Ερευνητές αναπτύσσουν αλγόριθμο για την πρόβλεψη του δυναμικού συγκομιδής από δεδομένα για το κλίμα

Περίληψη

Ένας αλγόριθμος που αναπτύχθηκε από ερευνητές στην Ιταλία και τις ΗΠΑ μπορεί να προβλέψει τη συμπεριφορά και την παραγωγικότητα ενός ελαιώνα αναλύοντας τις κλιματικές επιπτώσεις στην ανάπτυξη και τη συγκομιδή της ελιάς. Ο αλγόριθμος, ο οποίος είναι δημόσια προσβάσιμος, μπορεί να βοηθήσει τους ενδιαφερόμενους να προβλέψουν τις επερχόμενες εποχές και να κάνουν τις απαραίτητες προσαρμογές στις αγρονομικές πρακτικές με βάση τους εντοπισμένους κλιματικούς στρεσογόνους παράγοντες. Η μέθοδος μπορεί να εφαρμοστεί πέρα ​​από την Ιταλία σε άλλες χώρες και τομείς για να παρέχει χρήσιμες εποχιακές προβλέψεις.

Σχεδόν εκατό ενδιαφερόμενοι φορείς παραγωγής έχουν κατέβασε έναν αλγόριθμο που μπορεί να παρέχει τη δυνατότητα πρόβλεψης της συμπεριφοράς και της παραγωγικότητας ενός ελαιώνα.

Η νέα τεχνολογία βασίζεται σε μια ενδελεχή ανάλυση των εποχιακών καιρικών φαινομένων κατά τη διάρκεια του κύκλου ανάπτυξης της ελιάς για μια μεγάλη περίοδο στην Ιταλία.

Συγκρίνοντας τη σχέση μεταξύ της ανάπτυξης της ελιάς και της συγκομιδής με τις κλιματικές επιπτώσεις, οι ερευνητές μπόρεσαν να εντοπίσουν δεκάδες πιθανούς κλιματικούς στρεσογόνους παράγοντες και πώς επηρεάζουν την παραγωγικότητα της ελιάς.

Οι ερευνητές πιστεύουν ότι αυτές οι πληροφορίες μπορεί να βοηθήσουν τις εθνικές ή περιφερειακές διοικήσεις, τους ελαιοκαλλιεργητές, τους παραγωγούς και άλλα ενδιαφερόμενα μέρη να προβλέψουν πώς μπορεί να εξελιχθεί μια επερχόμενη σεζόν και να κάνουν οποιεσδήποτε γεωπονικές ή επιχειρηματικές προσαρμογές.

Η νέα τεχνολογία προκύπτει από α συντονισμένο έργο με τη συμμετοχή επιστημόνων από το Ιταλικό Εθνικό Συμβούλιο Έρευνας (CNR) και τον Οργανισμό Νέων Τεχνολογιών, Ενέργειας και Βιώσιμης Ανάπτυξης (ENEA), καθώς και Αμερικανούς ερευνητές από το Πανεπιστήμιο της Καλιφόρνια-Μπέρκλεϋ.

"Εργαζόμαστε για να κατανοήσουμε ποιοι [κλιματολογικοί] οδηγοί μπορούν να προκαλέσουν δυσμενείς συνθήκες και τη σχετική πιθανότητα να υποστούν αρνητικές επιπτώσεις στην παραγωγή ελιάς», είπε η Arianna Di Paola, ερευνήτρια στο Ιταλικό Ινστιτούτο Βιοοικονομίας στο CNR. Olive Oil Times.

"Παραδείγματα πυροδοτών είναι συνθήκες που ευνοούν την εξάπλωση του ελιά καρπού ή τις υψηλές θερμοκρασίες του χειμώνα που μπορούν να αλλάξουν τον κύκλο της ελιάς και να επηρεάσουν την ανθοφορία και την επικονίαση», πρόσθεσε.

Η έρευνα ανέλυσε τη συγκομιδή ελιάς σε 66 ιταλικές επαρχίες μεταξύ 2006 και 2020 για να εντοπίσει τους στρεσογόνους παράγοντες χρησιμοποιώντας ένα ευρύ φάσμα δεδομένων. Κατάφεραν να αποκαλύψουν πώς προέκυψαν οι χειρότερες σοδειές ελιάς.

"Η κατανόηση της συνεχιζόμενης εποχικότητας μας επιτρέπει να προβλέψουμε τι μπορεί να περιμένουμε στο εγγύς μέλλον», είπε ο Ντι Πάολα.

"Δεν πρόκειται για εποχιακές προβλέψεις, οι οποίες απαιτείται να είναι αξιόπιστες και να μεταφράζονται σε πληροφορίες που να μπορούν να κάνουν πράξη για να διευκολυνθεί η διαδικασία λήψης αποφάσεων, ένας ολόκληρος κόσμος έρευνας από μόνος του», πρόσθεσε. ​"Είναι βραχυπρόθεσμα σενάρια που μπορεί να υποστηρίξουν επενδύσεις, προληπτικά μέτρα, θεραπείες ή αγρονομικές πρακτικές».

Η έρευνα δεν σταμάτησε στον εντοπισμό των οδηγών δυσμενών συνθηκών.

"Αν και δεν μπορούμε ακόμη να προβλέψουμε ολόκληρο τον φαινολογικό κύκλο της ελιάς, καθώς δεν είναι δυνατό να προβλεφθεί η βλαστική έναρξη της εποχής σε περιφερειακή κλίμακα, αυτό που μπορούμε να κάνουμε είναι, χρησιμοποιώντας ένα ημερολόγιο, απλώς να χωρίσουμε τον κύκλο ζωής της ελιάς σε δύο μηνιαίες δόσεις», είπε ο Ντι Πάολα.

Αναλύοντας τις μεταβλητές που επηρεάζουν την παραγωγή ελιάς με την πάροδο των ετών και συγκεντρώνοντάς τις κάθε δύο μήνες, οι ερευνητές καθόρισαν μια λίστα με τις μεταβλητές και εξέτασαν πώς αλληλεπιδρούν με την πάροδο του χρόνου.

Η ανάλυση παρέχει μια βραχυπρόθεσμη πρόβλεψη ακριβείας, η οποία σύμφωνα με τους ερευνητές είναι τρεις φορές καλύτερη από την ανάλυση μιας μεμονωμένης μεταβλητής.

"Για παράδειγμα, ένα πράγμα είναι να πούμε ότι είχαμε έναν θερμότερο χειμώνα, ένα άλλο είναι να πούμε ότι μετά από αυτόν τον ζεστό χειμώνα, είχαμε επίσης ένα πολύ υγρό καλοκαίρι, παράγοντες που μπορούν να αθροιστούν και να επιδεινώσουν περαιτέρω το σενάριο», είπε ο Di Paola.

Μόλις η ανάλυση ήταν έτοιμη, οι ερευνητές εξέτασαν ποιες εποχικές κλιματικές μεταβλητές συσχετίστηκαν συχνότερα με εξαιρετικά κακές εποχές ή εποχές υψηλής απόδοσης, απορρίπτοντας τις αποδόσεις μεσαίου εύρους.

Αυτή η επιλογή είχε ως στόχο να εντοπίσει τις αποδόσεις που, σε ευρεία χωρική κλίμακα, επηρεάστηκαν περισσότερο από την κλιματική μεταβλητότητα, δεδομένης της υπέρθεσης άλλων παραγόντων.

"Σε εποχές μεσαίου εύρους, οι αποδόσεις μπορεί να εξαρτώνται από μεταβλητές όπως η ανάπτυξη συγκεκριμένων αγρονομικών τεχνικών από έναν καλλιεργητή σε σύγκριση με έναν άλλο, ή από το χρόνο που αφιερώνεται στο κλάδεμα των ελιών και πολλές άλλες μεταβλητές», είπε ο Di Paola.

Ως εκ τούτου, οι ερευνητές ενδιαφέρθηκαν περισσότερο να εξετάσουν τόσο τις άφθονες όσο και τις σπάνιες ακραίες εποχές, καθώς οι σχετικές συνθήκες είχαν αντίκτυπο ανεξάρτητο από τις ενέργειες του μεμονωμένου καλλιεργητή.

"Οι περισσότεροι από εμάς έχουμε συνηθίσει να εστιάζουμε σε μεμονωμένους παράγοντες άγχους, όπως το πάγωμα ή το κύμα καύσωνα, αλλά ακόμα κι αν καταφέρουμε να δούμε σωστά αυτούς τους μεμονωμένους παράγοντες στρες, δεν θα μπορούσαμε να τους συσχετίσουμε με ένα συγκεκριμένο φαινολογικό στάδιο χωρίς το κατάλληλο παρατηρήσεις πεδίου ή προσομοιώσεις μοντέλων», είπε ο Ντι Πάολα.

"Προσπαθήσαμε να εξομαλύνουμε όλα αυτά τα εφέ για να τα εξετάσουμε μαζί σε μεγάλη κλίμακα και σε ολόκληρες εποχές», πρόσθεσε.

Είναι ενδιαφέρον ότι οι ερευνητές βρήκαν μια σύνδεση μεταξύ των κλιματικών μεταβλητών που προσδιορίζονται από τον αλγόριθμο και του φαινομένου της μύγας της ελιάς.

"Ο αλγόριθμος δεν θα σας πει γιατί πρόκειται να συμβεί ένα συγκεκριμένο σενάριο», είπε ο Di Paolo. ​"Ωστόσο, εφαρμόζοντάς το, σημειώνουμε ότι τα αποτελέσματα - χειρότερα χρόνια όσον αφορά την παραγωγικότητα και τους αναδυόμενους κλιματικούς στρεσογόνους παράγοντες - συνδέθηκαν εύλογα με τις προσβολές από μύγες ελιάς».

"Αυτό που μας λέει ο αλγόριθμος είναι κάπως έτσι: εάν έχετε αυτές τις συνθήκες, ας πούμε πέντε διαφορετικές μεταβλητές σε ένα δοσμένο χρόνο, τότε είναι πολύ πιθανό η απόδοση της ελιάς να είναι εξαιρετικά χαμηλή», πρόσθεσε.

Μόλις αυτή η προειδοποίηση προέρχεται από τον αλγόριθμο, ένας ειδικός πρέπει να εξετάσει τα δεδομένα για να τα ερμηνεύσει σωστά. ​"Είναι η μύγα της ελιάς ή υπάρχουν άλλοι παράγοντες που πρέπει να εξετάσουμε;» σημείωσε ο Ντι Πάολα.

"Τυποποιήσαμε όλες τις μεταβλητές για να τις κάνουμε συγκρίσιμες σε χρόνο και χώρο και αυτό μας επέτρεψε να δούμε τα πράγματα από ψηλά», πρόσθεσε. ​"Για να γίνει ξεκάθαρο, όταν η έρευνα λέει ότι ένα συγκεκριμένο έναυσμα είναι μια θερμότερη περίοδος από το μέσο όρο, αυτό ίσχυε σε όλες τις επαρχίες της χώρας».

Διερευνώντας ένα ευρύ εύρος της επικράτειας, η γενίκευση του αλγορίθμου αυξάνεται και μπορούν να επιτευχθούν καλύτερες προβλέψεις για ολόκληρο τον τομέα σε ολόκληρη τη χώρα.

"Αυτή είναι μια χρήσιμη εικόνα ολόκληρου του τομέα για όλες τις οντότητες που ενδιαφέρονται να δουν την πλήρη εικόνα», είπε ο Di Paola.

Ο αλγόριθμος, ο οποίος είναι δημόσια προσβάσιμος και μπορεί να ληφθεί και να ενσωματωθεί στα συστήματά τους, μπορεί να είναι χρήσιμος όχι μόνο για την Ιταλία αλλά και για τον ελαιοκομικό τομέα.

"Η μέθοδος που εφαρμόσαμε μπορεί να εξαχθεί σε άλλες χώρες και τομείς», κατέληξε ο Ντι Πάολα. ​"Μόλις τροφοδοτηθεί με τα απαραίτητα δεδομένα, ο αλγόριθμος μπορεί εύκολα να προσαρμοστεί για να κάνει αυτό το είδος εποχιακής πρόβλεψης».

• ΕΝΕΑ