インドネシアで季節雨の到来が遅くなると、農家はそれを自分たちの作物に肥料を投資する価値がないと判断することがよくあります。場合によっては、一年生作物をまったく植えないことを選択することもあります。雨季の始まりが遅いのは通常、エルニーニョ南方振動 (ENSO) の状態と、今後数か月の降雨量の不足に関連しているため、通常、彼らは正しい決定を下します。
「サイエンス・リポート」に掲載された新しい研究は、ENSOが赤道沿いの太平洋に沿った温暖化と寒冷化の気象変動サイクルであり、カカオの木が収穫されるまでの最長2年間にわたる強力な予測であることを示している。
これは小規模農家、科学者、そして世界のチョコレート業界にとって朗報かもしれません。収穫量を事前に予測できることは、農場の投資決定に影響を与え、熱帯作物の研究プログラムを改善し、チョコレート業界のリスクと不確実性を軽減する可能性があります。
研究者らは、高度な機械学習と農家の習慣や収穫量に関する厳格な短期データ収集を組み合わせた同じ手法は、コーヒーやオリーブなど他の雨に依存する作物にも適用できると述べている。
モロッコのアフリカ植物栄養研究所（APNI）の共著者でありビジネス開発者のトーマス・オーバートゥール氏は、「この研究の重要な革新は、気象データをENSOデータに効果的に置き換えることができることだ」と述べた。「この方法を使用すると、ENSO に関連するあらゆるものを調査できます。生産関係のある作物。」
世界の耕地の約 80% は (灌漑ではなく) 直接降雨に依存しており、総生産量の約 60% を占めています。しかし、これらの地域の多くでは、降雨量データがまばらで変動性が高いため、科学者、政策立案者、農民団体が天候の変化に適応することが困難になっています。
この研究では、研究者らは研究に参加しているインドネシアのカカオ農園からの気象記録を必要としないタイプの機械学習を使用しました。
代わりに、彼らは肥料の施用量、収量、農場の種類に関するデータに依存しました。彼らはこのデータをベイジアン ニューラル ネットワーク (BNN) に接続したところ、ENSO ステージで収量の変化の 75% が予測されることがわかりました。
言い換えれば、研究のほとんどの場合、太平洋の海面水温によってカカオ豆の収穫量を正確に予測できるということです。場合によっては、収穫の 25 か月前に正確な予測を行うことが可能です。
まず第一に、生産の 50% の変化を正確に予測できるモデルを称賛することは通常可能です。このような長期にわたる農作物の収量予測の正確性はまれです。
この同盟の共著者で名誉研究者のジェームス・コック氏は次のように述べています。「これにより、施肥システムなどの農場でのさまざまな管理慣行を重ね合わせ、高い信頼性を持って効果的な介入を推測することができます。」「国際生物多様性機関とCIAT。「これはオペレーションズリサーチへの全体的な移行です。」
植物生理学者のコック氏は、ランダム化比較試験（RCT）は一般に研究のゴールドスタンダードとみなされているが、これらの試験は費用がかかるため、発展途上の熱帯農業地域では通常不可能であると述べた。ここで使用される方法ははるかに安価で、高価な気象記録の収集を必要とせず、変化する天候の中で作物をより適切に管理する方法について有用なガイダンスを提供します。
データアナリストであり研究の筆頭著者であるロス・チャップマン氏（ロス・チャップマン）は、従来のデータ分析手法と比較した機械学習手法の主な利点のいくつかを説明しました。
チャップマン氏は、「BNN モデルは標準的な回帰モデルとは異なります。アルゴリズムが入力変数 (海面水温や農場の種類など) を取得し、その後、他の変数 (作物収量など) の応答を認識するように自動的に「学習」するためです。 」とチャップマン氏は語った。「学習プロセスで使用される基本的なプロセスは、人間の脳が実生活からオブジェクトやパターンを認識することを学習するプロセスと同じです。それどころか、標準モデルでは、人工的に生成された方程式を通じてさまざまな変数を手動で監視する必要があります。」
気象データがない場合でも、機械学習はより良い作物収量予測につながる可能性がありますが、機械学習モデルが適切に機能する場合でも、科学者 (または農家自身) は特定の生産情報を正確に収集し、これらのデータをすぐに利用できるようにする必要があります。
この研究のインドネシアのカカオ農場では、農家が大手チョコレート会社のベストプラクティストレーニングプログラムに参加しました。彼らは肥料施用などのインプットを追跡し、このデータを分析のために自由に共有し、研究者が使用できるように地元で組織された国際植物栄養研究所 (IPNI) にきちんとした記録を保管しています。
さらに、科学者たちは以前、農場を同様の地形と土壌条件を持つ 10 の同様のグループに分けました。研究者らは、2013 年から 2018 年までの収穫、施肥、収量のデータを使用してモデルを構築しました。
カカオ生産者が得た知識により、肥料にいつどのように投資するかについて自信が得られます。この恵まれないグループが獲得した農業技術は、通常、悪天候条件下で発生する投資損失から彼らを守ることができます。
研究者との協力のおかげで、その知識を世界の他の地域の他の作物の栽培者と何らかの方法で共有できるようになりました。
コーク氏は、「献身的な農家IPNIと強力な農家支援組織コミュニティ・ソリューションズ・インターナショナルの共同の努力がなければ、この研究は不可能だったでしょう。」と述べた。同氏は学際的な協力の重要性を強調し、利害関係者の努力のバランスをとった。さまざまなニーズ。
APNIのOberthür氏は、強力な予測モデルは農家や研究者に利益をもたらし、さらなる協力を促進できると述べた。
オーバートール氏は、「農家が同時にデータを収集するのであれば、目に見える成果を達成する必要がある」と語った。「このモデルは農家に有益な情報を提供し、データ収集の動機付けに役立ちます。なぜなら、農家は自分たちが貢献していると認識し、それが農場に利益をもたらすからです。」

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com