インドネシアに季節的な雨が後で到着するとき、農民はしばしばそれが彼らの作物のために肥料に投資する価値がないというサインとしてそれを受け取ります。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。通常、雨季の開始が遅いのは、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。
「ScienceReports」に掲載された新しい研究によると、ENSOは、赤道に沿った太平洋に沿った温暖化と冷却の気象変形サイクルであり、ココアの木が収穫されるまでの最大2年間の強力な予測です。
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。収穫の規模を事前に予測する能力は、農場投資の決定に影響を与え、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減らす可能性があります。
研究者は、高度な機械学習と農民の習慣や収穫量に関する厳密な短期データ収集を組み合わせた同じ方法を、コーヒーやオリーブなどの他の雨に依存する作物にも適用できると述べています。
モロッコのAfricanPlant Nutrition Institute（APNI）の共著者兼事業開発者であるThomasOberthürは、次のように述べています。「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です。」「この方法を使用すると、ENSOに関連するあらゆるものを探索できます。生産関係のある作物。」
世界の耕作可能な土地の約80％は、（灌漑ではなく）直接降雨に依存しており、これは総生産量の約60％を占めています。ただし、これらの地域の多くでは、降雨データがまばらで変動が大きいため、科学者、政策立案者、農民グループが天候の変化に適応することは困難です。
この研究では、研究者は、研究に参加しているインドネシアのカカオ農場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、収量、農場の種類に関するデータに依存していました。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、ENSOステージが収量の変化の75％を予測していることを発見しました。
言い換えれば、研究のほとんどの場合、太平洋の海面水温はカカオ豆の収穫を正確に予測することができます。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。
手始めに、生産の50％の変化を正確に予測できるモデルを祝うことは通常可能です。このような長期的な収穫量の予測精度はまれです。
同盟の共著者で名誉研究者のジェームズ・コックは、次のように述べています。「国際生物多様性機構とCIAT。「これは、オペレーションズリサーチへの全体的なシフトです。」
植物生理学者のコックは、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見なされていますが、これらの試験は費用がかかるため、熱帯農業地域の開発では通常不可能であると述べました。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、変化する気象で作物をより適切に管理する方法に関する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（ロスチャップマン）は、従来のデータ分析手法に対する機械学習手法の主な利点のいくつかを説明しました。
チャップマン氏は次のように述べています。「BNNモデルは、アルゴリズムが入力変数（海面水温や農場タイプなど）を受け取り、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、標準の回帰モデルとは異なります。チャップマンは言った。「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使用して、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収穫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。
この調査のインドネシアのカカオ農場では、農家は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の一部になっています。彼らは肥料の施用などの入力を追跡し、分析のためにこのデータを自由に共有し、研究者が使用できるように地元の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持します。
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ていました。研究者は、モデルを構築するために、2013年から2018年までの収穫、施肥、および収量データを使用しました。
カカオ生産者が得た知識は、肥料にいつどのように投資するかについての自信を彼らに与えます。この不利な立場にあるグループによって習得された農業技術は、悪天候下で通常発生する投資損失から彼らを保護することができます。
研究者とのコラボレーションのおかげで、彼らの知識は、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。
コークは次のように述べています。「専任の農家IPNIと強力な農家支援組織CommunitySolutions Internationalの共同の努力がなければ、この調査は不可能でした。」彼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取りました。さまざまなニーズ。
APNIのOberthürは、強力な予測モデルが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ました。
Obertoor氏は次のように述べています。「同時にデータを収集する農家の場合、具体的な結果を達成する必要があります。」「このモデルは、農家に有用な情報を提供し、データ収集のインセンティブを高めるのに役立ちます。農家は、自分たちが貢献をしていることを確認し、それが自分たちの農場に利益をもたらすからです。」

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com