Khi những cơn mưa theo mùa đến muộn hơn ở Indonesia, nông dân thường coi đó là dấu hiệu cho thấy việc đầu tư phân bón cho cây trồng của họ là không đáng.Đôi khi họ chọn không trồng cây hàng năm.Thông thường, họ đưa ra quyết định đúng đắn, vì thời điểm bắt đầu muộn của mùa mưa thường liên quan đến trạng thái của Dao động phía Nam El Niño (ENSO) và lượng mưa không đủ trong những tháng tới.
Nghiên cứu mới được công bố trên “Science Reports” cho thấy ENSO là một chu kỳ biến dạng thời tiết của sự ấm lên và lạnh đi dọc theo đường xích đạo của Thái Bình Dương và là một dự báo mạnh mẽ cho đến hai năm trước khi cây ca cao được thu hoạch.
Đây có thể là tin tốt cho nông dân sản xuất nhỏ, các nhà khoa học và ngành công nghiệp sô cô la toàn cầu.Khả năng dự đoán trước quy mô vụ thu hoạch có thể ảnh hưởng đến quyết định đầu tư của trang trại, cải thiện các chương trình nghiên cứu cây trồng nhiệt đới và giảm rủi ro và sự không chắc chắn trong ngành sô cô la.
Các nhà nghiên cứu nói rằng phương pháp tương tự kết hợp máy học tiên tiến với việc thu thập dữ liệu ngắn hạn nghiêm ngặt về tập quán và sản lượng của nông dân cũng có thể được áp dụng cho các loại cây trồng phụ thuộc vào mưa khác, bao gồm cà phê và ô liu.
Thomas Oberthür, đồng tác giả và nhà phát triển kinh doanh của Viện Dinh dưỡng Thực vật Châu Phi (APNI) ở Maroc, cho biết: “Sự đổi mới quan trọng của nghiên cứu này là bạn có thể thay thế dữ liệu thời tiết bằng dữ liệu ENSO một cách hiệu quả.”“Sử dụng phương pháp này, bạn có thể khám phá bất cứ thứ gì liên quan đến ENSO.Cây trồng với quan hệ sản xuất. ”
Khoảng 80% diện tích đất canh tác trên thế giới dựa vào lượng mưa trực tiếp (thay vì tưới tiêu), chiếm khoảng 60% tổng sản lượng.Tuy nhiên, ở nhiều khu vực này, dữ liệu về lượng mưa rất thưa thớt và có nhiều biến động, khiến các nhà khoa học, các nhà hoạch định chính sách và các nhóm nông dân gặp khó khăn trong việc thích ứng với những thay đổi của thời tiết.
Trong nghiên cứu này, các nhà nghiên cứu đã sử dụng một loại máy học không yêu cầu ghi chép thời tiết từ các trang trại ca cao Indonesia tham gia nghiên cứu.
Thay vào đó, họ dựa vào dữ liệu về lượng phân bón, năng suất và loại trang trại.Họ đã cắm dữ liệu này vào Mạng nơ-ron Bayesian (BNN) và nhận thấy rằng giai đoạn ENSO dự đoán 75% sự thay đổi về năng suất.
Nói cách khác, trong hầu hết các trường hợp trong nghiên cứu, nhiệt độ bề mặt nước biển của Thái Bình Dương có thể dự đoán chính xác việc thu hoạch hạt cacao.Trong một số trường hợp, có thể đưa ra dự đoán chính xác trước khi thu hoạch 25 tháng.
Đối với những người mới bắt đầu, thường có thể kỷ niệm một mô hình có thể dự đoán chính xác 50% sự thay đổi trong sản xuất.Loại dự báo dài hạn chính xác về năng suất cây trồng là rất hiếm.
James Cock, đồng tác giả và nhà nghiên cứu danh dự của liên minh cho biết: “Điều này cho phép chúng tôi áp dụng chồng lên các phương thức quản lý khác nhau trong trang trại, chẳng hạn như hệ thống thụ tinh và đưa ra các biện pháp can thiệp hiệu quả với độ tin cậy cao.“Tổ chức Đa dạng Sinh học Quốc tế và CIAT."Đây là một sự thay đổi tổng thể sang nghiên cứu hoạt động."
Cock, một nhà sinh lý học thực vật, cho biết mặc dù các thử nghiệm ngẫu nhiên có đối chứng (RCT) thường được coi là tiêu chuẩn vàng cho nghiên cứu, nhưng các thử nghiệm này rất tốn kém và do đó thường không thể thực hiện được ở các vùng nông nghiệp nhiệt đới đang phát triển.Phương pháp được sử dụng ở đây rẻ hơn nhiều, không yêu cầu thu thập hồ sơ thời tiết tốn kém và cung cấp hướng dẫn hữu ích về cách quản lý cây trồng tốt hơn khi thời tiết thay đổi.
Nhà phân tích dữ liệu và là tác giả chính của nghiên cứu Ross Chapman (Ross Chapman) đã giải thích một số ưu điểm chính của phương pháp học máy so với các phương pháp phân tích dữ liệu truyền thống.
Chapman cho biết: “Mô hình BNN khác với mô hình hồi quy tiêu chuẩn vì thuật toán lấy các biến đầu vào (chẳng hạn như nhiệt độ bề mặt biển và loại trang trại) và sau đó tự động ghi nhận phản ứng của các biến khác (chẳng hạn như năng suất cây trồng), ”Chapman nói.“Quá trình cơ bản được sử dụng trong quá trình học tập cũng giống như quá trình bộ não con người học cách nhận biết các đối tượng và các mẫu từ cuộc sống thực.Ngược lại, mô hình tiêu chuẩn yêu cầu giám sát thủ công các biến khác nhau thông qua các phương trình được tạo nhân tạo ”.
Mặc dù trong trường hợp không có dữ liệu thời tiết, học máy có thể dẫn đến dự đoán năng suất cây trồng tốt hơn, nếu các mô hình học máy có thể hoạt động bình thường, các nhà khoa học (hoặc chính nông dân) vẫn cần thu thập chính xác thông tin sản xuất nhất định và cung cấp những Dữ liệu này.
Đối với trang trại ca cao Indonesia trong nghiên cứu này, nông dân đã trở thành một phần của chương trình đào tạo thực hành tốt nhất cho một công ty sôcôla lớn.Họ theo dõi các yếu tố đầu vào như bón phân, tự do chia sẻ dữ liệu này để phân tích và lưu giữ hồ sơ gọn gàng tại Viện Dinh dưỡng Thực vật Quốc tế (IPNI) được tổ chức tại địa phương để các nhà nghiên cứu sử dụng.
Ngoài ra, các nhà khoa học trước đây đã chia trang trại của họ thành mười nhóm tương tự với địa hình và điều kiện đất đai tương tự nhau.Các nhà nghiên cứu đã sử dụng dữ liệu thu hoạch, bón phân và năng suất từ ​​năm 2013 đến năm 2018 để xây dựng mô hình.
Những kiến ​​thức mà người trồng ca cao có được giúp họ tự tin về cách thức và thời điểm đầu tư vào phân bón.Các kỹ năng nông học mà nhóm thiệt thòi này có được có thể bảo vệ họ khỏi tổn thất đầu tư, thường xảy ra trong điều kiện thời tiết bất lợi.
Nhờ sự hợp tác của họ với các nhà nghiên cứu, kiến ​​thức của họ giờ đây có thể được chia sẻ theo một cách nào đó với những người trồng các loại cây trồng khác ở những nơi khác trên thế giới.
Cork cho biết: “Nếu không có nỗ lực chung của IPNI nông dân tận tụy và tổ chức hỗ trợ nông dân mạnh mẽ Community Solutions International, nghiên cứu này sẽ không thể thực hiện được.”Ông nhấn mạnh tầm quan trọng của hợp tác đa ngành và cân bằng nỗ lực của các bên liên quan.Nhu cầu khác nhau.
Oberthür của APNI nói rằng các mô hình dự báo mạnh mẽ có thể mang lại lợi ích cho nông dân và các nhà nghiên cứu, đồng thời thúc đẩy hợp tác hơn nữa.
Obertoor nói: “Nếu bạn là một nông dân thu thập dữ liệu cùng một lúc, bạn cần đạt được những kết quả hữu hình.”“Mô hình này có thể cung cấp cho người nông dân những thông tin hữu ích và có thể giúp khuyến khích việc thu thập dữ liệu, bởi vì người nông dân sẽ thấy rằng họ đang đóng góp, mang lại lợi ích cho trang trại của họ.”

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com