ปรากฏการณ์เอลนีโญสามารถทำนายเมล็ดโกโก้ที่จะเก็บเกี่ยวก่อนกำหนดได้สองปี

เมื่อฝนตามฤดูกาลมาถึงในภายหลังในอินโดนีเซีย เกษตรกรมักมองว่าฝนดังกล่าวเป็นสัญญาณว่าฝนไม่ตก...

ปรากฏการณ์เอลนีโญสามารถทำนายเมล็ดโกโก้ที่จะเก็บเกี่ยวก่อนกำหนดได้สองปี

เมื่อฝนตามฤดูกาลมาถึงในภายหลังในอินโดนีเซีย เกษตรกรมักมองว่าฝนดังกล่าวเป็นสัญญาณบ่งชี้ว่าไม่คุ้มที่จะลงทุนในปุ๋ยสำหรับพืชผลของตนบางครั้งพวกเขาเลือกที่จะไม่ปลูกพืชประจำปีเลยโดยปกติแล้วพวกเขาจะตัดสินใจได้ถูกต้อง เพราะช่วงปลายฤดูฝนมักจะเกี่ยวข้องกับสภาวะเอลนีโญทางตอนใต้ (ENSO) และปริมาณฝนที่ไม่เพียงพอในอีกไม่กี่เดือนข้างหน้า
งานวิจัยใหม่ที่ตีพิมพ์ใน "รายงานทางวิทยาศาสตร์" แสดงให้เห็นว่า ENSO เป็นวัฏจักรการเปลี่ยนแปลงสภาพอากาศที่เกิดจากภาวะโลกร้อนและความเย็นตามมหาสมุทรแปซิฟิกตามแนวเส้นศูนย์สูตร และเป็นการคาดการณ์ที่มีประสิทธิภาพนานถึงสองปีก่อนที่จะเก็บเกี่ยวต้นโกโก้
นี่อาจเป็นข่าวดีสำหรับเกษตรกรรายย่อย นักวิทยาศาสตร์ และอุตสาหกรรมช็อกโกแลตทั่วโลกความสามารถในการคาดการณ์ขนาดของการเก็บเกี่ยวล่วงหน้าอาจส่งผลต่อการตัดสินใจลงทุนฟาร์ม ปรับปรุงโครงการวิจัยพืชเขตร้อน และลดความเสี่ยงและความไม่แน่นอนในอุตสาหกรรมช็อกโกแลต
นักวิจัยกล่าวว่าวิธีการเดียวกันที่รวมการเรียนรู้ของเครื่องขั้นสูงเข้ากับการรวบรวมข้อมูลระยะสั้นที่เข้มงวดเกี่ยวกับศุลกากรและผลผลิตของเกษตรกร ยังสามารถนำไปใช้กับพืชผลที่ต้องอาศัยฝนอื่นๆ รวมถึงกาแฟและมะกอก
Thomas Oberthür ผู้ร่วมเขียนและผู้พัฒนาธุรกิจของ African Plant Nutrition Institute (APNI) ในโมร็อกโกกล่าวว่า "นวัตกรรมที่สำคัญของการวิจัยนี้คือคุณสามารถแทนที่ข้อมูลสภาพอากาศด้วยข้อมูล ENSO ได้อย่างมีประสิทธิภาพ"“เมื่อใช้วิธีนี้ คุณจะสามารถสำรวจสิ่งที่เกี่ยวข้องกับ ENSO ได้พืชที่มีความสัมพันธ์ทางการผลิต”
ประมาณ 80% ของพื้นที่เพาะปลูกในโลกอาศัยปริมาณน้ำฝนโดยตรง (ตรงข้ามกับการชลประทาน) ซึ่งคิดเป็นประมาณ 60% ของการผลิตทั้งหมดอย่างไรก็ตาม ในหลายพื้นที่เหล่านี้ ข้อมูลปริมาณน้ำฝนมีความกระจัดกระจายและมีความแปรปรวนสูง ซึ่งทำให้นักวิทยาศาสตร์ ผู้กำหนดนโยบาย และกลุ่มเกษตรกรปรับตัวเข้ากับการเปลี่ยนแปลงของสภาพอากาศได้ยาก
ในการศึกษานี้ นักวิจัยใช้แมชชีนเลิร์นนิงประเภทหนึ่งที่ไม่ต้องใช้บันทึกสภาพอากาศจากฟาร์มโกโก้ในอินโดนีเซียที่เข้าร่วมการศึกษานี้
แต่พวกเขาอาศัยข้อมูลเกี่ยวกับการใช้ปุ๋ย ผลผลิต และประเภทของฟาร์มแทนพวกเขาเสียบข้อมูลนี้เข้ากับโครงข่ายประสาทเทียมแบบเบย์ (BNN) และพบว่าขั้นตอนของ ENSO คาดการณ์ 75% ของการเปลี่ยนแปลงของผลผลิต
กล่าวอีกนัยหนึ่ง ในกรณีส่วนใหญ่ในการศึกษานี้ อุณหภูมิพื้นผิวทะเลของมหาสมุทรแปซิฟิกสามารถทำนายการเก็บเกี่ยวเมล็ดโกโก้ได้อย่างแม่นยำในบางกรณี สามารถคาดการณ์ได้อย่างแม่นยำ 25 เดือนก่อนการเก็บเกี่ยว
สำหรับผู้เริ่มต้น โดยปกติเป็นไปได้ที่จะเฉลิมฉลองแบบจำลองที่สามารถคาดการณ์การเปลี่ยนแปลงในการผลิตได้ถึง 50% ได้อย่างแม่นยำความแม่นยำในการคาดการณ์ระยะยาวของผลผลิตพืชผลประเภทนี้หาได้ยาก
James Cock ผู้เขียนร่วมและนักวิจัยกิตติมศักดิ์ของพันธมิตรกล่าวว่า "สิ่งนี้ช่วยให้เราวางแนวทางการจัดการที่แตกต่างกันในฟาร์มได้ เช่น ระบบการปฏิสนธิ และอนุมานการแทรกแซงที่มีประสิทธิภาพด้วยความมั่นใจสูง“องค์การความหลากหลายทางชีวภาพระหว่างประเทศและ CIAT.“นี่คือการเปลี่ยนแปลงโดยรวมของการวิจัยการดำเนินงาน”
Cock นักสรีรวิทยาพืชกล่าวว่า แม้ว่าโดยทั่วไปแล้วการทดลองแบบสุ่มที่มีกลุ่มควบคุม (RCT) จะถือเป็นมาตรฐานทองคำสำหรับการวิจัย แต่การทดลองเหล่านี้มีราคาแพงและมักจะเป็นไปไม่ได้ในการพัฒนาพื้นที่เกษตรกรรมเขตร้อนวิธีการที่ใช้ในที่นี้ถูกกว่ามาก ไม่ต้องรวบรวมบันทึกสภาพอากาศราคาแพง และให้คำแนะนำที่เป็นประโยชน์เกี่ยวกับวิธีจัดการพืชผลได้ดีขึ้นในสภาพอากาศที่เปลี่ยนแปลง
นักวิเคราะห์ข้อมูลและผู้เขียนหลักของการศึกษานี้ Ross Chapman (Ross Chapman) อธิบายข้อดีที่สำคัญบางประการของวิธีการเรียนรู้ของเครื่องมากกว่าวิธีการวิเคราะห์ข้อมูลแบบดั้งเดิม
Chapman กล่าวว่า "แบบจำลอง BNN แตกต่างจากแบบจำลองการถดถอยมาตรฐาน เนื่องจากอัลกอริทึมใช้ตัวแปรอินพุต (เช่น อุณหภูมิผิวน้ำทะเลและประเภทฟาร์ม) จากนั้น 'เรียนรู้' โดยอัตโนมัติเพื่อรับรู้การตอบสนองของตัวแปรอื่น ๆ (เช่น ผลผลิตพืชผล) แชปแมนกล่าว“กระบวนการพื้นฐานที่ใช้ในกระบวนการเรียนรู้เหมือนกับกระบวนการที่สมองของมนุษย์เรียนรู้ที่จะจดจำวัตถุและรูปแบบจากชีวิตจริงในทางตรงกันข้าม โมเดลมาตรฐานจำเป็นต้องมีการควบคุมตัวแปรต่างๆ ด้วยตนเองผ่านสมการที่สร้างขึ้นเอง”
แม้ว่าจะไม่มีข้อมูลสภาพอากาศ การเรียนรู้ของเครื่องอาจนำไปสู่การคาดการณ์ผลผลิตพืชผลได้ดีขึ้น แต่หากโมเดลการเรียนรู้ของเครื่องสามารถทำงานได้อย่างถูกต้อง นักวิทยาศาสตร์ (หรือเกษตรกรเอง) ยังคงจำเป็นต้องรวบรวมข้อมูลการผลิตบางอย่างอย่างถูกต้อง และทำให้ข้อมูลเหล่านี้พร้อมใช้งาน
สำหรับฟาร์มโกโก้ในอินโดนีเซียในการศึกษานี้ เกษตรกรได้เป็นส่วนหนึ่งของโปรแกรมการฝึกอบรมแนวปฏิบัติที่ดีที่สุดสำหรับบริษัทช็อกโกแลตขนาดใหญ่พวกเขาติดตามข้อมูลนำเข้า เช่น การใส่ปุ๋ย แบ่งปันข้อมูลนี้เพื่อการวิเคราะห์อย่างอิสระ และเก็บบันทึกเรียบร้อยที่สถาบันโภชนาการพืชนานาชาติ (IPNI) ที่จัดขึ้นในท้องถิ่นเพื่อให้นักวิจัยนำไปใช้
นอกจากนี้ ก่อนหน้านี้นักวิทยาศาสตร์ได้แบ่งฟาร์มของตนออกเป็นสิบกลุ่มที่คล้ายกันซึ่งมีภูมิประเทศและสภาพดินคล้ายคลึงกันนักวิจัยใช้ข้อมูลการเก็บเกี่ยว การใส่ปุ๋ย และผลผลิตตั้งแต่ปี 2556 ถึง 2561 เพื่อสร้างแบบจำลอง
ความรู้ที่ได้รับจากผู้ปลูกโกโก้ทำให้พวกเขามั่นใจว่าจะลงทุนในปุ๋ยอย่างไรและเมื่อใดทักษะทางการเกษตรที่ได้รับจากกลุ่มผู้ด้อยโอกาสนี้สามารถปกป้องพวกเขาจากการสูญเสียการลงทุน ซึ่งมักเกิดขึ้นภายใต้สภาพอากาศที่ไม่เอื้ออำนวย
ด้วยความร่วมมือกับนักวิจัย ทำให้ปัจจุบันความรู้ของพวกเขาสามารถแบ่งปันกับผู้ปลูกพืชผลอื่นๆ ในส่วนอื่นๆ ของโลกได้ในทางใดทางหนึ่ง
Cork กล่าวว่า "หากปราศจากความพยายามร่วมกันของ IPNI เกษตรกรผู้ทุ่มเทและองค์กรสนับสนุนเกษตรกรที่เข้มแข็ง Community Solutions International การวิจัยนี้คงเป็นไปไม่ได้"เขาเน้นย้ำถึงความสำคัญของความร่วมมือแบบสหสาขาวิชาชีพและสร้างสมดุลระหว่างความพยายามของผู้มีส่วนได้ส่วนเสียความต้องการที่แตกต่างกัน
Oberthür จาก APNI กล่าวว่าแบบจำลองการคาดการณ์ที่มีประสิทธิภาพจะเป็นประโยชน์ต่อเกษตรกรและนักวิจัย และส่งเสริมความร่วมมือเพิ่มเติม
Obertoor กล่าวว่า “หากคุณเป็นเกษตรกรที่รวบรวมข้อมูลไปพร้อมๆ กัน คุณจะต้องบรรลุผลที่จับต้องได้”“แบบจำลองนี้สามารถให้ข้อมูลที่เป็นประโยชน์แก่เกษตรกรและสามารถช่วยจูงใจในการรวบรวมข้อมูลได้ เพราะเกษตรกรจะเห็นว่าพวกเขากำลังทำ เพื่อบริจาค ซึ่งจะนำผลประโยชน์มาสู่ฟาร์มของพวกเขา”

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com


เวลาโพสต์: May-06-2021

ติดต่อเรา

เฉิงตู LST วิทยาศาสตร์และเทคโนโลยี จำกัด
  • อีเมล:suzy@lstchocolatemachine.com (Suzy)
  • 0086 15528001618 (ซูซี่)
  • ติดต่อตอนนี้