Kunstmatige intelligentie en olijfolieteelt en -productie

Kortetermijnscenario’s waarop investeringen kunnen worden gebaseerd, preventieve maatregelen kunnen worden genomen en actie kan worden ondernomen met behulp van agronomische praktijken zullen beschikbaar zijn voor olijfolieproducenten met behulp van Kunstmatige intelligentie (AI), dankzij een internationaal onderzoeksteam.

Het gezamenlijke onderzoeksteam van de Italiaanse Nationale Onderzoeksraad (CNR), de Agentschap voor Nieuwe Technologieën, Energie en Duurzame Ontwikkeling (ENEA) en de Universiteit van California, Berkeley, erin geslaagd een algoritme te ontwikkelen dat daadwerkelijk beschikbaar is voor iedereen die geïnteresseerd is, die de omvang van de oogst van een olijfgaard kan voorspellen op basis van de klimaatgegevens in het specifieke gebied.

Het algoritme leerde deze voorspellingen te doen op basis van de gegevens van de afgelopen 15 jaar uit Italië en ontdekte in essentie de manier waarop verschillende klimaatfenomenen gewassen beïnvloeden. Het algoritme analyseert de weerpatronen tijdens de periode van de olijventeeltcyclus en zo konden de onderzoekers potentiële klimaatrisico's identificeren en hoe deze de productie beïnvloeden.

In totaal werden de oogstgegevens van 66 Italiaanse provincies in de periode 2006-2020 geanalyseerd en uit deze analyse kwamen de factoren naar voren die de slechtste oogsten veroorzaakten. Maar het onderzoek stopte niet bij het identificeren van risicofactoren, maar ging een stap verder en groepeerde vervolgens deze verschillende variabelen per twee maanden, maakte een lijst van variabelen en onderzocht hoe ze in de loop van de tijd op elkaar inwerkten. Ze zijn er dus in geslaagd een kortetermijnvoorspelling te geven, die volgens hen drie keer nauwkeuriger en beter is dan wanneer ze een analyse van één variabele hadden gedaan.

Vervolgens keken ze welke seizoensgebonden klimaatvariabelen slechte of extreem goede oogsten opleverden, en lieten ze de variabelen die bijna gemiddelde oogsten opleverden volledig achterwege. Dit, met andere woorden, door naar het minimum en het maximum te kijken, stelde hen in staat zich in essentie te concentreren op de effecten die klimaatvariabelen hebben op de productie, ongeacht wat elke producent doet.

Ook nuttig wat betreft Bactrocera Oleae (olijffruitvlieg)

De onderzoekers beweren dat als het algoritme wordt getraind met meer geografische gegevens, de voorspellingen die het doet ‘algemener’ zullen worden en daarom op staatsniveau of zelfs groter zullen kunnen worden gebruikt.

Het onderwerp werd uitgelicht door de gespecialiseerde website Olijfolie tijden, waar de onderzoeker die aan het onderzoek deelnam, Ariana Di Paola, verklaarde: “We werken aan het begrijpen van de klimaatindicatoren die slechte omstandigheden kunnen veroorzaken en de daarmee samenhangende mogelijkheid van negatieve gevolgen voor de productie olijf. Voorbeelden van dergelijke indicatoren zijn omstandigheden die de ontwikkeling van de olijfvlieg bevorderen of hoge wintertemperaturen die de olijvencyclus kunnen veranderen en een impact kunnen hebben op de bloei en bestuiving. Door de seizoensinvloeden van elk moment te begrijpen, kunnen we voorspellen wat we in de nabije toekomst kunnen verwachten. Dit zijn kortetermijnscenario’s waarop we investeringen kunnen baseren, preventieve maatregelen kunnen nemen en actie kunnen ondernemen met behulp van agronomische praktijken.”

BRON: Kunstmatige intelligentie: internationaal onderzoeksteam bracht innovatie in de productie van olijfolie – sofokleousin.gr