Ο δημόσια διαθέσιμος αλγόριθμος αναπτύχθηκε χρησιμοποιώντας δεδομένα 15 ετών από την Ιταλία για να συγκρίνει πώς οι συνδυασμοί κλιματικών γεγονότων επηρέασαν τις επόμενες συγκομιδές
Σχεδόν εκατό ενδιαφερόμενοι για την παραγωγή έχουν κατεβάσει έναν αλγόριθμο που μπορεί να παρέχει τη δυνατότητα πρόβλεψης της συμπεριφοράς και της παραγωγικότητας ενός ελαιώνα.
Η νέα τεχνολογία βασίζεται σε ενδελεχή ανάλυση των εποχιακών καιρικών συνθηκών κατά τη διάρκεια του κύκλου ανάπτυξης της ελιάς για μεγάλο χρονικό διάστημα 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 τον τρόπο με τον οποίο επηρεάζουν την παραγωγικότητα των ελαιόδεντρων.
Οι ερευνητές πιστεύουν ότι οι πληροφορίες αυτές θα μπορούσαν να βοηθήσουν τις εθνικές ή περιφερειακές διοικήσεις, τους ελαιοπαραγωγούς, τους παραγωγούς και άλλα ενδιαφερόμενα μέρη να προβλέψουν πώς μπορεί να εξελιχθεί η επερχόμενη περίοδος και να προβούν σε γεωπονικές ή επιχειρηματικές προσαρμογές.
Η νέα τεχνολογία είναι αποτέλεσμα ενός συντονισμένου έργου στο οποίο συμμετέχουν επιστήμονες από το Ιταλικό Εθνικό Συμβούλιο Έρευνας (CNR) και τον Οργανισμό Νέων Τεχνολογιών, Ενέργειας και Αειφόρου Ανάπτυξης (ENEA), καθώς και Αμερικανοί ερευνητές από το Πανεπιστήμιο της Καλιφόρνιας - Μπέρκλεϊ.
"Εργαζόμαστε για να κατανοήσουμε ποιοι [κλιματικοί] παράγοντες μπορούν να προκαλέσουν δυσμενείς συνθήκες και τη σχετική πιθανότητα να υπάρξουν επιζήμιες επιπτώσεις στην ελαιοπαραγωγή", δήλωσε στην Olive Oil Times η Arianna Di Paola, ερευνήτρια στο Ιταλικό Ινστιτούτο Βιοοικονομίας του CNR.
"Παραδείγματα εκλυτικών παραγόντων είναι οι συνθήκες που ευνοούν την εξάπλωση της μύγας του δάκου της ελιάς ή οι υψηλές θερμοκρασίες του χειμώνα που μπορούν να μεταβάλουν τον κύκλο της ελιάς και να επηρεάσουν την ανθοφορία και την επικονίαση", πρόσθεσε η ίδια.
Η έρευνα ανέλυσε τις συγκομιδές ελιάς σε 66 ιταλικές επαρχίες μεταξύ 2006 και 2020 για τον εντοπισμό των παραγόντων πίεσης χρησιμοποιώντας ένα ευρύ φάσμα δεδομένων. Κατάφεραν να αποκαλύψουν πώς προέκυψαν οι χειρότερες συγκομιδές ελιάς.
"Η κατανόηση της τρέχουσας εποχικότητας μας επιτρέπει να προβλέψουμε τι μπορούμε να περιμένουμε στο εγγύς μέλλον", δήλωσε ο Di Paola.
"Δεν πρόκειται για εποχικές προβλέψεις, οι οποίες απαιτείται να είναι αξιόπιστες και να μεταφράζονται σε εφαρμόσιμες πληροφορίες για τη διευκόλυνση της διαδικασίας λήψης αποφάσεων, ένας ολόκληρος κόσμος έρευνας από μόνος του", πρόσθεσε. "Πρόκειται για βραχυπρόθεσμα σενάρια που θα μπορούσαν να υποστηρίξουν επενδύσεις, προληπτικά μέτρα, θεραπείες ή γεωπονικές πρακτικές".
Η έρευνα δεν σταμάτησε στον εντοπισμό των παραγόντων που οδηγούν σε δυσμενείς συνθήκες.
"Αν και δεν μπορούμε ακόμη να προβλέψουμε ολόκληρο τον φαινολογικό κύκλο της ελιάς, καθώς δεν είναι δυνατόν να προβλέψουμε τη βλαστική έναρξη της εποχής σε περιφερειακή κλίμακα, αυτό που μπορούμε να κάνουμε είναι, χρησιμοποιώντας ένα ημερολόγιο, να χωρίσουμε απλώς τον κύκλο ζωής της ελιάς σε δίμηνες δόσεις", δήλωσε ο Di Paola.
Αναλύοντας τις μεταβλητές που επηρεάζουν την ελαιοπαραγωγή κατά τη διάρκεια των ετών και συγκεντρώνοντάς τες ανά δίμηνο, οι ερευνητές καθόρισαν έναν κατάλογο των μεταβλητών και εξέτασαν τον τρόπο με τον οποίο 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 μόνο μεταβλητής.
"Για παράδειγμα, ένα πράγμα είναι να πούμε ότι είχαμε έναν θερμότερο χειμώνα, ένα άλλο είναι να πούμε ότι μετά από αυτόν τον θερμό χειμώνα, είχαμε επίσης ένα πολύ υγρό καλοκαίρι, παράγοντες που μπορούν να αθροιστούν και να επιδεινώσουν περαιτέρω το σενάριο", δήλωσε ο Di Paola.
Μόλις η ανάλυση ήταν έτοιμη, οι ερευνητές εξέτασαν ποιες εποχιακές κλιματικές μεταβλητές συνδέονταν συχνότερα με εξαιρετικά κακές ή υψηλής απόδοσης εποχές, απορρίπτοντας τις μεσαίες αποδόσεις.
Η επιλογή αυτή αποσκοπούσε στον εντοπισμό των αποδόσεων που, σε ευρεία χωρική κλίμακα, επηρεάζονταν περισσότερο από την κλιματική μεταβλητότητα, δεδομένης της υπέρθεσης άλλων παραγόντων.
"Σε εποχές μεσαίας κλίμακας, οι αποδόσεις μπορεί να εξαρτώνται από μεταβλητές όπως η ανάπτυξη συγκεκριμένων γεωπονικών τεχνικών από έναν παραγωγό σε σύγκριση με έναν άλλο, ή από τον χρόνο που δαπανάται για το κλάδεμα των ελιών και πολλές άλλες μεταβλητές", δήλωσε 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 κάθε καλλιεργητή.
"Οι περισσότεροι από εμάς έχουμε συνηθίσει να εστιάζουμε σε μεμονωμένους παράγοντες στρες, όπως ένα ψύχος ή ένας καύσωνας, αλλά ακόμη και αν καταφέρναμε να εξετάσουμε σωστά αυτούς τους μεμονωμένους παράγοντες στρες, δεν θα μπορούσαμε να τους συσχετίσουμε με ένα συγκεκριμένο φαινολογικό στάδιο χωρίς κατάλληλες παρατηρήσεις πεδίου ή προσομοιώσεις μοντέλων", δήλωσε ο Di Paola.
"Προσπαθήσαμε να εξομαλύνουμε όλες αυτές τις επιδράσεις για να τις εξετάσουμε μαζί σε μεγάλη κλίμακα και σε ολόκληρες εποχές", πρόσθεσε.
Είναι ενδιαφέρον ότι οι ερευνητές βρήκαν μια σύνδεση μεταξύ των κλιματικών μεταβλητών που εντοπίστηκαν από τον αλγόριθμο και του φαινομένου της μύγας του δάκου της ελιάς.
"Ο αλγόριθμος δεν θα σας πει γιατί θα συμβεί ένα συγκεκριμένο σενάριο", δήλωσε ο Di Paolo. "Ωστόσο, εφαρμόζοντάς τον, διαπιστώνουμε ότι οι έξοδοι - χειρότερα έτη από άποψη παραγωγικότητας και αναδυόμενοι κλιματικοί παράγοντες πίεσης - ήταν εύλογα συνδεδεμένοι με τις προσβολές της μύγας του δάκου της ελιάς".
"Αυτό που μας λέει ο αλγόριθμος είναι κάτι σαν: εάν έχετε αυτή τη σειρά συνθηκών, ας πούμε πέντε διαφορετικές μεταβλητές σε μια δεδομένη χρονική περίοδο, τότε είναι πολύ πιθανό η απόδοση της ελιάς να είναι εξαιρετικά χαμηλή", πρόσθεσε.
Από τη στιγμή που αυτή η προειδοποίηση προέρχεται από τον αλγόριθμο, ένας ειδικός πρέπει να εξετάσει τα δεδομένα για να τα ερμηνεύσει σωστά. "Φταίει η μύγα του δάκου της ελιάς ή υπάρχουν άλλοι παράγοντες που πρέπει να λάβουμε υπόψη μας;". σημείωσε η Di Paola.
"Τυποποιήσαμε όλες τις μεταβλητές για να τις καταστήσουμε συγκρίσιμες στο χρόνο και στο χώρο και αυτό μας επέτρεψε να δούμε τα πράγματα από ψηλά", πρόσθεσε. "Για να γίνει σαφές, όταν η έρευνα λέει ότι ένα συγκεκριμένο έναυσμα είναι μια θερμότερη περίοδος από τον μέσο όρο, αυτό ίσχυε σε όλες τις επαρχίες της χώρας".
Με τη διερεύνηση ενός μεγάλου εύρους της επικράτειας, η γενίκευση του αλγορίθμου αυξάνεται και μπορούν να επιτευχθούν καλύτερες προβλέψεις για ολόκληρο τον τομέα σε ολόκληρη τη χώρα.
"Πρόκειται για μια χρήσιμη άποψη ολόκληρου του τομέα για όλες τις οντότητες που ενδιαφέρονται να εξετάσουν την πλήρη εικόνα", δήλωσε ο Di Paola.
Ο αλγόριθμος, ο οποίος είναι προσβάσιμος από το κοινό και μπορούν να τον κατεβάσουν και να τον ενσωματώσουν στα συστήματά τους, μπορεί να είναι χρήσιμος όχι μόνο για την Ιταλία αλλά και για τον τομέα της ελιάς.
"Η μέθοδος που εφαρμόσαμε μπορεί να εξαχθεί σε άλλες χώρες και τομείς", κατέληξε ο Di Paola. "Μόλις τροφοδοτηθεί με τα απαραίτητα δεδομένα, ο αλγόριθμος μπορεί εύκολα να προσαρμοστεί για να κάνει τέτοιου είδους εποχικές προβλέψεις".