Raziskovalci razvijajo algoritem za napovedovanje potenciala žetve iz podnebnih podatkov

Javno dostopni algoritem je bil razvit z uporabo 15-letnih podatkov iz Italije za primerjavo, kako so kombinacije podnebnih dogodkov vplivale na poznejše letine.

Archanes, Kreta, Grčija
Avtor: Paolo DeAndreis
3. januarja 2024 18:01 UTC
679
Archanes, Kreta, Grčija

Skoraj sto proizvodnih deležnikov ima prenesel algoritem ki lahko zagotovi možnost napovedovanja obnašanja in produktivnosti oljčnega nasada.

Nova tehnologija temelji na temeljiti analizi sezonskih vremenskih vzorcev med ciklom rasti oljk v dolgem obdobju v Italiji.

S primerjavo razmerja med razvojem oljk in letino s podnebnimi vplivi so raziskovalci lahko prepoznali na desetine možnih podnebnih stresorjev in kako vplivajo na produktivnost oljk.

Oglejte si tudi:Raziskovalci pravijo, da bo orodje AI za oljkarje izboljšalo donos in zmanjšalo stroške

Raziskovalci verjamejo, da bi te informacije lahko pomagale državnim ali regionalnim upravam, pridelovalcem oljk, pridelovalcem in drugim zainteresiranim stranem pri napovedovanju, kako se bo prihodnja sezona lahko odvijala, in pri kakršnih koli agronomskih ali poslovnih prilagoditvah.

Nova tehnologija izhaja iz a usklajen projekt ki vključuje znanstvenike iz italijanskega nacionalnega raziskovalnega sveta (CNR) in Agencije za nove tehnologije, energijo in trajnostni razvoj (ENEA) ter ameriške raziskovalce z Univerze Kalifornija – Berkeley.

"Delamo na razumevanju, kateri [podnebni] dejavniki lahko sprožijo neugodne razmere in s tem povezano verjetnost škodljivih učinkov na pridelavo oljk,” je povedala Arianna Di Paola, raziskovalka na italijanskem inštitutu za bioekonomijo pri CNR. Olive Oil Times.

"Primeri sprožilcev so pogoji, ki spodbujajo širjenje oljčna sadna muha ali visoke zimske temperature, ki lahko spremenijo cikel oljk in vplivajo na cvetenje in opraševanje,« je dodala.

Raziskava je analizirala letino oljk v 66 italijanskih provincah med letoma 2006 in 2020, da bi identificirala stresorje z uporabo širokega nabora podatkov. Uspelo jim je odkriti, kako so nastale najhujše letine oljk.

"Razumevanje tekoče sezonskosti nam omogoča, da predvidimo, kaj lahko pričakujemo v bližnji prihodnosti,« je dejal Di Paola.

"To niso sezonske napovedi, ki morajo biti zanesljive in prevedene v informacije, ki jih je mogoče uporabiti, da bi olajšale postopek odločanja, kar je cel svet raziskav sam po sebi,« je dodala. ​,war"To so kratkoročni scenariji, ki lahko podpirajo naložbe, preventivne ukrepe, zdravljenja ali agronomske prakse.«

Raziskava se ni ustavila pri prepoznavanju povzročiteljev neugodnih razmer.

"Čeprav še ne moremo napovedati celotnega fenološkega cikla oljke, saj na regionalni ravni ni mogoče napovedati vegetativnega začetka v sezoni, lahko s pomočjo koledarja preprosto razdelimo življenjski cikel oljke na dva: mesečnih obrokih,« je dejala Di Paola.

Z analizo spremenljivk, ki vplivajo na pridelavo oljk skozi leta, in njihovim združevanjem vsaka dva meseca so raziskovalci opredelili seznam spremenljivk in preučili, kako medsebojno delujejo skozi čas.

Analiza zagotavlja kratkoročno natančno napoved, ki je po mnenju raziskovalcev trikrat boljša od analize ene same spremenljivke.

"Na primer, ena stvar je reči, da smo imeli toplejšo zimo, druga pa je reči, da smo po tej topli zimi imeli tudi zelo mokro poletje, dejavnike, ki se lahko seštejejo in še poslabšajo scenarij,« je dejal Di Paola.

Ko je bila analiza pripravljena, so raziskovalci preučili, katere sezonske podnebne spremenljivke so bile pogosteje povezane z izjemno slabimi ali visokimi donosi, pri čemer so zavrgli srednje donose.

oglas
oglas

Ta izbor je bil namenjen identifikaciji donosov, na katere je v širšem prostorskem obsegu najbolj vplivala podnebna spremenljivost glede na prekrivanje drugih dejavnikov.

"V srednjih sezonah so lahko pridelki odvisni od spremenljivk, kot je uporaba posebnih agronomskih tehnik enega pridelovalca v primerjavi z drugim, ali od časa, porabljenega za obrezovanje oljk, in številnih drugih spremenljivk,« je dejal Di Paola.

Zato so bili raziskovalci bolj zainteresirani za opazovanje tako obilne kot redke ekstremne sezone, saj so povezani pogoji vplivali neodvisno od dejanj posameznega pridelovalca.

"Večina nas je navajena osredotočati se na posamezne dejavnike stresa, kot sta zmrzovanje ali vročinski val, toda tudi če bi uspeli te posamezne dejavnike stresa pravilno pogledati, jih še vedno ne bi mogli povezati z določeno fenološko stopnjo brez ustreznega terenska opazovanja ali simulacije modela,« je dejal Di Paola.

"Poskušali smo zgladiti vse te učinke, da bi jih obravnavali skupaj v velikem obsegu in v celih sezonah,« je dodala.

Zanimivo je, da so raziskovalci našli povezavo med podnebnimi spremenljivkami, ki jih je identificiral algoritem, in pojavom oljčne vinske mušice.

"Algoritem vam ne bo povedal, zakaj se bo zgodil določen scenarij,« je dejal Di Paolo. ​,war"Vendar pa z njegovo uporabo ugotavljamo, da so bili rezultati – slabša leta v smislu produktivnosti in nastajajoči podnebni stresorji – verjetno povezani z napadi oljčne muhe.«

"Algoritem nam pove nekaj takega: če imate te nize pogojev, recimo pet različnih spremenljivk v določenem času, potem je zelo verjetno, da bo pridelek oljk izjemno nizek,« je dodala.

Ko to opozorilo pride iz algoritma, mora strokovnjak pregledati podatke, da jih pravilno interpretira. ​,war"Je to oljčna vinska mušica ali obstajajo drugi dejavniki, ki bi jih morali upoštevati?« je opozoril Di Paola.

"Standardizirali smo vse spremenljivke, da bi jih naredili primerljive v času in prostoru, kar nam je omogočilo pogled na stvari od zgoraj,« je dodala. ​,war"Da bi bilo jasno, ko raziskava pravi, da je določen sprožilec toplejše obdobje od povprečja, je to veljalo za vse province v državi.«

Z raziskovanjem širokega obsega ozemlja se posplošitev algoritma poveča in je mogoče doseči boljše napovedi za celoten sektor v celotni državi.

"To je uporaben pogled na celoten sektor za vse subjekte, ki jih zanima ogled celotne slike,« je dejal Di Paola.

Algoritem, ki je javno dostopen in ga je mogoče prenesti in vključiti v njihove sisteme, bi lahko bil koristen ne le za Italijo, ampak tudi za oljčni sektor.

"Metodo, ki smo jo uporabili, je mogoče izvoziti v druge države in sektorje,« je zaključil Di Paola. ​,war"Ko je algoritem napolnjen s potrebnimi podatki, ga je mogoče enostavno prilagoditi za izdelavo takšne sezonske napovedi.«



Dajte v skupno rabo ta članek

oglas
oglas

Povezani članki