Lorsque les pluies saisonnières arrivent plus tard en Indonésie, les agriculteurs y voient souvent le signe qu’il ne vaut pas la peine d’investir dans des engrais pour leurs cultures.Parfois, ils choisissent de ne pas planter du tout de cultures annuelles.Habituellement, ils prennent la bonne décision, car le début tardif de la saison des pluies est généralement lié à l’état de l’oscillation australe El Niño (ENSO) et à l’insuffisance des précipitations dans les mois à venir.
La nouvelle recherche publiée dans « Science Reports » montre qu’ENSO est un cycle de déformation météorologique de réchauffement et de refroidissement le long de l’océan Pacifique le long de l’équateur, et une prévision puissante jusqu’à deux ans avant la récolte du cacaoyer.
Cela pourrait être une bonne nouvelle pour les petits exploitants agricoles, les scientifiques et l’industrie mondiale du chocolat.La capacité de prédire à l’avance l’ampleur de la récolte peut influencer les décisions d’investissement agricole, améliorer les programmes de recherche sur les cultures tropicales et réduire les risques et les incertitudes dans l’industrie du chocolat.
Les chercheurs affirment que la même méthode, qui combine un apprentissage automatique avancé et une collecte stricte de données à court terme sur les coutumes et les rendements des agriculteurs, peut également être appliquée à d’autres cultures dépendant de la pluie, notamment le café et les olives.
Thomas Oberthür, co-auteur et développeur commercial de l'Institut africain de nutrition des plantes (APNI) au Maroc, a déclaré : « La principale innovation de cette recherche est qu'il est possible de remplacer efficacement les données météorologiques par les données ENSO. »« En utilisant cette méthode, vous pouvez explorer tout ce qui concerne ENSO.Cultures avec relations de production.
Environ 80 % des terres arables de la planète dépendent des précipitations directes (par opposition à l'irrigation), qui représentent environ 60 % de la production totale.Cependant, dans bon nombre de ces régions, les données pluviométriques sont rares et très variables, ce qui rend difficile l’adaptation des scientifiques, des décideurs politiques et des groupes d’agriculteurs aux changements climatiques.
Dans cette étude, les chercheurs ont utilisé un type d’apprentissage automatique qui ne nécessite pas d’enregistrements météorologiques des plantations de cacao indonésiennes participant à l’étude.
Au lieu de cela, ils se sont appuyés sur des données sur l’application d’engrais, le rendement et le type d’exploitation.Ils ont connecté ces données à un réseau neuronal bayésien (BNN) et ont découvert que l'étape ENSO prédisait 75 % du changement de rendement.
En d’autres termes, dans la plupart des cas étudiés, la température de la surface de la mer de l’océan Pacifique peut prédire avec précision la récolte des fèves de cacao.Dans certains cas, il est possible de faire des prévisions précises 25 mois avant la récolte.
Pour commencer, il est généralement possible de se féliciter d’un modèle capable de prédire avec précision une variation de 50 % de la production.Ce type de prévision précise à long terme des rendements des cultures est rare.
James Cock, co-auteur et chercheur honoraire de l'alliance, a déclaré : « Cela nous permet de superposer différentes pratiques de gestion sur l'exploitation agricole, telles que les systèmes de fertilisation, et de déduire des interventions efficaces avec une grande confiance.« Organisation internationale pour la biodiversité et CIAT.« Il s’agit d’un virage global vers la recherche opérationnelle. »
Cock, physiologiste des plantes, a déclaré que bien que les essais contrôlés randomisés (ECR) soient généralement considérés comme la référence en matière de recherche, ces essais sont coûteux et donc généralement impossibles dans les régions agricoles tropicales en développement.La méthode utilisée ici est beaucoup moins coûteuse, ne nécessite pas de collecte coûteuse de relevés météorologiques et fournit des conseils utiles sur la manière de mieux gérer les cultures dans des conditions météorologiques changeantes.
L'analyste de données et auteur principal de l'étude Ross Chapman (Ross Chapman) a expliqué certains des principaux avantages des méthodes d'apprentissage automatique par rapport aux méthodes traditionnelles d'analyse de données.
Chapman a déclaré : « Le modèle BNN est différent du modèle de régression standard car l'algorithme prend des variables d'entrée (telles que la température de la surface de la mer et le type d'exploitation agricole) puis « apprend » automatiquement à reconnaître la réponse d'autres variables (telles que le rendement des cultures). ", a déclaré Chapman.« Le processus de base utilisé dans le processus d’apprentissage est le même que celui par lequel le cerveau humain apprend à reconnaître les objets et les modèles de la vie réelle.Au contraire, le modèle standard nécessite une supervision manuelle de différentes variables via des équations générées artificiellement.
Bien qu'en l'absence de données météorologiques, l'apprentissage automatique puisse conduire à de meilleures prévisions de rendement des cultures, si les modèles d'apprentissage automatique peuvent fonctionner correctement, les scientifiques (ou les agriculteurs eux-mêmes) doivent toujours collecter avec précision certaines informations sur la production et rendre ces données facilement accessibles.
Pour la plantation de cacao indonésienne étudiée dans cette étude, les agriculteurs font désormais partie d'un programme de formation aux meilleures pratiques pour une grande entreprise de chocolat.Ils suivent les intrants tels que l'application d'engrais, partagent librement ces données à des fins d'analyse et tiennent des registres soignés à l'Institut international de nutrition végétale (IPNI) organisé localement pour que les chercheurs puissent les utiliser.
De plus, les scientifiques avaient auparavant divisé leurs fermes en dix groupes similaires présentant une topographie et des conditions pédologiques similaires.Les chercheurs ont utilisé les données de récolte, d’application d’engrais et de rendement de 2013 à 2018 pour construire un modèle.
Les connaissances acquises par les producteurs de cacao leur donnent confiance quant à la manière et au moment d’investir dans les engrais.Les compétences agronomiques acquises par ce groupe défavorisé peuvent les protéger des pertes d’investissement, qui surviennent généralement en cas de conditions météorologiques défavorables.
Grâce à leur collaboration avec des chercheurs, leurs connaissances peuvent désormais être partagées d'une manière ou d'une autre avec des producteurs d'autres cultures dans d'autres régions du monde.
Cork a déclaré : « Sans les efforts conjoints de l’IPNI, un fermier dévoué, et de la solide organisation de soutien aux agriculteurs Community Solutions International, cette recherche ne serait pas possible. »Il a souligné l'importance de la coopération multidisciplinaire et équilibré les efforts des parties prenantes.Des besoins différents.
Oberthür, de l'APNI, a déclaré que de puissants modèles prédictifs peuvent profiter aux agriculteurs et aux chercheurs et promouvoir une coopération plus poussée.
Obertoor a déclaré : « Si vous êtes un agriculteur qui collecte des données en même temps, vous devez obtenir des résultats tangibles. »"Ce modèle peut fournir aux agriculteurs des informations utiles et peut contribuer à encourager la collecte de données, car les agriculteurs verront qu'ils apportent une contribution, ce qui apporte des avantages à leur exploitation."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com