Lorsque les pluies saisonnières arrivent plus tard en Indonésie, les agriculteurs y voient souvent un signe qu'il ne vaut pas la peine d'investir dans des engrais pour leurs cultures.Parfois, ils choisissent de ne pas planter de cultures annuelles du tout.Habituellement, ils prennent la bonne décision, car le démarrage 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 peut être une bonne nouvelle pour les petits agriculteurs, les scientifiques et l'industrie mondiale du chocolat.La capacité de prédire la taille de la récolte à l'avance peut affecter les décisions d'investissement des exploitations agricoles, améliorer les programmes de recherche sur les cultures tropicales et réduire les risques et les incertitudes dans l'industrie du chocolat.
Les chercheurs disent que la même méthode qui combine l'apprentissage automatique avancé avec une collecte de données à court terme stricte sur les coutumes et les rendements des agriculteurs peut également être appliquée à d'autres cultures dépendantes 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 : « L'innovation clé de cette recherche est que vous pouvez 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 du monde 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 sur les précipitations sont rares et très variables, ce qui rend difficile pour les scientifiques, les décideurs et les groupes d'agriculteurs de s'adapter aux changements météorologiques.
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 de neurones bayésien (BNN) et ont découvert que l'étape ENSO prédisait 75 % du changement de rendement.
En d'autres termes, dans la plupart des cas de l'étude, la température de 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 célébrer un modèle capable de prédire avec précision un changement de 50 % de la production.Ce type de précision des prévisions à long terme des rendements des cultures est rare.
Le co-auteur de l'alliance et chercheur honoraire, James Cock, a déclaré : « Cela nous permet de superposer différentes pratiques de gestion à la ferme, telles que les systèmes de fertilisation, et de déduire des interventions efficaces avec une grande confiance.« Organisation internationale de 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 l'étalon-or de la recherche, ces essais sont coûteux et donc généralement impossibles dans les régions agricoles tropicales en développement.La méthode utilisée ici est beaucoup moins chère, ne nécessite pas de collecte coûteuse d'enregistrements météorologiques et fournit des conseils utiles sur la façon 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) 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 le processus par lequel le cerveau humain apprend à reconnaître des objets et des modèles de la vie réelle.Au contraire, le modèle standard nécessite une supervision manuelle des différentes variables à travers 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 encore collecter avec précision certaines informations de production et rendre ces données facilement disponibles.
Pour la plantation de cacao indonésienne de cette étude, les agriculteurs ont participé à 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 pour analyse et conservent des registres soignés à l'Institut international de nutrition des plantes (IPNI) organisé localement pour que les chercheurs puissent les utiliser.
De plus, les scientifiques ont précédemment divisé leurs fermes en dix groupes similaires avec une topographie et des conditions de sol 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 dans comment et quand investir dans les engrais.Les compétences agronomiques acquises par ce groupe défavorisé peuvent les protéger des pertes d'investissement, qui se produisent généralement dans des 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 parties du monde.
Cork a déclaré: "Sans les efforts conjoints de l'agriculteur dévoué IPNI 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 a 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 aider à encourager la collecte de données, car les agriculteurs verront qu'ils font pour apporter une contribution, ce qui apporte des avantages à leur exploitation."

suzy@lstchocolatmachine.com

www.lstchocolatemachine.com