研究者が気候データから収穫の可能性を予測するアルゴリズムを開発

約 100 人の生産関係者が アルゴリズムをダウンロードしました これにより、オリーブ畑の行動と生産性を予測できる可能性があります。

この新しい技術は、イタリアの長期間にわたるオリーブの成長サイクルにおける季節的な気象パターンの徹底的な分析に基づいています。

オリーブの開発と収穫と気候の影響との関係を比較することで、研究者らは数十の潜在的な気候ストレス要因と、それらがオリーブの木の生産性にどのような影響を与えるかを特定することができました。

研究者らは、この情報が、国や地方の行政、オリーブ栽培者、生産者、その他の関係者が次の季節がどのように展開するかを予測し、農業やビジネスの調整を行うのに役立つ可能性があると考えています。

新しいテクノロジーは、 コーディネートされたプロジェクト イタリア国立研究評議会 (CNR) と新技術・エネルギー・持続可能な開発庁 (ENEA) の科学者、およびカリフォルニア大学 バークレー校のアメリカの研究者が参加しています。

「私たちは、どの[気候]要因が不利な条件を引き起こす可能性があるか、そしてそれに関連してオリーブ生産に悪影響が及ぶ確率を理解することに取り組んでいます」とCNRイタリア生物経済研究所の研究員アリアナ・ディ・パオラ氏は語った。 Olive Oil Times.

「トリガーの例としては、感染の蔓延を促進する条件が挙げられます。 オリーブフルーツフライ あるいは冬の高温により、オリーブのサイクルが変化し、開花や受粉に影響を与える可能性があります」と彼女は付け加えた。

この研究では、幅広いデータを使用してストレス要因を特定するために、66 年から 2006 年にかけてイタリアの 2020 州でのオリーブの収穫を分析しました。彼らは、オリーブの収穫が最悪になった経緯を解明することができました。

「現在進行中の季節性を理解することで、近い将来に何が起こるかを予測することができます」とディ・パオラ氏は語った。

「これらは季節予報ではなく、信頼性が高く、意思決定プロセスを促進するために実用的な情報に変換される必要があり、それ自体が研究の世界です」と彼女は付け加えた。 ​,war「これらは、投資、予防策、治療法、または農業慣行をサポートする可能性のある短期的なシナリオです。」

研究は、不利な状況の原因を特定するだけにとどまりませんでした。

「オリーブの季節サイクル全体をまだ予測することはできませんが、季節の栄養開始を地域規模で予測することは不可能であるため、私たちにできることは、カレンダーを使用して、オリーブのライフサイクルを単純に 2 つに分けることです。月々の分割払いです」とディ・パオラ氏は語った。

研究者は、長年にわたってオリーブの生産に影響を与える変数を分析し、2か月ごとに集計することで、変数のリストを定義し、それらが時間の経過とともにどのように相互作用するかを調べました。

この分析は短期的な精度の予測を提供し、研究者らによると、単一の変数の分析よりも 3 倍優れています。

「たとえば、1つは暖かい冬があったということ、もう1つはその暖かい冬の後に非常に雨の多い夏があったということですが、これらの要因が積み重なってシナリオをさらに悪化させる可能性があります」とディ・パオラ氏は述べた。

分析の準備が完了すると、研究者らは、中程度の収量を無視して、どの季節の気候変数が非常に不作または多収量の季節により頻繁に関連するかを調べました。

この選択は、他の要因が重なっていることを考慮して、広範な空間スケールで気候変動の影響を最も大きく受ける収量を特定することを目的としていました。

「中程度の季節では、収量は、ある栽培者が他の栽培者と比較して特定の農業技術を導入しているか、オリーブの剪定に費やした時間など、さまざまな変数に依存する可能性があります」とディ・パオラ氏は述べた。

したがって、関連する条件は単一の栽培者の行動とは独立して影響を与えるため、研究者は、豊作と希少の極端な季節の両方を調べることにさらに興味を持っていました。

「私たちのほとんどは、凍結や熱波などの単一のストレス要因に焦点を当てることに慣れていますが、たとえそれらの単一のストレス要因を正しく見ることができたとしても、適切な手順がなければ、それらを特定の季節学的段階に関連付けることはできません。現場観察やモデルシミュレーションです」とディ・パオラ氏は語った。

「私たちはこれらすべての影響を平滑化して、大規模かつシーズン全体にわたってまとめて検討しようとしました」と彼女は付け加えた。

興味深いことに、研究者らは、アルゴリズムによって特定された気候変数とオリーブショウジョウバエ現象との間に関連性があることを発見しました。

「アルゴリズムは、なぜ特定のシナリオが発生するのかを教えてくれません」とディパオロ氏は言いました。 ​,war「しかし、それを適用すると、生産性や新たな気候ストレス要因の点で最悪の年となった成果は、オリーブミバエの蔓延とおそらく関連していることがわかりました。」

「アルゴリズムが私たちに伝えることは次のようなものです。これらの条件が揃った場合、たとえば一定期間内に 5 つの異なる変数がある場合、オリーブの収量は非常に低くなる可能性が非常に高いです」と彼女は付け加えた。

この警告がアルゴリズムから発せられると、専門家はデータを調べて正しく解釈する必要があります。 ​,war「それはオリーブショウジョウバエですか、それとも考慮すべき他の要因がありますか?」ディ・パオラ氏はこう指摘した。

「すべての変数を標準化して時間と空間を越えて比較できるようにし、それによって物事を上から見ることができるようになりました」と彼女は付け加えた。 ​,war「明確にしておきますが、研究で特定のトリガーは平均より暖かい時期であるとされていますが、それは国内のすべての州で当てはまります。」

広範囲の地域を調査することでアルゴリズムの汎用性が高まり、国全体の部門全体についてより適切な予測を達成できるようになります。

「これは、全体像を確認したいすべての組織にとって、セクター全体の有益なビューです」とディ・パオラ氏は述べた。

このアルゴリズムは公的にアクセス可能で、ダウンロードしてシステムに統合できるため、イタリアだけでなくオリーブ分野にも役立つ可能性があります。

「私たちが適用した手法は他の国や分野にも輸出できる」とディ・パオラ氏は結論づけた。 ​,war「必要なデータを入力すると、そのような季節予測を行うためにアルゴリズムを簡単に適応させることができます。」

• ENEA