ข้าวสาลีเป็นพืชหลักของออสเตรเลียที่ปลูกในพื้นที่เพาะปลูกมากกว่าครึ่งของประเทศและเป็นสินค้าส่งออกที่สำคัญ ด้วยการใช้ข้าวสาลีอย่างมาก การพยากรณ์ผลผลิตที่แม่นยำจึงเป็นสิ่งจำเป็นในการคาดการณ์ความมั่นคงด้านอาหารและตลาดสินค้าโภคภัณฑ์ในระดับภูมิภาคและระดับโลก การศึกษาใหม่ที่ตีพิมพ์ในอุตุนิยมวิทยาเกษตรและป่าไม้แสดงให้เห็นว่าวิธีการเรียนรู้ด้วยเครื่องสามารถทำนายผลผลิตข้าวสาลีของประเทศได้อย่างถูกต้องเมื่อสองเดือนก่อนที่พืชผลจะโตเต็มที่
เราได้ทดสอบแนวทางการเรียนรู้ด้วยเครื่องต่างๆ
และผสานรวมข้อมูลสภาพอากาศและดาวเทียมขนาดใหญ่ เพื่อให้ได้ข้อมูลการคาดการณ์การผลิตข้าวสาลีสำหรับทั้งประเทศออสเตรเลียที่เชื่อถือได้และแม่นยำ” Kaiyu Guan ผู้ช่วยศาสตราจารย์จาก Department of Natural Resources and Environmental กล่าว Sciences at the University of Illinois, ศาสตราจารย์ Blue Waters ที่ National Center for Supercomputing Applications และผู้วิจัยหลักในการศึกษา “ทีมผู้ทำงานร่วมกันระดับนานาชาติที่เหลือเชื่อที่มีส่วนร่วมในการศึกษาครั้งนี้ได้พัฒนาความสามารถของเราอย่างมากในการคาดการณ์ผลผลิตข้าวสาลีสำหรับออสเตรเลีย ผู้คนพยายามทำนายผลผลิตพืชผลเกือบตราบเท่าที่มีพืชผล ด้วยพลังในการคำนวณที่เพิ่มขึ้นและการเข้าถึงแหล่งข้อมูลต่างๆ การคาดคะเนจึงมีการปรับปรุงอย่างต่อเนื่อง ในช่วงไม่กี่ปีที่ผ่านมา นักวิทยาศาสตร์ได้พัฒนาประมาณการผลผลิตพืชผลที่แม่นยำพอสมควรโดยใช้ข้อมูลสภาพอากาศ ข้อมูลดาวเทียม หรือทั้งสองอย่าง แต่กวนบอกว่ายังไม่ชัดเจนว่าชุดข้อมูลหนึ่งมีประโยชน์มากกว่าชุดอื่นหรือไม่
“ในการศึกษานี้ เราใช้การวิเคราะห์ที่ครอบคลุมเพื่อระบุพลังการพยากรณ์ของข้อมูลสภาพอากาศและดาวเทียม เราอยากรู้ว่าแต่ละคนมีส่วนช่วยอะไรบ้าง” เขากล่าว “เราพบว่าข้อมูลสภาพภูมิอากาศเพียงอย่างเดียวนั้นค่อนข้างดี แต่ข้อมูลดาวเทียมให้ข้อมูลเพิ่มเติมและนำประสิทธิภาพการคาดการณ์ผลผลิตไปสู่ระดับถัดไป”
การใช้ทั้งชุดข้อมูลสภาพอากาศและดาวเทียม นักวิจัยสามารถคาดการณ์ผลผลิตข้าวสาลีได้อย่างแม่นยำประมาณ 75 เปอร์เซ็นต์เมื่อสองเดือนก่อนสิ้นสุดฤดูปลูก
“โดยเฉพาะอย่างยิ่ง เราพบว่าข้อมูลดาวเทียมสามารถค่อยๆ จับความแปรปรวนของผลผลิตพืชผลได้ ซึ่งสะท้อนถึงข้อมูลสภาพอากาศที่สะสมไว้ด้วย ข้อมูลภูมิอากาศที่ไม่สามารถบันทึกได้ด้วยข้อมูลดาวเทียมถือเป็นส่วนสำคัญในการทำนายผลผลิตข้าวสาลีตลอดฤดูปลูก” ยาผิง ไค นักศึกษาปริญญาเอกและผู้เขียนนำการศึกษากล่าว
ผู้เขียนร่วม David Lobell จากมหาวิทยาลัยสแตนฟอร์ดกล่าวเสริมว่า “เรายังเปรียบเทียบพลังการทำนายของวิธีการทางสถิติแบบดั้งเดิมกับอัลกอริธึมการเรียนรู้ด้วยเครื่องสามชุดและอัลกอริธึมการเรียนรู้ด้วยเครื่องมีประสิทธิภาพเหนือกว่าวิธีการแบบเดิมในทุกกรณี” Lobell ริเริ่มโครงการในช่วงวันหยุดปี 2558 ที่ออสเตรเลีย
นักวิจัยกล่าวว่า ผลลัพธ์นี้สามารถนำไปใช้ในการปรับปรุงการคาดการณ์เกี่ยวกับการเก็บเกี่ยวข้าวสาลีของออสเตรเลียในอนาคต โดยผลกระทบที่อาจเกิดขึ้นต่อเศรษฐกิจของออสเตรเลียและภูมิภาค นอกจากนี้ พวกเขายังมองโลกในแง่ดีว่าวิธีการนี้สามารถแปลเป็นพืชผลอื่น ๆ ในส่วนอื่น ๆ ของโลกได้
“ภารกิจส่วนหนึ่งของ Berkeley Lab คือการทำความเข้าใจให้มากขึ้นว่าพืชตอบสนองต่อสภาวะแวดล้อมที่เปลี่ยนแปลงไปอย่างไร และเราจะนำความเข้าใจนี้ไปประยุกต์ใช้พืชให้เกิดประโยชน์สูงสุดได้อย่างไร” Christine Shulse ผู้เขียนคนแรกซึ่งปัจจุบันเป็นบริษัทในเครือ JGI กล่าว “ในงานนี้ เราได้สร้างแผนที่การแสดงออกของยีนในเซลล์แต่ละชนิดจากพืชชนิดเดียวภายใต้สภาวะแวดล้อมสองอย่าง ซึ่งเป็นขั้นตอนแรกที่สำคัญ”
นักวิจัยจากมหาวิทยาลัยฟลอริดา, คอร์เนลล์, กระทรวงเกษตรของสหรัฐอเมริกา, มหาวิทยาลัยแห่งรัฐเพนซิลวาเนีย, มหาวิทยาลัยโพลีเทคนิคแห่งวาเลนเซีย, มหาวิทยาลัยจอร์เจีย และสถาบันวิทยาศาสตร์การเกษตรแห่งจีนก็เข้าร่วมการศึกษาด้วยเช่นกัน
งานวิจัยนี้ได้รับการสนับสนุนจากทุนสนับสนุนจาก US National Science Foundation, European Research Area Network for Coordinating Action in Plant Sciences, USDA-ARS และ US-Israel Binational Agricultural Research and Development Fund
Credit : storenikeairmax.net museodeartesbegijar.com tokaisailing.net krbreims.com morfisbixur.com lockpickingspain.com 2aokhoacnu.net paydexengineering.com portengine.net farmaciaonlinetop.net
