Эль Нино нь какао шошыг хугацаанаас нь хоёр жилийн өмнө хурааж авна гэж таамаглаж чадна

Индонезид улирлын чанартай бороо ороход тариачид үүнийг муу байгааг илтгэж байна...

Эль Нино нь какао шошыг хугацаанаас нь хоёр жилийн өмнө хурааж авна гэж таамаглаж чадна

Индонезид улирлын чанартай бороо ороход тариачид үүнийг тариалангийнхаа бордоонд хөрөнгө оруулах хэрэггүй гэсэн дохио гэж үздэг.Заримдаа тэд нэг наст тариа тарихгүй байхыг сонгодог.Ихэвчлэн тэд зөв шийдвэр гаргадаг, учир нь борооны улирал оройтож эхлэх нь ихэвчлэн Эль Ниногийн өмнөд хэлбэлзлийн (ENSO) байдал, ойрын саруудад хур тунадас хангалтгүй байхтай холбоотой байдаг.
"Шинжлэх ухааны тайлан"-д нийтлэгдсэн шинэ судалгаагаар ENSO нь экваторын дагуу Номхон далайн дагуу дулаарч, хөргөх цаг агаарын хэв гажилтын мөчлөг бөгөөд какао модыг хураахаас өмнөх хоёр жил хүртэлх хүчтэй таамаглал гэдгийг харуулж байна.
Энэ нь жижиг фермерүүд, эрдэмтэд болон дэлхийн шоколадны салбарын хувьд сайн мэдээ байж магадгүй юм.Ургац хураалтын хэмжээг урьдчилан таамаглах чадвар нь фермийн хөрөнгө оруулалтын шийдвэрт нөлөөлж, халуун орны газар тариалангийн судалгааны хөтөлбөрийг сайжруулж, шоколадны үйлдвэрлэл дэх эрсдэл, эргэлзээг бууруулж чадна.
Дэвшилтэт машин сургалтыг тариачдын зан заншил, ургацын талаарх нарийн богино хугацааны мэдээлэл цуглуулахтай хослуулсан ижил аргыг кофе, чидун зэрэг борооноос хамааралтай бусад үр тарианд ч хэрэглэж болно гэж судлаачид хэлж байна.
Марокко дахь Африкийн Ургамал тэжээлийн хүрээлэнгийн (APNI) хамтран зохиогч, бизнес хөгжүүлэгч Томас Обертур хэлэхдээ: "Энэ судалгааны гол шинэлэг зүйл бол цаг агаарын мэдээллийг ENSO мэдээллээр үр дүнтэй сольж чаддагт оршино."“Энэ аргыг ашигласнаар та ENSO-тэй холбоотой бүх зүйлийг судлах боломжтой.Үйлдвэрлэлийн харилцаатай газар тариалан”.
Дэлхийн тариалангийн талбайн 80 орчим хувь нь шууд хур бороонд (усалгааны эсрэг) тулгуурладаг бөгөөд энэ нь нийт үйлдвэрлэлийн 60 орчим хувийг бүрдүүлдэг.Гэсэн хэдий ч эдгээр бүс нутгуудын ихэнх хэсэгт хур тунадасны мэдээлэл сийрэг, их хэлбэлзэлтэй байдаг нь эрдэмтэд, бодлого боловсруулагчид, тариаланчдын бүлгүүдэд цаг агаарын өөрчлөлтөд дасан зохицоход хүндрэлтэй байдаг.
Энэхүү судалгаанд судлаачид судалгаанд оролцож буй Индонезийн какао фермүүдээс цаг агаарын бүртгэл шаарддаггүй нэг төрлийн машин сургалтын аргыг ашигласан байна.
Үүний оронд бордооны хэрэглээ, ургац, фермийн төрөл зэрэг мэдээлэлд тулгуурласан.Тэд энэ өгөгдлийг Bayesian Neural Network (BNN)-д холбож, ENSO үе шат нь өгөөжийн өөрчлөлтийн 75% -ийг урьдчилан таамаглаж байгааг олж мэдэв.
Өөрөөр хэлбэл, судалгаанд ихэнх тохиолдолд Номхон далайн далайн гадаргын температур нь какао шошны ургацыг нарийн урьдчилан таамаглах боломжтой юм.Зарим тохиолдолд ургац хураахаас 25 сарын өмнө үнэн зөв таамаглах боломжтой байдаг.
Эхлэхийн тулд үйлдвэрлэлийн 50% -ийн өөрчлөлтийг нарийн урьдчилан таамаглах загварыг тэмдэглэх нь ихэвчлэн боломжтой байдаг.Ургацын ургацын урт хугацааны урьдчилсан таамаглал ийм байдлаар ховор байдаг.
Тус холбооны хамтран зохиогч, хүндэт судлаач Жеймс Кок хэлэхдээ: "Энэ нь үржил шимт үржил шимийг бий болгох систем гэх мэт фермд янз бүрийн менежментийн туршлагыг нэвтрүүлэх, өндөр итгэлтэйгээр үр дүнтэй интервенцүүдийг гаргах боломжийг бидэнд олгож байна.“Олон улсын биологийн төрөл зүйлийн байгууллага ба CIAT."Энэ бол үйл ажиллагааны судалгаанд ерөнхий шилжилт юм."
Ургамлын физиологич Кок хэлэхдээ, санамсаргүй хяналттай туршилтууд (RCTs) нь ерөнхийдөө судалгааны алтан стандарт гэж тооцогддог боловч эдгээр туршилтууд нь үнэтэй байдаг тул халуун орны газар тариалангийн бүс нутгийг хөгжүүлэх боломжгүй байдаг.Энд ашигласан арга нь хамаагүй хямд бөгөөд цаг агаарын бүртгэлийг үнэтэй цуглуулах шаардлагагүй бөгөөд цаг агаарын өөрчлөлтөд ургацыг хэрхэн зөв удирдах талаар хэрэгтэй зааварчилгааг өгдөг.
Мэдээллийн шинжээч, судалгааны ахлах зохиогч Росс Чапман (Ross Chapman) уламжлалт мэдээллийн шинжилгээний аргуудаас машин сургалтын аргуудын гол давуу талуудын талаар тайлбарлав.
Чапман хэлэхдээ: "Алгоритм нь оролтын хувьсагчдыг (далайн гадаргын температур, фермийн төрөл гэх мэт) авч, дараа нь бусад хувьсагчдын (тариалангийн ургац гэх мэт) хариу үйлдэл үзүүлэхийг автоматаар "суралцдаг" тул BNN загвар нь стандарт регрессийн загвараас ялгаатай. "гэж Чапман хэлэв.“Сургалтын үйл явцад хэрэглэгдэх үндсэн үйл явц нь хүний ​​тархи бодит амьдралаас объект, хэв маягийг таньж сурах үйл явцтай адил юм.Эсрэгээр, стандарт загвар нь зохиомлоор үүсгэгдсэн тэгшитгэлээр дамжуулан янз бүрийн хувьсагчдыг гараар хянахыг шаарддаг."
Хэдийгээр цаг агаарын мэдээлэл байхгүй үед машин сурах нь ургацын ургацыг илүү сайн таамаглахад хүргэж болох ч хэрэв машин сургалтын загварууд зөв ажиллаж чадвал эрдэмтэд (эсвэл фермерүүд өөрсдөө) үйлдвэрлэлийн тодорхой мэдээллийг үнэн зөв цуглуулж, эдгээр өгөгдлийг бэлэн болгох шаардлагатай хэвээр байна.
Энэхүү судалгаанд хамрагдсан Индонезийн какао фермийн хувьд фермерүүд шоколадны томоохон компанид зориулсан шилдэг туршлагын сургалтын хөтөлбөрийн нэг хэсэг болсон.Тэд бордоо хэрэглэх гэх мэт орцуудыг хянаж, энэ өгөгдлийг дүн шинжилгээ хийх зорилгоор чөлөөтэй хуваалцаж, судлаачдад ашиглахын тулд орон нутгийн зохион байгуулалттай Олон улсын Ургамал тэжээлийн хүрээлэнд (IPNI) сайтар бүртгэл хөтөлдөг.
Нэмж дурдахад эрдэмтэд өмнө нь газарзүйн байршил, хөрсний нөхцөл байдал ижил төстэй арван бүлэгт фермүүдийг хуваасан.Судлаачид 2013-2018 оны ургац хураалт, бордооны хэрэглээ, ургацын мэдээллийг ашиглан загвар зохион бүтээжээ.
Какао тариалагчдын олж авсан мэдлэг нь бордоонд хэрхэн, хэзээ хөрөнгө оруулах тухай итгэлийг өгдөг.Энэхүү эмзэг бүлгийнхний эзэмшсэн агрономийн ур чадвар нь тэднийг цаг агаарын таагүй нөхцөлд ихэвчлэн тохиолддог хөрөнгө оруулалтын алдагдлаас хамгаалж чаддаг.
Судлаачидтай хамтран ажилласны ачаар тэдний мэдлэгийг дэлхийн бусад орны бусад тариаланчидтай ямар нэгэн байдлаар хуваалцах боломжтой болсон.
Корк хэлэхдээ: "Зорилготой фермер IPNI болон фермерүүдийг дэмжих хүчтэй байгууллага Community Solutions International-ийн хамтын хүчин чармайлтгүйгээр энэ судалгааг хийх боломжгүй."Тэрээр олон салбарын хамтын ажиллагааны чухлыг онцолж, оролцогч талуудын хүчин чармайлтыг тэнцвэржүүлсэн.Өөр өөр хэрэгцээ.
APNI-ийн Обертур хэлэхдээ, хүчирхэг урьдчилан таамаглах загварууд нь фермерүүд болон судлаачдад ашиг тусаа өгч, цаашдын хамтын ажиллагааг дэмжих болно.
Obertoor хэлэхдээ: "Хэрэв та нэгэн зэрэг мэдээлэл цуглуулдаг тариачин бол бодит үр дүнд хүрэх хэрэгтэй.""Энэ загвар нь тариаланчдад хэрэгтэй мэдээллээр хангаж, мэдээлэл цуглуулахад тусалж чадна, учир нь фермерүүд өөрсдийн фермд ашиг тус авчрахын тулд хувь нэмрээ оруулахын тулд хийж байгааг харах болно."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com


Шуудангийн цаг: 2021 оны 5-р сарын 06-ны өдөр