جڏهن موسمي برسات انڊونيشيا ۾ دير سان ايندي آهي، هارين اڪثر ڪري ان کي هڪ نشاني طور وٺندا آهن ته اهو انهن جي فصلن لاء ڀاڻ ۾ سيڙپڪاري ڪرڻ جي قابل ناهي.ڪڏهن ڪڏهن اهي چونڊيندا آهن ته سالياني فصل نه پوکين.عام طور تي، اهي صحيح فيصلا ڪن ٿا، ڇاڪاڻ ته برسات جي موسم جي دير سان شروعات عام طور تي ايل نينو ڏاکڻي اوسيليشن (ENSO) جي رياست سان لاڳاپيل آهي ۽ ايندڙ مهينن ۾ ناقص برسات.
”سائنس رپورٽس“ ۾ شايع ٿيل نئين تحقيق مان ظاهر ٿئي ٿو ته ENSO پئسفڪ سمنڊ جي خط استوا سان گڏ گرم ٿيڻ ۽ ٿڌي ٿيڻ جو هڪ موسمي خرابي وارو چڪر آهي، ۽ ڪوڪو وڻ جي پوک ٿيڻ کان ٻن سالن تائين هڪ طاقتور اڳڪٿي آهي.
هي ٿي سگهي ٿو خوشخبري ننڍن هارين، سائنسدانن ۽ عالمي چاکليٽ انڊسٽري لاءِ.اڳ ۾ ئي فصل جي ماپ جي اڳڪٿي ڪرڻ جي صلاحيت فارم جي سيڙپڪاري جي فيصلن کي متاثر ڪري سگھي ٿي، اڀرندڙ اڀرندڙ فصلن جي تحقيقي پروگرامن کي بهتر بڻائي ۽ چاکليٽ جي صنعت ۾ خطرن ۽ غير يقيني صورتحال کي گھٽائي سگھي ٿي.
محققن جو چوڻ آهي ته اهو ساڳيو طريقو جيڪو جديد مشيني سکيا کي گڏ ڪري ٿو سخت مختصر مدت جي ڊيٽا گڏ ڪرڻ سان هاريءَ جي رواج ۽ پيداوار تي پڻ لاڳو ٿي سگهي ٿو ٻين برساتن تي ڀاڙيندڙ فصلن، جن ۾ ڪافي ۽ زيتون شامل آهن.
ٿامس اوبرٿور، مراکش ۾ آفريڪن پلانٽ نيوٽريشن انسٽيٽيوٽ (APNI) جو ڪو ليکڪ ۽ ڪاروباري ڊولپر، چيو ته: ”هن تحقيق جي اهم جدت اها آهي ته توهان موثر طريقي سان موسم جي ڊيٽا کي ENSO ڊيٽا سان تبديل ڪري سگهو ٿا."هن طريقي کي استعمال ڪندي، توهان ENSO سان لاڳاپيل ڪنهن به شيء کي ڳولي سگهو ٿا.پيداواري لاڳاپن سان فصل.
دنيا جي 80 سيڪڙو آبادي جو دارومدار سڌي برسات تي آهي (جيئن ته آبپاشي جي مخالفت ڪئي وڃي ٿي) جيڪا ڪل پيداوار جو 60 سيڪڙو بڻجي ٿي.جيتوڻيڪ، انهن مان ڪيترن ئي علائقن ۾، برساتن جي ڊيٽا گهٽ ۽ انتهائي متغير آهي، جيڪا سائنسدانن، پاليسي سازن، ۽ هاريءَ جي گروهن لاءِ موسم جي تبديلين سان مطابقت پيدا ڪرڻ مشڪل بڻائي ٿي.
هن مطالعي ۾، محقق هڪ قسم جي مشين سکيا جو استعمال ڪيو جيڪو مطالعي ۾ حصو وٺندڙ انڊونيشيا ڪوڪو فارمن کان موسم جي رڪارڊ جي ضرورت ناهي.
ان جي بدران، اهي ڀاڻ جي درخواست، پيداوار، ۽ فارم جي قسم تي ڊيٽا تي ڀاڙين ٿا.انهن هن ڊيٽا کي بيزين نيورل نيٽورڪ (BNN) ۾ لڳايو ۽ ڏٺائين ته ENSO اسٽيج 75 سيڪڙو پيداوار ۾ تبديلي جي اڳڪٿي ڪئي.
ٻين لفظن ۾، مطالعي ۾ اڪثر ڪيسن ۾، پئسفڪ سمنڊ جي سمنڊ جي مٿاڇري جي درجه حرارت صحيح طور تي ڪوڪو بينن جي فصل جي اڳڪٿي ڪري سگهي ٿي.ڪجهه حالتن ۾، فصل کان 25 مهينا اڳ صحيح اڳڪٿيون ڪرڻ ممڪن آهي.
شروعاتن لاء، عام طور تي ممڪن آهي ته هڪ ماڊل کي جشن ڪرڻ لاء جيڪو صحيح طور تي پيش ڪري سگهي ٿو 50٪ پيداوار ۾ تبديلي.هن قسم جي ڊگهي مدت جي اڳڪٿي جي درستگي فصل جي حاصلات جي ناياب آهي.
اتحاد جي گڏيل ليکڪ ۽ اعزازي محقق جيمس ڪاڪ چيو: ”هي اسان کي اجازت ڏئي ٿو ته فارم تي مختلف انتظامي عملن کي سپرمپوز ڪري سگهون، جهڙوڪ ڀاڻ جو نظام، ۽ اعليٰ اعتماد سان اثرائتي مداخلت جو اندازو لڳايو.بين الاقوامي جيو تنوع تنظيم ۽ CIAT."هي آپريشن ريسرچ ڏانهن هڪ مجموعي شفٽ آهي."
ڪاڪ، هڪ پلانٽ فزيالوجسٽ، چيو ته جيتوڻيڪ بي ترتيب ٿيل ڪنٽرول ٽرائلز (RCTs) کي عام طور تي تحقيق لاءِ سون جو معيار سمجهيو ويندو آهي، اهي تجربا قيمتي هوندا آهن ۽ ان ڪري عام طور تي اڀرندڙ اڀرندڙ زرعي علائقن ۾ ناممڪن آهي.هتي استعمال ٿيل طريقو تمام سستو آهي، موسم جي رڪارڊ جي قيمتي گڏ ڪرڻ جي ضرورت ناهي، ۽ بدلجندڙ موسم ۾ فصلن کي بهتر طريقي سان منظم ڪرڻ بابت مفيد هدايتون مهيا ڪري ٿي.
ڊيٽا تجزيه نگار ۽ مطالعي جي اڳواڻي ليکڪ راس چيپمن (Ross Chapman) روايتي ڊيٽا جي تجزيي جي طريقن تي مشين سکيا جي طريقن جي ڪجهه اهم فائدن جي وضاحت ڪئي.
Chapman چيو: "BNN ماڊل معياري ريگريشن ماڊل کان مختلف آهي ڇاڪاڻ ته الورورٿم ان پٽ متغير (جهڙوڪ سمنڊ جي مٿاڇري جي درجه حرارت ۽ فارم جو قسم) وٺندو آهي ۽ پوء خود بخود ٻين متغيرن جي ردعمل کي سڃاڻڻ لاءِ 'سيکارندو آهي' (جهڙوڪ فصل جي پيداوار)، “ چاپمن چيو.”سيکارڻ جي عمل ۾ استعمال ٿيندڙ بنيادي عمل اهو ئي عمل آهي جيڪو انساني دماغ حقيقي زندگيءَ مان شين ۽ نمونن کي سڃاڻڻ سکي ٿو.ان جي برعڪس، معياري ماڊل کي مصنوعي طور تي ٺاهيل مساواتن جي ذريعي مختلف متغيرن جي دستي نگراني جي ضرورت آهي.
جيتوڻيڪ موسم جي ڊيٽا جي غير موجودگيءَ ۾، مشين لرننگ شايد فصل جي پيداوار جي بهتر اڳڪٿين جو سبب بڻجي سگهي ٿي، جيڪڏهن مشيني سکيا جا ماڊل صحيح نموني ڪم ڪري سگهن ٿا، سائنسدانن (يا پاڻ هارين کي) اڃا به صحيح طور تي ڪجهه پيداواري معلومات گڏ ڪرڻ جي ضرورت آهي ۽ انهن ڊيٽا کي آساني سان دستياب ڪرڻ جي ضرورت آهي.
هن مطالعي ۾ انڊونيشيا جي ڪوڪو فارم لاء، هارين هڪ وڏي چاکليٽ ڪمپني لاء بهترين مشق ٽريننگ پروگرام جو حصو بڻجي ويا آهن.اهي معلومات کي ٽريڪ ڪن ٿا جهڙوڪ ڀاڻ جي درخواست، آزاديء سان هن ڊيٽا کي تجزيي لاء حصيداري ڪريو، ۽ مقامي منظم بين الاقوامي پلانٽ نيوٽريشن انسٽيٽيوٽ (IPNI) ۾ صاف رڪارڊ رکون ٿا تحقيق ڪندڙن لاء استعمال ڪرڻ لاء.
ان کان سواء، سائنسدانن اڳ ۾ پنهنجن فارمن کي ڏهن ساڳين گروپن ۾ ورهايو هو، ساڳئي نموني ۽ مٽي جي حالتن سان.محقق هڪ ماڊل ٺاهڻ لاءِ 2013 کان 2018 تائين فصل، ڀاڻ جي درخواست ۽ پيداوار جي ڊيٽا کي استعمال ڪيو.
ڪوڪو پوکيندڙن پاران حاصل ڪيل ڄاڻ کين اعتماد ڏئي ٿي ته ڀاڻ ۾ ڪيئن ۽ ڪڏهن سيڙپڪاري ڪئي وڃي.زرعي صلاحيتن جي حاصلات هن نااهل گروپ پاران حاصل ڪيل سيڙپڪاري جي نقصان کان بچائي سگهي ٿي، جيڪي عام طور تي خراب موسمي حالتن ۾ ٿينديون آهن.
محققن سان سندن تعاون جي مهرباني، سندن علم هاڻي دنيا جي ٻين حصن ۾ ٻين فصلن جي پوک ڪندڙن سان ڪنهن نه ڪنهن طريقي سان شيئر ڪري سگهجي ٿو.
ڪارڪ چيو: "وقار هاريءَ جي گڏيل ڪوششن کان سواءِ IPNI ۽ مضبوط فارمر سپورٽ آرگنائيزيشن ڪميونٽي سلوشن انٽرنيشنل، هي تحقيق ممڪن نه ٿيندي."هن گهڻ ڊسيپلينري تعاون جي اهميت تي زور ڏنو ۽ اسٽيڪ هولڊر جي ڪوششن کي متوازن ڪيو.مختلف ضرورتون.
APNI جي Oberthür چيو ته طاقتور اڳڪٿي ڪندڙ ماڊل هارين ۽ محققن کي فائدو ڏئي سگهن ٿا ۽ وڌيڪ تعاون کي فروغ ڏين ٿا.
اوبرٽور چيو: ”جيڪڏهن توهان هڪ هاري آهيو جيڪو هڪ ئي وقت ڊيٽا گڏ ڪري ٿو، توهان کي گهربل نتيجا حاصل ڪرڻ گهرجن."هي ماڊل هارين کي مفيد معلومات مهيا ڪري سگهي ٿو ۽ ڊيٽا گڏ ڪرڻ جي ترغيب ڏيڻ ۾ مدد ڪري سگهي ٿو، ڇاڪاڻ ته هارين کي ڏسندا ته اهي ڪم ڪري رهيا آهن هڪ حصو ڏيڻ لاء، جيڪو انهن جي فارم کي فائدو ڏئي ٿو."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com