जब इंडोनेशिया में बाद में मौसमी बारिश होती है, तो किसान अक्सर इसे एक संकेत के रूप में लेते हैं कि उनकी फसलों के लिए उर्वरकों में निवेश करना उचित नहीं है।कभी-कभी वे वार्षिक फसलें बिल्कुल भी नहीं लगाने का निर्णय लेते हैं।आमतौर पर, वे सही निर्णय लेते हैं, क्योंकि बरसात के मौसम की देर से शुरुआत आमतौर पर एल नीनो दक्षिणी दोलन (ईएनएसओ) की स्थिति और आने वाले महीनों में अपर्याप्त वर्षा से संबंधित होती है।
"साइंस रिपोर्ट्स" में प्रकाशित नए शोध से पता चलता है कि ईएनएसओ भूमध्य रेखा के साथ प्रशांत महासागर के साथ वार्मिंग और शीतलन का एक मौसम विरूपण चक्र है, और कोको के पेड़ की कटाई से पहले दो साल तक के लिए एक शक्तिशाली पूर्वानुमान है।
यह छोटे किसानों, वैज्ञानिकों और वैश्विक चॉकलेट उद्योग के लिए अच्छी खबर हो सकती है।फसल के आकार की पहले से भविष्यवाणी करने की क्षमता कृषि निवेश निर्णयों को प्रभावित कर सकती है, उष्णकटिबंधीय फसल अनुसंधान कार्यक्रमों में सुधार कर सकती है और चॉकलेट उद्योग में जोखिम और अनिश्चितताओं को कम कर सकती है।
शोधकर्ताओं का कहना है कि वही विधि जो उन्नत मशीन लर्निंग को किसान रीति-रिवाजों और उपज पर सख्त अल्पकालिक डेटा संग्रह के साथ जोड़ती है, उसे कॉफी और जैतून सहित अन्य वर्षा-निर्भर फसलों पर भी लागू किया जा सकता है।
मोरक्को में अफ्रीकन प्लांट न्यूट्रिशन इंस्टीट्यूट (एपीएनआई) के सह-लेखक और बिजनेस डेवलपर थॉमस ओबेरथुर ने कहा: "इस शोध का मुख्य नवाचार यह है कि आप मौसम डेटा को ईएनएसओ डेटा के साथ प्रभावी ढंग से बदल सकते हैं।"“इस पद्धति का उपयोग करके, आप ENSO से संबंधित किसी भी चीज़ का पता लगा सकते हैं।उत्पादन संबंधों वाली फसलें।”
दुनिया की लगभग 80% कृषि योग्य भूमि प्रत्यक्ष वर्षा (सिंचाई के विपरीत) पर निर्भर करती है, जो कुल उत्पादन का लगभग 60% है।हालाँकि, इनमें से कई क्षेत्रों में, वर्षा के आंकड़े विरल और अत्यधिक परिवर्तनशील हैं, जिससे वैज्ञानिकों, नीति निर्माताओं और किसान समूहों के लिए मौसम में बदलाव के अनुकूल होना मुश्किल हो जाता है।
इस अध्ययन में, शोधकर्ताओं ने एक प्रकार की मशीन लर्निंग का उपयोग किया जिसके लिए अध्ययन में भाग लेने वाले इंडोनेशियाई कोको फार्मों से मौसम रिकॉर्ड की आवश्यकता नहीं होती है।
इसके बजाय, उन्होंने उर्वरक अनुप्रयोग, उपज और खेत के प्रकार के डेटा पर भरोसा किया।उन्होंने इस डेटा को बायेसियन न्यूरल नेटवर्क (बीएनएन) में प्लग किया और पाया कि ईएनएसओ चरण ने उपज में 75% बदलाव की भविष्यवाणी की थी।
दूसरे शब्दों में, अध्ययन में अधिकांश मामलों में, प्रशांत महासागर की समुद्री सतह का तापमान कोको बीन्स की फसल की सटीक भविष्यवाणी कर सकता है।कुछ मामलों में, फसल से 25 महीने पहले सटीक भविष्यवाणी करना संभव है।
शुरुआत के लिए, आमतौर पर ऐसे मॉडल का जश्न मनाना संभव है जो उत्पादन में 50% बदलाव की सटीक भविष्यवाणी कर सकता है।फसल की पैदावार की इस तरह की दीर्घकालिक पूर्वानुमान सटीकता दुर्लभ है।
गठबंधन के सह-लेखक और मानद शोधकर्ता जेम्स कॉक ने कहा: “यह हमें खेत पर विभिन्न प्रबंधन प्रथाओं, जैसे कि निषेचन प्रणाली, और उच्च आत्मविश्वास के साथ प्रभावी हस्तक्षेप का अनुमान लगाने की अनुमति देता है।“अंतर्राष्ट्रीय जैव विविधता संगठन और CIAT।"यह संचालन अनुसंधान में एक समग्र बदलाव है।"
कॉक, एक प्लांट फिजियोलॉजिस्ट, ने कहा कि हालांकि यादृच्छिक नियंत्रित परीक्षण (आरसीटी) को आम तौर पर अनुसंधान के लिए स्वर्ण मानक माना जाता है, ये परीक्षण महंगे हैं और इसलिए उष्णकटिबंधीय कृषि क्षेत्रों को विकसित करने में आमतौर पर असंभव हैं।यहां उपयोग की जाने वाली विधि बहुत सस्ती है, इसके लिए मौसम रिकॉर्ड के महंगे संग्रह की आवश्यकता नहीं होती है, और बदलते मौसम में फसलों का बेहतर प्रबंधन कैसे किया जाए, इस पर उपयोगी मार्गदर्शन प्रदान करता है।
डेटा विश्लेषक और अध्ययन के प्रमुख लेखक रॉस चैपमैन (रॉस चैपमैन) ने पारंपरिक डेटा विश्लेषण विधियों की तुलना में मशीन सीखने के तरीकों के कुछ प्रमुख लाभों के बारे में बताया।
चैपमैन ने कहा: "बीएनएन मॉडल मानक प्रतिगमन मॉडल से अलग है क्योंकि एल्गोरिदम इनपुट चर (जैसे समुद्र की सतह का तापमान और खेत का प्रकार) लेता है और फिर स्वचालित रूप से अन्य चर (जैसे फसल उपज) की प्रतिक्रिया को पहचानना 'सीखता' है। चैपमैन ने कहा।“सीखने की प्रक्रिया में उपयोग की जाने वाली मूल प्रक्रिया वही प्रक्रिया है जिसके द्वारा मानव मस्तिष्क वास्तविक जीवन से वस्तुओं और पैटर्न को पहचानना सीखता है।इसके विपरीत, मानक मॉडल को कृत्रिम रूप से उत्पन्न समीकरणों के माध्यम से विभिन्न चर के मैन्युअल पर्यवेक्षण की आवश्यकता होती है।
हालांकि मौसम के आंकड़ों के अभाव में, मशीन लर्निंग से बेहतर फसल उपज की भविष्यवाणी हो सकती है, अगर मशीन लर्निंग मॉडल ठीक से काम कर सकते हैं, तो वैज्ञानिकों (या स्वयं किसानों) को अभी भी कुछ उत्पादन जानकारी को सटीक रूप से एकत्र करने और इन आंकड़ों को आसानी से उपलब्ध कराने की आवश्यकता है।
इस अध्ययन में इंडोनेशियाई कोको फार्म के लिए, किसान एक बड़ी चॉकलेट कंपनी के सर्वोत्तम अभ्यास प्रशिक्षण कार्यक्रम का हिस्सा बन गए हैं।वे उर्वरक अनुप्रयोग जैसे इनपुट को ट्रैक करते हैं, विश्लेषण के लिए इस डेटा को स्वतंत्र रूप से साझा करते हैं, और शोधकर्ताओं के उपयोग के लिए स्थानीय संगठित इंटरनेशनल प्लांट न्यूट्रिशन इंस्टीट्यूट (आईपीएनआई) में साफ-सुथरे रिकॉर्ड रखते हैं।
इसके अलावा, वैज्ञानिकों ने पहले अपने खेतों को समान स्थलाकृति और मिट्टी की स्थिति वाले दस समान समूहों में विभाजित किया था।शोधकर्ताओं ने एक मॉडल बनाने के लिए 2013 से 2018 तक फसल, उर्वरक अनुप्रयोग और उपज डेटा का उपयोग किया।
कोको उत्पादकों द्वारा प्राप्त ज्ञान उन्हें यह विश्वास दिलाता है कि उर्वरकों में कैसे और कब निवेश करना है।इस वंचित समूह द्वारा अर्जित कृषि संबंधी कौशल उन्हें निवेश के नुकसान से बचा सकता है, जो आमतौर पर प्रतिकूल मौसम की स्थिति में होता है।
शोधकर्ताओं के साथ उनके सहयोग के लिए धन्यवाद, अब उनका ज्ञान किसी तरह से दुनिया के अन्य हिस्सों में अन्य फसलों के उत्पादकों के साथ साझा किया जा सकता है।
कॉर्क ने कहा: "समर्पित किसान आईपीएनआई और मजबूत किसान सहायता संगठन कम्युनिटी सॉल्यूशंस इंटरनेशनल के संयुक्त प्रयासों के बिना, यह शोध संभव नहीं होगा।"उन्होंने बहु-विषयक सहयोग के महत्व पर जोर दिया और हितधारकों के प्रयासों को संतुलित किया।अलग-अलग जरूरतें.
एपीएनआई के ओबेरथुर ने कहा कि शक्तिशाली भविष्य कहनेवाला मॉडल किसानों और शोधकर्ताओं को लाभ पहुंचा सकते हैं और आगे सहयोग को बढ़ावा दे सकते हैं।
ओबर्टूर ने कहा: "यदि आप एक किसान हैं जो एक ही समय में डेटा एकत्र करते हैं, तो आपको ठोस परिणाम प्राप्त करने की आवश्यकता है।""यह मॉडल किसानों को उपयोगी जानकारी प्रदान कर सकता है और डेटा संग्रह को प्रोत्साहित करने में मदद कर सकता है, क्योंकि किसान देखेंगे कि वे योगदान दे रहे हैं, जिससे उनके खेत को लाभ होता है।"

suzy@lstchocolatemachine.com

www.lstchoclatemachine.com