Wanneer seisoenale reën later in Indonesië opdaag, neem boere dit dikwels as 'n teken dat dit nie die moeite werd is om in kunsmis vir hul gewasse te belê nie.Soms kies hulle om glad nie eenjarige gewasse te plant nie.Gewoonlik neem hulle die regte besluit, want die laat begin van die reënseisoen hou gewoonlik verband met die toestand van die El Niño Suidelike Ossillasie (ENSO) en onvoldoende reënval in die komende maande.
Die nuwe navorsing wat in "Science Reports" gepubliseer is, toon dat ENSO 'n weervervormingsiklus is van verwarming en afkoeling langs die Stille Oseaan langs die ewenaar, en 'n kragtige voorspelling vir tot twee jaar voordat die kakaoboom geoes word.
Dit is dalk goeie nuus vir kleinboere, wetenskaplikes en die wêreldwye sjokoladebedryf.Die vermoë om vooraf die grootte van die oes te voorspel, kan plaasbeleggingsbesluite beïnvloed, tropiese gewasnavorsingsprogramme verbeter en risiko's en onsekerhede in die sjokoladebedryf verminder.
Navorsers sê dieselfde metode wat gevorderde masjienleer met streng korttermyn-data-insameling oor boeregebruike en opbrengs kombineer, kan ook op ander reënafhanklike gewasse, insluitend koffie en olywe, toegepas word.
Thomas Oberthür, mede-outeur en sakeontwikkelaar van die African Plant Nutrition Institute (APNI) in Marokko, het gesê: "Die sleutelinnovasie van hierdie navorsing is dat jy weerdata effektief kan vervang met ENSO-data."“Deur hierdie metode te gebruik, kan jy enigiets wat met ENSO verband hou, verken.Gewasse met produksieverhoudinge.”
Sowat 80% van die wêreld se bewerkbare grond maak staat op direkte reënval (teenoor besproeiing), wat sowat 60% van die totale produksie uitmaak.In baie van hierdie gebiede is reënvaldata egter yl en hoogs veranderlik, wat dit moeilik maak vir wetenskaplikes, beleidmakers en boeregroepe om by veranderinge in die weer aan te pas.
In hierdie studie het die navorsers 'n tipe masjienleer gebruik wat nie weerrekords van die Indonesiese kakaoplase wat aan die studie deelneem, vereis nie.
In plaas daarvan het hulle staatgemaak op data oor kunsmistoediening, opbrengs en plaastipe.Hulle het hierdie data by 'n Bayesian Neural Network (BNN) ingeprop en gevind dat die ENSO-stadium 75% van die verandering in opbrengs voorspel het.
Met ander woorde, in die meeste gevalle in die studie kan die see-oppervlaktemperatuur van die Stille Oseaan die oes van kakaobone akkuraat voorspel.In sommige gevalle is dit moontlik om akkurate voorspellings 25 maande voor oes te maak.
Om mee te begin, is dit gewoonlik moontlik om 'n model te vier wat 'n 50% verandering in produksie akkuraat kan voorspel.Hierdie soort langtermyn-voorspelling akkuraatheid van oesopbrengste is skaars.
Die alliansie se mede-outeur en erenavorser James Cock het gesê: “Dit stel ons in staat om verskillende bestuurspraktyke op die plaas, soos bemestingstelsels, op mekaar te plaas en doeltreffende ingrypings met hoë selfvertroue af te lei.“Internasionale Biodiversiteitsorganisasie en CIAT."Dit is 'n algehele verskuiwing na operasionele navorsing."
Cock, 'n plantfisioloog, het gesê hoewel gerandomiseerde beheerde proewe (RCT's) oor die algemeen as die goue standaard vir navorsing beskou word, is hierdie proewe duur en dus gewoonlik onmoontlik in ontwikkelende tropiese landboustreke.Die metode wat hier gebruik word, is baie goedkoper, vereis nie duur versameling van weerrekords nie, en bied nuttige leiding oor hoe om gewasse beter te bestuur in wisselende weer.
Data-ontleder en hoofouteur van die studie Ross Chapman (Ross Chapman) het sommige van die sleutelvoordele van masjienleermetodes bo tradisionele data-analisemetodes verduidelik.
Chapman het gesê: "Die BNN-model verskil van die standaard-regressiemodel omdat die algoritme insetveranderlikes (soos see-oppervlaktemperatuur en plaastipe) neem en dan outomaties 'leer' om die reaksie van ander veranderlikes (soos oesopbrengs) te herken. ” het Chapman gesê.“Die basiese proses wat in die leerproses gebruik word, is dieselfde as die proses wat die menslike brein leer om voorwerpe en patrone uit die werklike lewe te herken.Inteendeel, die standaardmodel vereis handmatige toesig van verskillende veranderlikes deur kunsmatig gegenereerde vergelykings.”
Alhoewel masjienleer in die afwesigheid van weerdata tot beter oesopbrengsvoorspellings kan lei, as masjienleermodelle behoorlik kan werk, moet wetenskaplikes (of boere self) steeds sekere produksie-inligting akkuraat insamel en hierdie Data geredelik beskikbaar maak.
Vir die Indonesiese kakaoplaas in hierdie studie het boere deel geword van 'n beste praktyk opleidingsprogram vir 'n groot sjokolademaatskappy.Hulle volg insette soos kunsmistoediening, deel hierdie data vrylik vir ontleding en hou netjiese rekords by die plaaslike georganiseerde Internasionale Plantvoedingsinstituut (IPNI) vir navorsers om te gebruik.
Daarbenewens het wetenskaplikes voorheen hul plase in tien soortgelyke groepe met soortgelyke topografie en grondtoestande verdeel.Die navorsers het die oes-, kunsmistoediening en opbrengsdata van 2013 tot 2018 gebruik om 'n model te bou.
Die kennis wat kakaoprodusente opgedoen het, gee hulle vertroue in hoe en wanneer om in kunsmis te belê.Die agronomiese vaardighede wat deur hierdie benadeelde groep opgedoen word, kan hulle beskerm teen beleggingsverliese, wat gewoonlik onder ongunstige weerstoestande voorkom.
Danksy hul samewerking met navorsers kan hul kennis nou op een of ander manier met produsente van ander gewasse in ander dele van die wêreld gedeel word.
Cork het gesê: "Sonder die gesamentlike pogings van die toegewyde boer IPNI en die sterk boereondersteuningsorganisasie Community Solutions International, sou hierdie navorsing nie moontlik wees nie."Hy het die belangrikheid van multidissiplinêre samewerking beklemtoon en die belanghebbende se pogings gebalanseer.Verskillende behoeftes.
Oberthür van APNI het gesê dat kragtige voorspellingsmodelle boere en navorsers kan bevoordeel en verdere samewerking kan bevorder.
Obertoor het gesê: "As jy 'n boer is wat terselfdertyd data insamel, moet jy tasbare resultate behaal."“Hierdie model kan boere van nuttige inligting voorsien en kan help om data-insameling aan te spoor, want boere sal sien hulle doen Om ’n bydrae te maak, wat voordele vir hul plaas inhou.”

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com