Quan les pluges estacionals arriben més tard a Indonèsia, els agricultors sovint ho prenen com un signe que no val la pena invertir en fertilitzants per als seus cultius.De vegades opten per no plantar cultius anuals.En general, prenen la decisió correcta, perquè l'inici tardà de l'estació de pluges sol estar relacionat amb l'estat de l'Oscil·lació Austral d'El Niño (ENSO) i les precipitacions insuficients en els propers mesos.
La nova investigació publicada a "Science Reports" mostra que ENSO és un cicle de deformació meteorològica d'escalfament i refredament al llarg de l'oceà Pacífic al llarg de l'equador, i un pronòstic potent fins a dos anys abans de la collita de l'arbre del cacau.
Aquesta pot ser una bona notícia per als petits agricultors, els científics i la indústria mundial de la xocolata.La capacitat de predir la mida de la collita amb antelació pot afectar les decisions d'inversió agrícola, millorar els programes d'investigació de cultius tropicals i reduir els riscos i les incerteses a la indústria de la xocolata.
Els investigadors diuen que el mateix mètode que combina l'aprenentatge automàtic avançat amb una estricta recollida de dades a curt termini sobre els costums i els rendiments dels agricultors també es pot aplicar a altres cultius que depenen de la pluja, com ara el cafè i les olives.
Thomas Oberthür, coautor i desenvolupador de negocis de l'African Plant Nutrition Institute (APNI) al Marroc, va dir: "La innovació clau d'aquesta investigació és que podeu substituir eficaçment les dades meteorològiques per dades ENSO"."Utilitzant aquest mètode, podeu explorar qualsevol cosa relacionada amb ENSO.Cultius amb relacions de producció”.
Al voltant del 80% de les terres cultivables del món depenen de la pluja directa (a diferència del reg), que representa al voltant del 60% de la producció total.Tanmateix, en moltes d'aquestes àrees, les dades de pluja són escasses i molt variables, cosa que dificulta que els científics, els responsables polítics i els grups d'agricultors s'adaptin als canvis meteorològics.
En aquest estudi, els investigadors van utilitzar un tipus d'aprenentatge automàtic que no requereix registres meteorològics de les granges de cacau d'Indonèsia que participen en l'estudi.
En canvi, es van basar en dades sobre l'aplicació de fertilitzants, el rendiment i el tipus de granja.Van connectar aquestes dades a una Xarxa Neural Bayesiana (BNN) i van trobar que l'etapa ENSO va predir el 75% del canvi en el rendiment.
En altres paraules, en la majoria dels casos de l'estudi, la temperatura de la superfície del mar de l'oceà Pacífic pot predir amb precisió la collita de grans de cacau.En alguns casos, és possible fer prediccions precises 25 mesos abans de la collita.
Per començar, normalment és possible celebrar un model que pugui predir amb precisió un canvi del 50% en la producció.Aquest tipus de previsió a llarg termini de precisió dels rendiments dels cultius és poc freqüent.
El coautor i investigador honorari de l'aliança James Cock va dir: "Això ens permet superposar diferents pràctiques de gestió a la granja, com els sistemes de fertilització, i inferir intervencions efectives amb gran confiança.“Organització Internacional de la Biodiversitat i CIAT."Aquest és un canvi general a la investigació operativa".
Cock, un fisiòleg de plantes, va dir que, tot i que els assaigs controlats aleatoris (ECA) es consideren generalment l'estàndard d'or per a la investigació, aquests assaigs són cars i, per tant, generalment impossibles a les regions agrícoles tropicals en desenvolupament.El mètode utilitzat aquí és molt més barat, no requereix una recollida costosa de registres meteorològics i proporciona una guia útil sobre com gestionar millor els cultius en condicions meteorològiques canviants.
L'analista de dades i autor principal de l'estudi Ross Chapman (Ross Chapman) va explicar alguns dels avantatges clau dels mètodes d'aprenentatge automàtic respecte dels mètodes tradicionals d'anàlisi de dades.
Chapman va dir: "El model BNN és ​​diferent del model de regressió estàndard perquè l'algorisme pren variables d'entrada (com la temperatura de la superfície del mar i el tipus de granja) i després automàticament" aprèn " a reconèixer la resposta d'altres variables (com ara el rendiment del cultiu). ", va dir Chapman."El procés bàsic utilitzat en el procés d'aprenentatge és el mateix que el procés que el cervell humà aprèn a reconèixer objectes i patrons de la vida real.Al contrari, el model estàndard requereix la supervisió manual de diferents variables mitjançant equacions generades artificialment".
Tot i que en absència de dades meteorològiques, l'aprenentatge automàtic pot conduir a millors prediccions del rendiment dels cultius, si els models d'aprenentatge automàtic poden funcionar correctament, els científics (o els propis agricultors) encara hauran de recollir amb precisió certa informació de producció i fer que aquestes dades estiguin fàcilment disponibles.
Per a la granja de cacau indonèsia d'aquest estudi, els agricultors s'han convertit en part d'un programa de formació de bones pràctiques per a una gran empresa de xocolata.Fan un seguiment d'entrades com l'aplicació de fertilitzants, comparteixen lliurement aquestes dades per analitzar-les i mantenen registres ordenats a l'Institut Internacional de Nutrició Vegetal (IPNI) organitzat localment perquè els facin servir els investigadors.
A més, els científics anteriorment van dividir les seves granges en deu grups similars amb topografia i condicions del sòl similars.Els investigadors van utilitzar les dades de la collita, l'aplicació de fertilitzants i el rendiment del 2013 al 2018 per construir un model.
El coneixement adquirit pels productors de cacau els dóna confiança en com i quan invertir en fertilitzants.Les habilitats agronòmiques adquirides per aquest col·lectiu desfavorit poden protegir-los de les pèrdues d'inversió, que solen produir-se en condicions meteorològiques adverses.
Gràcies a la seva col·laboració amb investigadors, el seu coneixement ara es pot compartir d'alguna manera amb els productors d'altres cultius d'altres parts del món.
Cork va dir: "Sense els esforços conjunts de l'IPNI agricultor dedicat i la forta organització de suport als agricultors Community Solutions International, aquesta investigació no seria possible".Va destacar la importància de la cooperació multidisciplinària i va equilibrar els esforços de les parts interessades.Diferents necessitats.
L'Oberthür d'APNI va dir que els models predictius potents poden beneficiar els agricultors i els investigadors i promoure una major cooperació.
Obertoor va dir: "Si sou un agricultor que recull dades al mateix temps, heu d'aconseguir resultats tangibles"."Aquest model pot proporcionar als agricultors informació útil i pot ajudar a incentivar la recollida de dades, perquè els agricultors veuran que estan fent una contribució, que aporta beneficis a la seva granja".

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com