Nalika usum hujan datang engké di Indonésia, para patani sering nganggap hal éta salaku tanda yén éta henteu pantes pikeun investasi pupuk pikeun pepelakanana.Kadang-kadang aranjeunna milih henteu melak pepelakan taunan.Biasana, aranjeunna nyandak kaputusan anu leres, sabab telat awal usum hujan biasana aya hubunganana sareng kaayaan El Niño Southern Oscillation (ENSO) sareng curah hujan anu henteu cekap dina sasih-bulan anu bakal datang.
Panaliti anyar anu diterbitkeun dina "Laporan Élmu" nunjukkeun yén ENSO mangrupikeun siklus deformasi cuaca pemanasan sareng pendinginan sapanjang Samudra Pasifik sapanjang katulistiwa, sareng ramalan anu kuat dugi ka dua taun sateuacan tangkal kakao dipanén.
Ieu tiasa janten warta anu saé pikeun patani leutik, élmuwan sareng industri coklat global.Kamampuhan pikeun ngaduga ukuran panén sateuacanna tiasa mangaruhan kaputusan investasi tegalan, ningkatkeun program panalungtikan pepelakan tropis sareng ngirangan résiko sareng kateupastian dina industri coklat.
Panaliti nyarios yén metodeu anu sami anu ngagabungkeun pembelajaran mesin canggih sareng pendataan jangka pondok anu ketat ngeunaan adat sareng hasil patani ogé tiasa diterapkeun kana pepelakan anu gumantung kana hujan, kalebet kopi sareng zaitun.
Thomas Oberthür, ko-panulis sareng pamekar bisnis tina Institut Nutrisi Tumbuhan Afrika (APNI) di Maroko, nyarios: "Inovasi konci ieu panalungtikan nyaéta anjeun tiasa sacara efektif ngagentos data cuaca sareng data ENSO.""Nganggo metode ieu, anjeun tiasa ngajalajah naon waé anu aya hubunganana sareng ENSO.Pepelakan sareng hubungan produksi.
Sakitar 80% lahan garapan di dunya ngandelkeun curah hujan langsung (sabalikna tina irigasi), anu nyababkeun sakitar 60% tina total produksi.Sanajan kitu, di loba wewengkon ieu, data curah hujan téh sparse sarta pohara variabel, nu ngajadikeun hésé pikeun élmuwan, policymakers, sarta grup patani pikeun adaptasi jeung parobahan cuaca.
Dina ulikan ieu, panalungtik ngagunakeun tipe learning mesin nu teu merlukeun catetan cuaca ti kebon kakao Indonésia milu dina pangajaran.
Sabalikna, aranjeunna ngandelkeun data ngeunaan aplikasi pupuk, ngahasilkeun, sareng jinis tegalan.Aranjeunna plugged data ieu kana Bayesian Neural Network (BNN) sarta kapanggih yén tahap ENSO diprediksi 75% tina parobahan dina ngahasilkeun.
Dina basa sejen, dina kalolobaan kasus dina pangajaran, suhu permukaan laut Samudra Pasifik akurat bisa ngaduga panén kacang kakao.Dina sababaraha kasus, kasebut nyaéta dimungkinkeun pikeun nyieun prediksi akurat 25 bulan saméméh panén.
Pikeun ngamimitian, biasana mungkin pikeun ngagungkeun modél anu akurat tiasa ngaduga parobahan produksi 50%.Katepatan ramalan jangka panjang sapertos ieu jarang pisan.
Panulis sareng panalungtik honorer aliansi James Cock nyarios: "Hal ieu ngamungkinkeun urang pikeun superimpose prakték manajemén anu béda dina tegalan, sapertos sistem fértilisasi, sareng nyimpulkeun campur tangan anu épéktip kalayan kapercayaan anu luhur."Organisasi Keanekaragaman Hayati Internasional sareng CIAT."Ieu mangrupikeun peralihan umum pikeun panalungtikan operasi."
Cock, ahli fisiologi tutuwuhan, nyarios yén sanaos uji coba terkontrol sacara acak (RCTs) umumna dianggap standar emas pikeun panalungtikan, uji coba ieu mahal sahingga biasana teu mungkin pikeun ngembangkeun daérah pertanian tropis.Métode anu dianggo di dieu langkung mirah, henteu meryogikeun koleksi catetan cuaca anu mahal, sareng nyayogikeun pitunjuk anu mangpaat ngeunaan cara ngatur pepelakan anu langkung saé dina cuaca anu robih.
Analis data sareng panulis utama ulikan Ross Chapman (Ross Chapman) ngajelaskeun sababaraha kaunggulan konci metode pembelajaran mesin tibatan metode analisis data tradisional.
Chapman nyarios: "Modél BNN béda sareng modél régrési standar sabab algoritma nyandak variabel input (sapertos suhu permukaan laut sareng jinis tegalan) teras sacara otomatis 'diajar' pikeun mikawanoh réspon variabel sanés (sapertos hasil pamotongan), ” ceuk Chapman.“Prosés dasar anu digunakeun dina prosés diajar téh sarua jeung prosés anu diajarkeun ku otak manusa pikeun mikawanoh objék jeung pola tina kahirupan nyata.Sabalikna, model standar merlukeun pangawasan manual variabel béda ngaliwatan persamaan artifisial dihasilkeun.
Sanajan dina henteuna data cuaca, learning mesin bisa ngakibatkeun prediksi ngahasilkeun pamotongan hadé, lamun model learning mesin tiasa dianggo leres, élmuwan (atawa patani sorangan) masih kudu akurat ngumpulkeun informasi produksi tangtu jeung nyieun Data ieu gampang sadia.
Pikeun peternakan kakao Indonésia dina ulikan ieu, patani geus jadi bagian tina program latihan praktek pangalusna pikeun pausahaan coklat badag.Aranjeunna ngalacak input sapertos aplikasi pupuk, ngabagi data ieu sacara bébas pikeun dianalisis, sareng nyimpen catetan anu rapih di International Plant Nutrition Institute (IPNI) anu diayakeun lokal pikeun dianggo ku panalungtik.
Sajaba ti éta, élmuwan saméméhna ngabagi kebon maranéhna kana sapuluh grup sarupa jeung topografi sarupa jeung kaayaan taneuh.Panaliti ngagunakeun panén, aplikasi pupuk, sareng data hasil ti taun 2013 dugi ka 2018 pikeun ngawangun modél.
Pangaweruh anu diala ku para pekebun kakao masihan aranjeunna kapercayaan kumaha sareng iraha investasi pupuk.Kaahlian agronomis anu dimeunangkeun ku kelompok anu disadvantaged ieu tiasa ngajagi aranjeunna tina karugian investasi, anu biasana lumangsung dina kaayaan cuaca anu parah.
Hatur nuhun kana kolaborasi maranéhanana jeung peneliti, pangaweruh maranéhanana ayeuna bisa dibagikeun dina sababaraha cara jeung growers pepelakan séjén di bagian séjén dunya.
Cork nyarios: "Tanpa usaha babarengan patani IPNI khusus sareng organisasi dukungan patani anu kuat Komunitas Solusi Internasional, ieu panalungtikan moal mungkin."Anjeunna emphasized pentingna gawé babarengan multidisciplinary sarta saimbang usaha stakeholder urang.Kabutuhan anu béda.
Oberthür APNI nyarios yén modél prediksi anu kuat tiasa nguntungkeun para patani sareng panaliti sareng ngamajukeun kerjasama salajengna.
Obertoor nyarios: "Upami anjeun patani anu ngumpulkeun data dina waktos anu sami, anjeun kedah ngahontal hasil anu nyata.""Modél ieu tiasa masihan patani inpormasi anu mangpaat sareng tiasa ngabantosan ngumpulkeun data, sabab para patani bakal ningali yén aranjeunna nuju ngadamel kontribusi, anu mawa mangpaat pikeun kebonna."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com