İndoneziyada mövsümi yağışlar gec yağanda, fermerlər tez-tez bunu öz məhsulları üçün gübrələrə sərmayə qoymağa dəyməz bir işarə kimi qəbul edirlər.Bəzən bir illik bitkiləri ümumiyyətlə əkməməyi seçirlər.Adətən, onlar düzgün qərar verirlər, çünki yağışlı mövsümün gec başlaması adətən El Niño Cənub Rəqəminin (ENSO) vəziyyəti və yaxın aylarda kifayət qədər yağıntının olmaması ilə bağlıdır.
“Science Reports”da dərc edilən yeni araşdırma göstərir ki, ENSO ekvator boyunca Sakit Okean boyunca istiləşmə və soyutma hava deformasiya dövrüdür və kakao ağacının yığılmasından iki ilə qədər əvvəl güclü proqnozdur.
Bu, kiçik fermerlər, elm adamları və qlobal şokolad sənayesi üçün yaxşı xəbər ola bilər.Məhsulun ölçüsünü əvvəlcədən proqnozlaşdırmaq qabiliyyəti təsərrüfat investisiya qərarlarına təsir edə bilər, tropik məhsul tədqiqat proqramlarını təkmilləşdirə və şokolad sənayesində riskləri və qeyri-müəyyənlikləri azalda bilər.
Tədqiqatçılar deyirlər ki, qabaqcıl maşın öyrənməsi ilə fermer adətləri və məhsuldarlığa dair ciddi qısamüddətli məlumatların toplanması ilə birləşdirən eyni metod, qəhvə və zeytun da daxil olmaqla yağışdan asılı olan digər məhsullara da tətbiq oluna bilər.
Mərakeşdəki Afrika Bitki Qidalanma İnstitutunun (APNI) həmmüəllifi və biznes inkişaf etdiricisi Thomas Oberthür dedi: "Bu tədqiqatın əsas yeniliyi hava məlumatlarını ENSO məlumatları ilə effektiv şəkildə əvəz edə bilmənizdir."“Bu metoddan istifadə edərək ENSO ilə əlaqəli hər şeyi araşdıra bilərsiniz.İstehsal əlaqələri olan bitkilər”.
Dünyanın əkin sahələrinin təxminən 80%-i birbaşa yağışdan (suvarmadan fərqli olaraq) asılıdır ki, bu da ümumi istehsalın təxminən 60%-ni təşkil edir.Bununla belə, bu ərazilərin bir çoxunda yağış məlumatları seyrək və çox dəyişkəndir, bu da alimlərin, siyasətçilərin və fermer qruplarının hava dəyişikliklərinə uyğunlaşmasını çətinləşdirir.
Bu araşdırmada tədqiqatçılar tədqiqatda iştirak edən İndoneziya kakao fermalarından hava qeydlərini tələb etməyən bir maşın öyrənmə növündən istifadə etdilər.
Bunun əvəzinə, onlar gübrə tətbiqi, məhsuldarlıq və təsərrüfat növü haqqında məlumatlara istinad edirdilər.Onlar bu məlumatları Bayes Neyron Şəbəkəsinə (BNN) qoşdular və ENSO mərhələsinin məhsuldarlığın dəyişməsinin 75%-ni proqnozlaşdırdığını aşkar etdilər.
Başqa sözlə, tədqiqatda əksər hallarda Sakit Okeanın dəniz səthinin temperaturu kakao paxlasının məhsulunu dəqiq proqnozlaşdıra bilir.Bəzi hallarda məhsul yığımına 25 ay qalmış dəqiq proqnoz vermək mümkündür.
Başlayanlar üçün istehsalda 50% dəyişikliyi dəqiq proqnozlaşdıra bilən modeli qeyd etmək adətən mümkündür.Məhsul məhsuldarlığının bu cür uzunmüddətli proqnoz dəqiqliyi nadirdir.
Alyansın həmmüəllifi və fəxri tədqiqatçısı Ceyms Kok deyib: “Bu, bizə gübrələmə sistemləri kimi fermada müxtəlif idarəetmə təcrübələrini tətbiq etməyə və yüksək inamla effektiv müdaxilələr çıxarmağa imkan verir.“Beynəlxalq Biomüxtəliflik Təşkilatı və CIAT."Bu, əməliyyat tədqiqatına ümumi keçiddir."
Bitki fizioloqu Cock dedi ki, randomizə edilmiş nəzarətli sınaqlar (RCT) ümumiyyətlə tədqiqat üçün qızıl standart hesab edilsə də, bu sınaqlar bahalıdır və buna görə də inkişaf edən tropik kənd təsərrüfatı bölgələrində adətən mümkün deyil.Burada istifadə olunan üsul daha ucuzdur, hava qeydlərinin bahalı kolleksiyasını tələb etmir və dəyişən hava şəraitində məhsulu daha yaxşı idarə etmək üçün faydalı təlimatlar verir.
Məlumat analitiki və tədqiqatın aparıcı müəllifi Ross Chapman (Ross Chapman) maşın öyrənmə metodlarının ənənəvi məlumatların təhlili metodlarından bəzi əsas üstünlüklərini izah etdi.
Chapman dedi: "BNN modeli standart reqressiya modelindən fərqlidir, çünki alqoritm daxil dəyişənləri (dəniz səthinin temperaturu və təsərrüfat növü kimi) götürür və sonra avtomatik olaraq digər dəyişənlərin (məhsul məhsulu kimi) cavabını tanımağı öyrənir. "Çapman dedi.“Öyrənmə prosesində istifadə olunan əsas proses insan beyninin real həyatdan obyektləri və nümunələri tanımaq üçün öyrəndiyi proseslə eynidir.Əksinə, standart model süni şəkildə yaradılmış tənliklər vasitəsilə müxtəlif dəyişənlərə əl ilə nəzarəti tələb edir”.
Baxmayaraq ki, hava məlumatı olmadıqda, maşın öyrənməsi məhsul məhsuldarlığının daha yaxşı proqnozlarına gətirib çıxara bilər, əgər maşın öyrənmə modelləri düzgün işləyə bilsə, alimlər (və ya fermerlərin özləri) hələ də müəyyən istehsal məlumatlarını dəqiq toplamalı və bu Məlumatları asanlıqla əldə etməlidirlər.
Bu araşdırmada İndoneziya kakao ferması üçün fermerlər böyük bir şokolad şirkəti üçün ən yaxşı təcrübə təlim proqramının bir hissəsinə çevrildilər.Onlar gübrə tətbiqi kimi girişləri izləyir, bu məlumatları təhlil üçün sərbəst paylaşır və yerli təşkil olunmuş Beynəlxalq Bitki Qidalanma İnstitutunda (IPNI) tədqiqatçıların istifadə etməsi üçün səliqəli qeydlər aparırlar.
Bundan əlavə, alimlər əvvəllər təsərrüfatlarını oxşar topoqrafiya və torpaq şəraitinə malik on oxşar qrupa bölüblər.Tədqiqatçılar bir model yaratmaq üçün 2013-cü ildən 2018-ci ilə qədər məhsul, gübrə tətbiqi və məhsul məlumatlarından istifadə ediblər.
Kakao yetişdiricilərinin əldə etdikləri biliklər onlara gübrələrə necə və nə vaxt sərmayə qoyacaqlarına dair inam verir.Bu imkansız qrupun əldə etdiyi aqronomik bacarıqlar onları adətən əlverişsiz hava şəraitində baş verən investisiya itkilərindən qoruya bilər.
Tədqiqatçılarla əməkdaşlığı sayəsində onların bilikləri indi dünyanın digər yerlərindəki digər məhsul yetişdiriciləri ilə müəyyən şəkildə paylaşıla bilər.
Cork dedi: "Fədakar fermer IPNI və güclü fermer dəstək təşkilatı Community Solutions International-ın birgə səyləri olmadan bu tədqiqat mümkün olmazdı."O, multidissiplinar əməkdaşlığın vacibliyini vurğuladı və maraqlı tərəflərin səylərini balanslaşdırdı.Fərqli ehtiyaclar.
APNI-dən Oberthür dedi ki, güclü proqnozlaşdırıcı modellər fermerlərə və tədqiqatçılara fayda verə bilər və gələcək əməkdaşlığı təşviq edə bilər.
Obertoor dedi: "Əgər siz eyni zamanda məlumat toplayan bir fermersinizsə, nəzərəçarpacaq nəticələr əldə etməlisiniz.""Bu model fermerləri faydalı məlumatlarla təmin edə bilər və məlumatların toplanmasına kömək edə bilər, çünki fermerlər onların təsərrüfatlarına fayda gətirən töhfə vermək üçün etdiklərini görəcəklər."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com