ඉන්දුනීසියාවේ සෘතුමය වැසි පසුව පැමිණෙන විට, ගොවීන් බොහෝ විට එය ඔවුන්ගේ භෝග සඳහා පොහොර සඳහා ආයෝජනය කිරීම වටින්නේ නැති බවට ලකුණක් ලෙස සලකයි.සමහර විට ඔවුන් වාර්ෂික බෝග වගා නොකිරීමට තීරණය කරයි.සාමාන්‍යයෙන්, ඔවුන් නිවැරදි තීරණයක් ගනී, මන්ද වර්ෂා සමයේ ප්‍රමාද ආරම්භය සාමාන්‍යයෙන් El Niño Southern Oscillation (ENSO) තත්ත්වය හා ඉදිරි මාසවල ප්‍රමාණවත් වර්ෂාපතනයක් නොලැබෙන බැවිනි.
"විද්‍යා වාර්තා" හි ප්‍රකාශයට පත් කරන ලද නව පර්යේෂණයෙන් පෙන්නුම් කරන්නේ ENSO යනු සමකය දිගේ පැසිෆික් සාගරය දිගේ උනුසුම් වීමේ සහ සිසිලනය වීමේ කාලගුණික විකෘති චක්‍රයක් වන අතර කොකෝවා ගස අස්වැන්න නෙලීමට වසර දෙකකට පෙර ප්‍රබල අනාවැකියකි.
කුඩා වතු හිමියන්ට, විද්‍යාඥයින්ට සහ ගෝලීය චොකලට් කර්මාන්තයට මෙය හොඳ ආරංචියක් විය හැකිය.අස්වැන්නේ ප්‍රමාණය කල්තියා පුරෝකථනය කිරීමේ හැකියාව ගොවිපල ආයෝජන තීරණ කෙරෙහි බලපෑ හැකිය, නිවර්තන බෝග පර්යේෂණ වැඩසටහන් වැඩිදියුණු කිරීම සහ චොකලට් කර්මාන්තයේ අවදානම් සහ අවිනිශ්චිතතාවයන් අඩු කරයි.
පර්යේෂකයන් පවසන්නේ උසස් යන්ත්‍ර ඉගෙනීම සහ ගොවි සිරිත් විරිත් සහ අස්වැන්න පිළිබඳ දැඩි කෙටි කාලීන දත්ත එකතු කිරීම ඒකාබද්ධ කරන එම ක්‍රමයම කෝපි සහ ඔලිව් ඇතුළු අනෙකුත් වැසි මත යැපෙන භෝග සඳහා ද යෙදිය හැකි බවයි.
මොරොක්කෝවේ අප්‍රිකානු ශාක පෝෂණ ආයතනයේ (APNI) සම-කර්තෘ සහ ව්‍යාපාර සංවර්ධක තෝමස් ඔබර්තර් පැවසුවේ: "මෙම පර්යේෂණයේ ප්‍රධාන නවෝත්පාදනය නම් ඔබට කාලගුණ දත්ත ENSO දත්ත සමඟ ප්‍රතිස්ථාපනය කළ හැකි වීමයි."“මෙම ක්‍රමය භාවිතා කිරීමෙන් ඔබට ENSO හා සම්බන්ධ ඕනෑම දෙයක් ගවේෂණය කළ හැකිය.නිෂ්පාදන සම්බන්ධතා සහිත භෝග.
ලෝකයේ වගා කළ හැකි ඉඩම්වලින් 80% ක් පමණ සෘජු වර්ෂාපතනය මත රඳා පවතී (වාරිමාර්ග වලට ප්‍රතිවිරුද්ධව), එය සමස්ත නිෂ්පාදනයෙන් 60% ක් පමණ වේ.කෙසේ වෙතත්, මෙම ප්‍රදේශ බොහොමයක වර්ෂාපතන දත්ත විරල සහ ඉතා විචල්‍ය වන අතර එමඟින් විද්‍යාඥයින්ට, ප්‍රතිපත්ති සම්පාදකයින්ට සහ ගොවි කණ්ඩායම්වලට කාලගුණික වෙනස්කම් වලට අනුවර්තනය වීමට අපහසු වේ.
මෙම අධ්‍යයනයේදී, පර්යේෂකයන් විසින් අධ්‍යයනයට සහභාගී වන ඉන්දුනීසියානු කොකෝවා ගොවිපලවල කාලගුණ වාර්තා අවශ්‍ය නොවන යන්ත්‍ර ඉගෙනුම් වර්ගයක් භාවිතා කරන ලදී.
ඒ වෙනුවට, ඔවුන් පොහොර යෙදීම, අස්වැන්න සහ ගොවිපල වර්ගය පිළිබඳ දත්ත මත විශ්වාසය තැබූහ.ඔවුන් මෙම දත්ත Bayesian Neural Network (BNN) වෙත සම්බන්ධ කරන ලද අතර ENSO අදියර මගින් අස්වැන්න වෙනස් වීමෙන් 75%ක් පුරෝකථනය කර ඇති බව සොයා ගන්නා ලදී.
වෙනත් වචන වලින් කිවහොත්, අධ්‍යයනයේ බොහෝ අවස්ථාවන්හිදී, පැසිෆික් සාගරයේ මුහුදු මතුපිට උෂ්ණත්වය කොකෝවා බෝංචි අස්වැන්න නිවැරදිව පුරෝකථනය කළ හැකිය.සමහර අවස්ථාවලදී, අස්වැන්න නෙළීමට මාස 25 කට පෙර නිවැරදි අනාවැකි පළ කළ හැකිය.
ආරම්භකයින් සඳහා, නිෂ්පාදනයේ 50% ක වෙනසක් නිවැරදිව පුරෝකථනය කළ හැකි ආකෘතියක් සැමරීමට සාමාන්යයෙන් හැකි ය.බෝග අස්වැන්න පිළිබඳ මෙවැනි දිගු කාලීන අනාවැකි නිරවද්‍යතාව දුර්ලභය.
සන්ධානයේ සම කර්තෘ සහ ගෞරවනීය පර්යේෂක ජේම්ස් කොක් මෙසේ පැවසීය: “මෙමගින් අපට පොහොර පද්ධති වැනි විවිධ කළමනාකරණ පිළිවෙත් අධිස්ථාපනය කිරීමට සහ ඉහළ විශ්වාසයකින් ඵලදායී මැදිහත්වීම් අනුමාන කිරීමට ඉඩ සලසයි.“ජාත්‍යන්තර ජෛව විවිධත්ව සංවිධානය සහ CIAT."මෙය මෙහෙයුම් පර්යේෂණ සඳහා සමස්ත මාරුවකි."
ශාක කායික විද්‍යාඥයෙකු වන කොක් පැවසුවේ සසම්භාවී පාලිත පරීක්ෂණ (RCT) සාමාන්‍යයෙන් පර්යේෂණ සඳහා රන් ප්‍රමිතිය ලෙස සලකනු ලැබුවද, මෙම අත්හදා බැලීම් මිල අධික වන අතර එබැවින් නිවර්තන කෘෂිකාර්මික කලාප සංවර්ධනය කිරීමේදී සාමාන්‍යයෙන් කළ නොහැකි බවයි.මෙහි භාවිතා කරන ක්‍රමය බෙහෙවින් ලාභදායී වන අතර, කාලගුණ වාර්තාවල මිල අධික එකතුවක් අවශ්‍ය නොවේ, වෙනස්වන කාලගුණය තුළ බෝග වඩා හොඳින් කළමනාකරණය කරන්නේ කෙසේද යන්න පිළිබඳ ප්‍රයෝජනවත් මග පෙන්වීමක් සපයයි.
දත්ත විශ්ලේෂක සහ අධ්‍යයනයේ ප්‍රධාන කර්තෘ Ross Chapman (Ross Chapman) සම්ප්‍රදායික දත්ත විශ්ලේෂණ ක්‍රමවලට වඩා යන්ත්‍ර ඉගෙනීමේ ක්‍රමවල ප්‍රධාන වාසි කිහිපයක් පැහැදිලි කළේය.
චැප්මන් පැවසුවේ: “BNN ආකෘතිය සම්මත ප්‍රතිගාමී ආකෘතියට වඩා වෙනස් වන්නේ ඇල්ගොරිතම ආදාන විචල්‍යයන් (මුහුදු මතුපිට උෂ්ණත්වය සහ ගොවිපල වර්ගය වැනි) ගන්නා නිසා සහ පසුව වෙනත් විචල්‍යවල ප්‍රතිචාරය (බෝග අස්වැන්න වැනි) හඳුනා ගැනීමට ස්වයංක්‍රීයව ඉගෙන ගන්නා බැවිනි. ” චැප්මන් කීවේය.“ඉගෙනීමේ ක්‍රියාවලියේදී භාවිතා වන මූලික ක්‍රියාවලිය මිනිස් මොළය සැබෑ ජීවිතයෙන් වස්තූන් සහ රටා හඳුනා ගැනීමට ඉගෙන ගන්නා ක්‍රියාවලියට සමාන වේ.ඊට පටහැනිව, සම්මත ආකෘතියට කෘතිමව ජනනය කරන ලද සමීකරණ හරහා විවිධ විචල්‍යයන් අතින් අධීක්ෂණය අවශ්‍ය වේ.
කාලගුණ දත්ත නොමැති විට, යන්ත්‍ර ඉගෙනීම වඩා හොඳ බෝග අස්වැන්නක් පුරෝකථනය කිරීමට හේතු විය හැකි වුවද, යන්ත්‍ර ඉගෙනුම් ආකෘති නිසි ලෙස ක්‍රියා කළ හැකි නම්, විද්‍යාඥයින් (හෝ ගොවීන් විසින්ම) තවමත් නිශ්චිත නිෂ්පාදන තොරතුරු රැස් කර මෙම දත්ත පහසුවෙන් ලබා ගත යුතුය.
මෙම අධ්‍යයනයේ ඉන්දුනීසියානු කොකෝවා ගොවිපල සඳහා, ගොවීන් විශාල චොකලට් සමාගමක් සඳහා හොඳම පුහුණු වැඩසටහනක කොටසක් බවට පත්ව ඇත.ඔවුන් පොහොර යෙදීම වැනි යෙදවුම් නිරීක්ෂණය කිරීම, විශ්ලේෂණය සඳහා මෙම දත්ත නිදහසේ බෙදා ගැනීම සහ පර්යේෂකයන්ට භාවිතා කිරීම සඳහා දේශීය සංවිධානාත්මක ජාත්‍යන්තර ශාක පෝෂණ ආයතනයේ (IPNI) පිළිවෙලට වාර්තා තබා ගනී.
මීට අමතරව, විද්යාඥයන් මීට පෙර ඔවුන්ගේ ගොවිපල සමාන භූ විෂමතා සහ පාංශු තත්ත්වයන් සහිත සමාන කණ්ඩායම් දහයකට බෙදා ඇත.පර්යේෂකයන් විසින් 2013 සිට 2018 දක්වා අස්වැන්න, පොහොර යෙදීම සහ අස්වැන්න දත්ත ආකෘතියක් ගොඩනැගීම සඳහා භාවිතා කළහ.
කොකෝවා වගාකරුවන් ලබා ගන්නා දැනුම පොහොර සඳහා ආයෝජනය කරන්නේ කෙසේද සහ කවදාද යන්න පිළිබඳ විශ්වාසයක් ලබා දෙයි.මෙම අවාසි සහගත කණ්ඩායම විසින් අත්පත් කර ගන්නා ලද කෘෂි විද්‍යාත්මක කුසලතා සාමාන්‍යයෙන් අයහපත් කාලගුණික තත්ත්වයන් යටතේ සිදුවන ආයෝජන පාඩු වලින් ආරක්ෂා කළ හැකිය.
පර්යේෂකයන් සමඟ ඔවුන්ගේ සහයෝගීතාවයට ස්තූතිවන්ත වන්නට, ඔවුන්ගේ දැනුම දැන් ලෝකයේ වෙනත් ප්‍රදේශවල වෙනත් භෝග වගා කරන්නන් සමඟ යම් ආකාරයකින් බෙදා ගත හැකිය.
Cork පැවසුවේ: "කැප වූ ගොවි IPNI සහ ශක්තිමත් ගොවි ආධාරක සංවිධානයක් වන Community Solutions International හි ඒකාබද්ධ උත්සාහයකින් තොරව, මෙම පර්යේෂණය කළ නොහැකි වනු ඇත."ඔහු බහුවිධ සහයෝගීතාවයේ වැදගත්කම අවධාරණය කළ අතර පාර්ශවකරුවන්ගේ උත්සාහයන් සමබර කළේය.විවිධ අවශ්යතා.
APNI හි Oberthür පැවසුවේ බලගතු පුරෝකථන ආකෘති ගොවීන්ට සහ පර්යේෂකයන්ට ප්‍රයෝජනවත් විය හැකි අතර වැඩිදුර සහයෝගීතාව ප්‍රවර්ධනය කළ හැකි බවයි.
ඔබර්ටූර් පැවසුවේ: "ඔබ එකවර දත්ත රැස් කරන ගොවියෙක් නම්, ඔබට ප්‍රත්‍යක්ෂ ප්‍රතිඵල අත්කර ගත යුතුය.""මෙම ආකෘතියට ගොවීන්ට ප්‍රයෝජනවත් තොරතුරු සැපයිය හැකි අතර දත්ත රැස් කිරීම දිරිගැන්වීමට උපකාරී විය හැක, මන්ද ගොවීන් තම ගොවිපලට ප්‍රතිලාභ ගෙන දෙන දායකත්වයක් ලබා දීමට ඔවුන් කරන බව දකිනු ඇත."

suzy@lstchocolatemachine.com

www.lstchocolatemachine.com