Калі сезонныя дажджы прыходзяць пазней у Інданезію, фермеры часта ўспрымаюць гэта як знак таго, што не варта ўкладваць сродкі ва ўгнаенні для сваіх сельскагаспадарчых культур.Часам яны вырашылі не саджаць аднагадовыя культуры наогул.Звычайна яны прымаюць правільнае рашэнне, таму што позні пачатак сезону 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 астуджэння ўздоўж Ціхага акіяна ўздоўж экватара, і магутны прагноз на тэрмін да двух гадоў да збору какава-дрэва.
Гэта можа быць добрай навіной для дробных фермераў, навукоўцаў і сусветнай шакаладнай індустрыі.Магчымасць загадзя прагназаваць памер ураджаю можа паўплываць на прыняцце рашэнняў аб інвестыцыях у фермы, палепшыць праграмы даследаванняў трапічных культур і знізіць рызыкі і нявызначанасці ў шакаладнай прамысловасці.
Даследчыкі кажуць, што той жа метад, які спалучае перадавое машыннае навучанне з строгім кароткатэрміновым зборам даных аб звычаях фермераў і ўраджайнасці, можа быць прыменены і да іншых культур, якія залежаць ад дажджу, у тым ліку кавы і алівак.
Томас Обертур, суаўтар і бізнес-распрацоўшчык Афрыканскага інстытута харчавання раслін (APNI) у Марока, сказаў: «Ключавая інавацыя гэтага даследавання заключаецца ў тым, што вы можаце эфектыўна замяніць дадзеныя аб надвор'і дадзенымі ENSO».«Выкарыстоўваючы гэты метад, вы можаце даследаваць усё, што звязана з ENSO.Пасевы з вытворчымі адносінамі».
Каля 80% ворных зямель у свеце залежыць ад прамых ападкаў (у адрозненне ад арашэння), на долю якіх прыпадае каля 60% агульнай вытворчасці.Аднак у многіх з гэтых абласцей дадзеныя аб ападках рэдкія і вельмі зменлівыя, што абцяжарвае адаптацыю навукоўцаў, палітыкаў і фермерскіх груп да зменаў надвор'я.
У гэтым даследаванні даследчыкі выкарыстоўвалі тып машыннага навучання, які не патрабуе запісу надвор'я з інданэзійскіх какава-ферм, якія ўдзельнічаюць у даследаванні.
Замест гэтага яны абапіраліся на дадзеныя аб унясенні угнаенняў, ураджайнасці і тыпу фермы.Яны падключылі гэтыя дадзеныя да байесаўскай нейронавай сеткі (BNN) і выявілі, што этап ENSO прадказваў 75% змены ўраджаю.
Іншымі словамі, у большасці выпадкаў у даследаванні тэмпература паверхні мора Ціхага акіяна можа дакладна прадказаць ураджай какава-бабоў.У некаторых выпадках можна зрабіць дакладныя прагнозы за 25 месяцаў да збору ўраджаю.
Для пачатку, як правіла, можна адзначыць мадэль, якая можа дакладна прадказаць 50% змены ў вытворчасці.Такая дакладнасць доўгатэрміновага прагнозу ўраджайнасці сустракаецца рэдка.
Суаўтар і ганаровы даследчык альянсу Джэймс Кок сказаў: «Гэта дазваляе нам накладваць розныя метады кіравання на ферме, такія як сістэмы ўнясення ўгнаенняў, і рабіць высновы аб эфектыўных умяшаннях з высокай упэўненасцю.«Міжнародная арганізацыя па біяразнастайнасці і CIAT.«Гэта агульны пераход да аперацыйных даследаванняў».
Кок, фізіёлаг раслін, сказаў, што, хоць рандомізаваныя кантраляваныя даследаванні (RCT) звычайна лічацца залатым стандартам даследаванняў, гэтыя даследаванні дарагія і таму звычайна немагчымыя ў трапічных сельскагаспадарчых рэгіёнах, якія развіваюцца.Метад, які выкарыстоўваецца тут, значна таннейшы, не патрабуе дарагога збору дадзеных аб надвор'і і дае карысныя рэкамендацыі аб тым, як лепш кіраваць пасевамі пры змене надвор'я.
Аналітык дадзеных і вядучы аўтар даследавання Рос Чэпман (Ross Chapman) растлумачыў некаторыя з ключавых пераваг метадаў машыннага навучання перад традыцыйнымі метадамі аналізу дадзеных.
Чэпман сказаў: «Мадэль BNN адрозніваецца ад стандартнай рэгрэсійнай мадэлі, таму што алгарытм прымае ўваходныя зменныя (напрыклад, тэмпература паверхні мора і тып фермы), а затым аўтаматычна «вучыцца» распазнаваць рэакцыю іншых зменных (напрыклад, ураджайнасць). »сказаў Чэпмен.«Асноўны працэс, які выкарыстоўваецца ў працэсе навучання, такі ж, як і працэс, калі чалавечы мозг вучыцца распазнаваць прадметы і ўзоры з рэальнага жыцця.Наадварот, стандартная мадэль патрабуе ручнога кантролю розных зменных з дапамогай штучна створаных ураўненняў».
Нягледзячы на ​​тое, што пры адсутнасці дадзеных аб надвор'і машыннае навучанне можа прывесці да лепшага прагнозу ўраджайнасці, калі мадэлі машыннага навучання могуць працаваць належным чынам, навукоўцам (або самім фермерам) усё роўна трэба дакладна сабраць пэўную інфармацыю аб вытворчасці і зрабіць гэтыя даныя лёгка даступнымі.
Для інданезійскай какава-фермы ў гэтым даследаванні фермеры сталі часткай праграмы навучання перадавой практыкі для буйной шакаладнай кампаніі.Яны адсочваюць такія даныя, як унясенне угнаенняў, свабодна абменьваюцца гэтымі дадзенымі для аналізу і вядуць акуратныя запісы ў мясцовым арганізаваным Міжнародным інстытуце харчавання раслін (IPNI) для выкарыстання даследчыкамі.
Акрамя таго, раней навукоўцы падзялілі свае гаспадаркі на дзесяць падобных груп з падобным рэльефам і глебавымі ўмовамі.Даследчыкі выкарыстоўвалі дадзеныя аб ураджаі, унясенні угнаенняў і ўраджайнасці з 2013 па 2018 год, каб пабудаваць мадэль.
Веды, атрыманыя вытворцамі какава, даюць ім упэўненасць у тым, як і калі ўкладваць сродкі ва ўгнаенні.Агранамічныя навыкі, набытыя гэтай невыгоднай групай, могуць абараніць іх ад страт інвестыцый, якія звычайна адбываюцца пры неспрыяльных умовах надвор'я.
Дзякуючы іх супрацоўніцтву з даследчыкамі, іх ведамі цяпер можна нейкім чынам падзяліцца з вытворцамі іншых сельскагаспадарчых 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.
Абертур з APNI сказаў, што магутныя прадказальныя мадэлі могуць прынесці карысць фермерам і даследчыкам і спрыяць далейшаму супрацоўніцтву.
Обертур сказаў: «Калі вы фермер, які адначасова збірае дадзеныя, вам трэба дасягнуць адчувальных вынікаў».«Гэтая мадэль можа даць фермерам карысную інфармацыю і можа дапамагчы стымуляваць збор дадзеных, таму што фермеры ўбачаць, што яны робяць унёсак, які прыносіць карысць іх ферме».

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com