Βραχυπρόθεσμα σενάρια στα οποία μπορούν να στηριχθούν επενδύσεις, η λήψη αποτρεπτικών μέτρων και η ανάληψη δράσης με αγρονομικές πρακτικές θα έχουν στη διάθεσή τους με τη βοήθεια της τεχνητής νοημοσύνης οι παραγωγοί ελαιόλαδου, χάρη σε διεθνή ερευνητική ομάδα.
Η μεικτή ερευνητική ομάδα από το Ιταλικό Εθνικό Ερευνητικό Συμβούλιο (CNR), την Υπηρεσία για τις Νέες Τεχνολογίες, την Ενέργεια και την Βιώσιμη Ανάπτυξη (ΕΝΕΑ) και το Πανεπιστήμιο Μπέρκλεϊ της Καλιφόρνια, κατάφεραν να αναπτύξουν έναν αλγόριθμο που μάλιστα είναι διαθέσιμος προς κάθε ενδιαφερόμενο, ο οποίος μπορεί να προβλέψει το μέγεθος της σοδειάς ενός ελαιώνα με βάση και τα κλιματικά δεδομένα στην συγκεκριμένη περιοχή.
Ο αλγόριθμος έμαθε να κάνει τις προβλέψεις αυτές βασιζόμενος σε δεδομένα της τελευταίας 15ετίας από την Ιταλία και στην ουσία βρήκε τον τρόπο με τον οποίο τα διάφορα κλιματικά φαινόμενα επηρεάζουν τις σοδειές. Ο αλγόριθμος αναλύει τα καιρικά μοτίβα κατά την περίοδο του κύκλου ανάπτυξης της ελιάς και έτσι οι ερευνητές κατάφεραν να ταυτοποιήσουν πιθανούς κλιματικούς κινδύνους και πως αυτοί επηρεάζουν την παραγωγή.
Συνολικά αναλύθηκαν τα δεδομένα των σοδειών από 66 ιταλικές επαρχίες κατά την περίοδο 2006-2020 και από αυτή την ανάλυση αποκαλύφθηκαν οι παράγοντες εκείνοι που προκάλεσαν τις χειρότερες σοδειές. Η έρευνα όμως δεν σταμάτησε στην ταυτοποίηση των παραγόντων κινδύνου, αλλά πήγε ένα βήμα παρακάτω και στην συνέχεια ομαδοποίησε αυτές τις διαφορετικές μεταβλητές ανά δίμηνο, φτιάχνοντας μια λίστα μεταβλητών και εξετάζοντας πως αυτές αλληλεπιδρούσαν μέσα στον χρόνο. Έτσι κατάφεραν να μπορούν να παρέχουν μια βραχυπρόθεσμη πρόβλεψη, η οποία όπως τονίζουν είναι τρεις φορές πιο ακριβής και καλύτερη από ότι αν είχαν κάνει ανάλυση με μια μόνο μεταβλητή.
Στην συνέχεια εξέτασαν ποιες είναι οι εποχικές κλιματικές μεταβλητές που είτε δίνουν κακές σοδειές είτε υπερβολικά καλές και άφησαν εντελώς στην άκρη αυτές που έδιναν σοδειές στον κοντά στον μέσο όρο. Αυτό, το να εξετάσουν δηλαδή το ελάχιστο και το μέγιστο, τους έδωσε την δυνατότητα να εστιάσουν ουσιαστικά στα αποτελέσματα που έχουν οι κλιματικές μεταβλητές στην παραγωγή, ανεξάρτητα από το τι κάνει ο κάθε παραγωγός.
Και για το δάκο
Οι ερευνητές υποστηρίζουν πως εάν ο αλγόριθμος συνεχίσει να εκπαιδεύεται με περισσότερα γεωγραφικά δεδομένα τόσο πιο «γενικές» θα γίνονται οι προβλέψεις που κάνει και άρα θα μπορεί να χρησιμοποιηθεί σε κλίμακα κράτους ή και ακόμα μεγαλύτερη.
Το θέμα ανέδειξε η εξειδικευμένη ιστοσελίδα Olive Oil Times, όπου η ερευνήτρια που συμμετείχε στην έρευνα, Αριάνα Ντι Πάολα ανέφερε πως: «Εργαζόμαστε στο να καταλάβουμε τους κλιματικούς δείκτες που μπορούν να πυροδοτήσουν κακές συνθήκες και την συναφή πιθανότητα να υπάρξουν αρνητικές συνέπειες για την παραγωγή της ελιάς. Παραδείγματα τέτοιων δεικτών είναι οι συνθήκες που ευνοούν την ανάπτυξη του δάκου ή τις υψηλές θερμοκρασίες των χειμώνα που μπορεί να μεταβάλλουν τον κύκλο της ελιάς και να έχουν αντίκτυπο στην ανθοφορία και την επικονίαση. Το να κατανοήσουμε την εποχικότητα κάθε στιγμή, μας δίνει την δυνατότητα να προβλέψουμε τι θα πρέπει να περιμένουμε στο εγγύς μέλλον. Αυτά είναι βραχυπρόθεσμα σενάρια στα οποία μπορούν να στηριχθούν επενδύσεις, λήψη αποτρεπτικών μέτρων και η ανάληψη δράσης με αγρονομικές πρακτικές».
