研究人員開發了根據氣候數據預測收穫潛力的演算法
該公開演算法是使用義大利 15 年的數據開發的，用於比較氣候事件的組合如何影響隨後的收成。
阿卡尼斯，克里特島，希臘 近百個生產利益相關者 下載了一個演算法 這可能提供預測橄欖園行為和生產力的能力。
這項新技術是基於對義大利橄欖長期生長週期季節性天氣模式的全面分析。
透過比較橄欖發育和收穫與氣候影響之間的關係，研究人員能夠確定數十種潛在的氣候壓力因素以及它們如何影響橄欖樹的生產力。
請參見：研究人員表示，橄欖農的人工智能工具將提高產量、降低成本研究人員認為，這些資訊可能有助於國家或地區政府、橄欖種植者、生產者和其他相關方預測即將到來的季節如何展開並做出任何農藝或商業調整。
這項新技術源自於 協調項目 包括來自義大利國家研究委員會（CNR）和新技術、能源和永續發展局（ENEA）的科學家以及來自加州大學柏克萊分校的美國研究人員。
“我們正在努力了解哪些[氣候]驅動因素會引發不利條件，以及對橄欖生產造成不利影響的相關可能性，」義大利國家研究中心義大利生物經濟研究所研究員阿里安娜·迪·保拉(Arianna Di Paola)說道。 Olive Oil Times.
“觸發因素的例子有利於傳播的條件 橄欖果蠅 或者冬季高溫可能會改變橄欖週期並影響開花和授粉，」她補充道。
該研究分析了 66 年至 2006 年間義大利 2020 個省份的橄欖收成，利用廣泛的數據來識別壓力源。他們能夠揭示最糟糕的橄欖收成是如何發生的。
“了解當前的季節性使我們能夠預見在不久的將來我們可能會發生什麼，」迪保拉說。
“這些不是季節性預測，季節性預測需要可靠並轉化為可操作的信息，以促進決策過程，這本身就是一個完整的研究領域，」她補充道。 “它們是短期情景，可能支持投資、預防措施、治療或農藝實踐。”
這項研究並沒有停留在確定不利條件的驅動因素上。
“雖然我們還無法預測橄欖的整個物候週期，因為不可能在區域範圍內預測該季節的營養開始，但我們可以做的是，使用日曆，簡單地將橄欖的生命週期分為兩部分：每月分期付款，”迪保拉說。
透過分析多年來影響橄欖產量的變數並每兩個月匯總一次，研究人員定義了一個變數列表，並研究了它們隨著時間的推移如何相互作用。
該分析提供了短期精確預測，研究人員表示，這比單一變數的分析好三倍。
“例如，一件事是說我們度過了一個溫暖的冬天，另一件事是說在那個溫暖的冬天之後，我們還經歷了一個非常潮濕的夏天，這些因素加起來會使情況進一步惡化，”迪保拉說。
分析完成後，研究人員開始研究哪些季節性氣候變因較常與極度惡劣或高產季節相關，而放棄中等產量。
這項選擇的目的是確定在廣泛的空間範圍內，考慮到其他驅動因素的疊加，受氣候變遷影響最大的產量。
“在中期季節，產量可能取決於變量，例如一個種植者與另一個種植者相比所採用的特定農藝技術，或者修剪橄欖所花費的時間以及更多變量，」迪保拉說。
因此，研究人員更感興趣的是觀察豐富和稀缺的極端季節，因為相關條件的影響與單一種植者的行為無關。
“我們大多數人習慣於專注於單一的壓力因素，例如冰凍或熱浪，但即使我們應該設法正確地看待這些單一的壓力因素，如果沒有適當的方法，我們仍然無法將它們與特定的物候階段聯繫起來。現場觀察或模型模擬，」迪保拉說。
“我們試圖消除所有這些影響，以便在整個季節中大規模地綜合考慮它們，」她補充道。
有趣的是，研究人員發現演算法識別的氣候變數與橄欖果蠅現象之間存在關聯。
“該演算法不會告訴你為什麼會發生特定的情況，」迪保羅說。 “然而，透過應用它，我們注意到產出——生產力和新出現的氣候壓力因素方面較差的年份——似乎與橄欖果蠅侵擾有關。”
“該演算法告訴我們的是：如果你有這些條件，比方說在給定時間內有五個不同的變量，那麼橄欖產量很可能會特別低，」她補充道。
一旦演算法發出此警告，專家就必須查看數據以正確解釋它。 “是橄欖果蠅的問題，還是我們應該考慮其他因素？”迪保拉指出。
“我們對所有變數進行標準化，使它們在時間和空間上具有可比性，這使我們能夠從上面看事物，」她補充道。 “需要明確的是，當研究表明特定的觸發因素是比平均水平更溫暖的時期時，全國所有省份都是如此。”
透過探索更廣泛的領土，演算法的泛化能力得到提高，並且可以實現對全國整個行業的更好預測。
“對於所有有興趣了解全局的實體來說，這是整個行業的有用視圖，」迪保拉說。
該演算法可以公開訪問，可以下載並整合到他們的系統中，不僅對義大利而且對橄欖產業都有幫助。
“我們應用的方法可以輸出到其他國家和產業。」迪保拉總結。 “一旦輸入了所需的數據，該演算法就可以輕鬆地進行調整以進行這種季節性預測。”
