인도네시아에 계절 비가 늦게 오면 농부들은 종종 이를 농작물에 비료를 투자할 가치가 없다는 신호로 받아들입니다.때때로 그들은 일년생 작물을 전혀 심지 않기로 결정합니다.일반적으로 장마철의 늦은 시작은 일반적으로 엘니뇨 남방진동(ENSO) 상태 및 향후 몇 달 동안의 강수량 부족과 관련이 있기 때문에 그들은 올바른 결정을 내립니다.
“Science Reports”에 발표된 새로운 연구에 따르면 ENSO는 적도를 따라 태평양을 따라 온난화와 냉각의 기상 변형 주기이며 코코아 나무가 수확되기 전 최대 2년 동안의 강력한 예측입니다.
이는 소규모 자작농, 과학자, 글로벌 초콜릿 산업에 좋은 소식이 될 수 있습니다.수확 규모를 미리 예측하는 능력은 농장 투자 결정에 영향을 미치고 열대 작물 연구 프로그램을 개선하며 초콜릿 산업의 위험과 불확실성을 줄일 수 있습니다.
연구원들은 고급 기계 학습과 농민 관습 및 수확량에 대한 엄격한 단기 데이터 수집을 결합한 동일한 방법이 커피와 올리브를 포함한 다른 비 의존적 작물에도 적용될 수 있다고 말합니다.
모로코에 있는 아프리카 식물 영양 연구소(APNI)의 공동 저자이자 비즈니스 개발자인 Thomas Oberthür는 "이 연구의 핵심 혁신은 날씨 데이터를 ENSO 데이터로 효과적으로 대체할 수 있다는 것입니다."라고 말했습니다.“이 방법을 사용하면 ENSO와 관련된 모든 것을 탐색할 수 있습니다.생산관계가 있는 작물.”
세계 경작지의 약 80%는 (관개가 아닌) 직접적인 강수량에 의존하며, 이는 총 생산량의 약 60%를 차지합니다.그러나 이들 지역 중 다수에서는 강수량 데이터가 드물고 가변성이 높기 때문에 과학자, 정책 입안자, 농민 단체가 날씨 변화에 적응하기가 어렵습니다.
이번 연구에서 연구진은 연구에 참여한 인도네시아 코코아 농장의 날씨 기록이 필요하지 않은 일종의 기계 학습을 사용했습니다.
대신 그들은 비료 적용, 수확량, 농장 유형에 관한 데이터에 의존했습니다.그들은 이 데이터를 베이지안 신경망(BNN)에 연결했고 ENSO 단계에서 수확량 변화의 75%를 예측했다는 사실을 발견했습니다.
즉, 이번 연구에서 대부분의 경우 태평양 해수면 온도를 보면 코코아콩의 수확량을 정확하게 예측할 수 있다는 것이다.어떤 경우에는 수확 25개월 전에 정확한 예측이 가능합니다.
우선, 일반적으로 생산의 50% 변화를 정확하게 예측할 수 있는 모델을 기념하는 것이 가능합니다.이런 종류의 작물 수확량에 대한 장기 예측 정확도는 드뭅니다.
동맹의 공동 저자이자 명예 연구원인 James Cock은 다음과 같이 말했습니다. “이를 통해 우리는 시비 시스템과 같은 농장에 다양한 관리 관행을 중첩하고 높은 자신감을 가지고 효과적인 개입을 추론할 수 있습니다.“국제생물다양성기구와 CIAT."이것은 운영 연구에 대한 전반적인 변화입니다."
식물 생리학자인 Cock은 무작위 대조 시험(RCT)이 일반적으로 연구의 표준으로 간주되지만 이러한 시험은 비용이 많이 들고 열대 농업 지역 개발에서는 일반적으로 불가능하다고 말했습니다.여기에 사용된 방법은 훨씬 저렴하고 값비싼 기상 기록 수집이 필요하지 않으며 날씨 변화에 따라 작물을 더 잘 관리하는 방법에 대한 유용한 지침을 제공합니다.
데이터 분석가이자 연구의 주요 저자인 Ross Chapman(Ross Chapman)은 기존 데이터 분석 방법에 비해 기계 학습 방법의 주요 장점 중 일부를 설명했습니다.
Chapman은 “BNN 모델은 알고리즘이 입력 변수(해수면 온도, 농장 유형 등)를 취한 다음 다른 변수(예: 작물 수확량)의 반응을 인식하도록 자동으로 '학습'한다는 점에서 표준 회귀 모델과 다릅니다. " 채프먼이 말했다.“학습 과정에 사용되는 기본 과정은 인간의 두뇌가 실제 생활에서 사물과 패턴을 인식하는 방법을 배우는 과정과 동일합니다.반대로 표준 모델은 인위적으로 생성된 방정식을 통해 다양한 변수를 수동으로 감독해야 합니다.”
날씨 데이터가 없는 경우 기계 학습을 통해 작물 수확량을 더 잘 예측할 수 있지만, 기계 학습 모델이 제대로 작동할 수 있다면 과학자(또는 농부 자신)는 여전히 특정 생산 정보를 정확하게 수집하고 이러한 데이터를 쉽게 사용할 수 있도록 만들어야 합니다.
본 연구에서 인도네시아 코코아 농장의 농부들은 대규모 초콜릿 회사를 위한 모범 사례 교육 프로그램의 일부가 되었습니다.그들은 비료 적용과 같은 입력을 추적하고, 분석을 위해 이 데이터를 자유롭게 공유하고, 연구원들이 사용할 수 있도록 지역 조직의 국제 식물 영양 연구소(IPNI)에 깔끔한 기록을 보관합니다.
또한 과학자들은 이전에 농장을 지형과 토양 조건이 유사한 10개의 유사한 그룹으로 나누었습니다.연구진은 2013년부터 2018년까지의 수확, 비료 시비, 수확량 데이터를 사용하여 모델을 구축했습니다.
코코아 재배자들이 얻은 지식은 비료에 투자하는 방법과 시기에 대한 확신을 줍니다.이러한 소외 계층이 습득한 농업 기술은 일반적으로 악천후 조건에서 발생하는 투자 손실로부터 그들을 보호할 수 있습니다.
연구원들과의 협력 덕분에 이제 그들의 지식은 세계 다른 지역의 다른 작물 재배자들과 어떤 방식으로든 공유될 수 있습니다.
Cork씨는 “전담 농민 IPNI와 강력한 농민 지원 단체인 Community Solutions International의 공동 노력이 없었다면 이번 연구는 불가능했을 것입니다.”라고 말했습니다.그는 학제간 협력의 중요성을 강조하고 이해관계자의 노력의 균형을 맞추었습니다.다양한 요구 사항.
APNI의 Oberthür는 강력한 예측 모델이 농부와 연구원에게 도움이 되고 추가 협력을 촉진할 수 있다고 말했습니다.
오버투어는 “데이터를 동시에 수집하는 농부라면 가시적인 성과를 내야 한다”고 말했다."이 모델은 농부들에게 유용한 정보를 제공하고 데이터 수집에 대한 인센티브를 제공할 수 있습니다. 왜냐하면 농부들은 자신들이 농장에 이익을 가져다 주는 기여를 하고 있음을 알게 될 것이기 때문입니다."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com