ساخت مزارع مقاوم در برابر آب و هوا: چگونه هوش مصنوعی و تجزیه و تحلیل پیش‌بینانه می‌توانند به مقابله با حملات آفات و تغییرات شدید آب و هوایی کمک کنند

در سراسر جهان، آب و هوای نامساعد و هجوم آفات، درآمد کشاورزان را کاهش داده و امنیت غذایی را تهدید می‌کند؛ سازمان ملل متحد تغییرات اقلیمی را به عنوان یکی از بزرگترین خطرات بشریت فهرست کرده است.

وقتی باران‌های بی‌موقع اوایل امسال بخش‌هایی از ماهاراشترا را درنوردید، کشاورزان درمانده شاهد پژمرده شدن محصولاتشان بودند. برخی تازه از یک دوره خشکسالی طولانی مدت بهبود یافته بودند، در حالی که برخی دیگر با شیوع ناگهانی مگس سفید و کپک کرکی دست و پنجه نرم می‌کردند.

در کشمیر و هیماچال پرادش، کشاورزان سیب با اختلالات مشابهی روبرو شدند، در حالی که کشاورزان برنج در پنجاب با بارندگی نامنظم دست و پنجه نرم می‌کردند. این وقایع یادآوری آشکاری از چگونگی غیرقابل پیش‌بینی شدن کشاورزی در دوران تغییرات اقلیمی است.

در سراسر جهان، آب و هوای نامساعد و هجوم آفات، درآمد کشاورزان را کاهش داده و امنیت غذایی را تهدید می‌کند. سازمان ملل متحد، تغییرات اقلیمی را به عنوان یکی از بزرگترین خطرات بشریت فهرست کرده است.

طبق گزارش سازمان غذا و کشاورزی (FAO)، آفات هر ساله باعث 20 تا 40 درصد از تلفات محصولات کشاورزی در جهان می‌شوند. با تشدید شرایط نامساعد جوی، کشاورزی به مناطق جدید آسیب‌پذیری سوق داده می‌شود. دانش کشاورزی سنتی – که بر اساس نسل‌ها مشاهده بنا شده است – دیگر کافی نیست. کشاورزان امروز به آینده‌نگری نیاز دارند: توانایی پیش‌بینی تهدیدات قبل از وقوع آنها.

به لطف هوش مصنوعی (AI) و تجزیه و تحلیل‌های پیش‌بینی‌کننده، این پیش‌بینی در دسترس است. تغییرات اقلیمی در حال بازنویسی قوانین کشاورزی است، زیرا جو گرم‌تر هم باعث بارندگی‌های شدید و هم خشکسالی‌های طولانی می‌شود.

هیئت بین دولتی تغییرات اقلیمی (IPCC) هشدار می‌دهد که چنین شرایط نامساعدی، مکررتر و شدیدتر می‌شوند. محصولاتی که زمانی در آب و هوای پایدار رشد می‌کردند، اکنون با تنش گرمایی، بارندگی نامنظم و سیل مواجه هستند – همه اینها در یک فصل.

برخی از کاربردهای امیدوارکننده عبارتند از:

• پیش‌بینی آفات : الگوریتم‌های آموزش‌دیده بر اساس داده‌های تاریخی و مراحل رشد محصول می‌توانند دوره‌های پرخطر را در زمانی که آفات، میزبان‌ها و شرایط آب و هوایی با هم هماهنگ می‌شوند، پیش‌بینی کنند.
• بینش‌های آب و هوایی فرامحلی : هوش مصنوعی همراه با داده‌های ماهواره‌ای، رادار و حسگرهای خرد اقلیمی می‌تواند پیش‌بینی‌هایی در سطح مزرعه ارائه دهد و هشدارهای عملی در مورد بارندگی، امواج گرما یا یخبندان ارائه دهد.
• هشدارهای کاهش ریسک: به جای نمودارهای پیچیده، کشاورزان توصیه‌های کاربردی مانند «سم‌پاشی فردا عصر» یا «آبیاری بعد از دو روز» دریافت می‌کنند.

مدل‌های یادگیری ماشینی می‌توانند با تجزیه و تحلیل مجموعه داده‌های گسترده – سلامت خاک، سوابق آب و هوا، مراحل رشد محصول و روند مهاجرت آفات – هشدارهای اولیه ایجاد کنند.