарагога збору запісаў надвор'я і дае карысныя рэкамендацыі аб тым, як лепш кіраваць пасевамі ў надвор'е, якое змяняецца.
Аналітык дадзеных і вядучы аўтар даследавання Рос Чапман (Ross Chapman) растлумачыў некаторыя ключавыя перавагі метадаў машыннага навучання перад традыцыйнымі метадамі аналізу дадзеных.
Чапман сказаў: «Мадэль BNN адрозніваецца ад стандартнай рэгрэсійнай мадэлі, таму што алгарытм прымае ўваходныя зменныя (напрыклад, тэмпературу паверхні мора і тып фермы), а потым аўтаматычна"навучыўся" распазнаваць рэакцыю іншых зменных (напрыклад, ураджайнасць), ", - сказаў Чэпмен.«Асноўны працэс, які выкарыстоўваецца ў працэсе навучання, такі ж, як працэс, пры якім чалавечы мозг вучыцца распазнаваць аб'екты і ўзоры з рэальнага жыцця.Наадварот, стандартная мадэль патрабуе ручнога кантролю за рознымі зменнымі з дапамогай штучна створаных ураўненняў».
Нягледзячы на ​​тое, што пры адсутнасці даных аб надвор'і машыннае навучанне можа прывесці да лепшага прагназавання ўраджайнасці, калі мадэлі машыннага навучання могуць працаваць належным чынам, навукоўцам (ці самім фермерам) усё роўна трэба будзе дакладна збіраць пэўную інфармацыю аб вытворчасці і рабіць гэтыя Даныя даступнымі.
Для інданезійскай какава-фермы ў гэтым даследаванні фермеры сталі часткай праграмы навучання перадавой практыцы для буйной шакаладнай кампаніі.Яны адсочваюць такія ўваходныя дадзеныя, як унясенне ўгнаенняў, свабодна дзеляцца гэтымі дадзенымі для аналізу і вядуць акуратныя запісы ў арганізаваным мясцовым Міжнародным інстытуце харчавання раслін (IPNI) для выкарыстання даследчыкамі.
Акрамя таго, раней навукоўцы падзялілі свае фермы на дзесяць падобных груп з падобным рэльефам і глебавымі ўмовамі.Даследчыкі выкарыстоўвалі дадзеныя аб зборы ўраджаю, унясенні ўгнаенняў і ўраджайнасці з 2013 па 2018 год, каб пабудаваць мадэль.
Веды, атрыманыя вытворцамі какава, даюць ім упэўненасць у тым, як і калі інвеставаць ва ўгнаенні.Агранамічныя навыкі, набытыя гэтай неспрыяльнай групай, могуць абараніць іх ад інвестыцыйных страт, якія звычайна адбываюцца пры неспрыяльных умовах надвор'я.
Дзякуючы іх супрацоўніцтву з даследчыкамі, іх ведамі цяпер можна пэўным чынам падзяліцца з вытворцамі іншых культур у іншых частках свету.
Корк сказаў: «Без сумесных намаганняў адданага фермеру IPNI і моцнай арганізацыі падтрымкі фермераў Community Solutions International гэта даследаванне было б немагчымым».Ён падкрэсліў важнасць міждысцыплінарнага супрацоўніцтва і збалансаваў намаганні зацікаўленых бакоў.Розныя патрэбы.
Обертур з APNI сказаў, што магутныя прагнастычныя мадэлі могуць прынесці карысць фермерам і даследчыкам і спрыяць далейшаму супрацоўніцтву.
Обертур сказаў: «Калі вы фермер, які адначасова збірае даныя, вам трэба дасягнуць адчувальных вынікаў».«Гэтая мадэль можа даць фермерам карысную інфармацыю і можа дапамагчы стымуляваць збор даных, таму што фермеры ўбачаць, што яны робяць свой унёсак, які прыносіць карысць іх ферме».

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com