Ο δημόσια διαθέσιμος αλγόριθμος αναπτύχθηκε χρησιμοποιώντας δεδομένα 15 ετών από την Ιταλία για να συγκρίνει τον τρόπο με τον οποίο οι συνδυασμοί κλιματικών αλλαγών επηρέασαν τις συγκομιδές, ενώ περίπου εκατό ενδιαφερόμενοι για την ελαιοκαλλιέργεια έχουν κατεβάσει τον αλγόριθμο που παρέχει τη δυνατότητα πρόβλεψης της συμπεριφοράς αλλά και της παραγωγικότητας ενός ελαιώνα.
Η νέα τεχνολογία βασίζεται σε διεξοδική ανάλυση των εποχιακών καιρικών συνθηκών κατά τη διάρκεια του κύκλου ανάπτυξης της ελιάς.
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.
Το νέο εργαλείο – Τι πιστεύουν οι ερευνητές;
Οι ερευνητές πιστεύουν ότι οι πληροφορίες αυτές θα μπορούσαν να βοηθήσουν εθνικούς ή περιφερειακούς παράγοντες, τους ελαιοπαραγωγούς και άλλα ενδιαφερομένα μέρη να προβλέψουν πώς μπορεί να εξελιχθεί η νέα καλλιεργητική περίοδος και να προβούν σε γεωπονικές ή εμπορικές προσαρμογές.
Η νέα τεχνολογία είναι αποτέλεσμα ενός προγράμματος στο οποίο συμμετείχαν επιστήμονες από το Εθνικό Συμβούλιο Έρευνας της Ιταλίας (CNR) και τον Οργανισμό Νέων Τεχνολογιών, Ενέργειας και Αειφόρου Ανάπτυξης (ENEA), καθώς και Αμερικανοί ερευνητές από το Πανεπιστήμιο της Καλιφόρνιας – Μπέρκλεϊ.
Όπως δήλωσε στην Olive Oil Times η Arianna Di Paola, ερευνήτρια στο Ιταλικό Ινστιτούτο Βιοοικονομίας του CNR: «Εργαζόμαστε για να κατανοήσουμε ποιοι [κλιματικοί] παράγοντες μπορούν να προκαλέσουν δυσμενείς συνθήκες και τη σχετική πιθανότητα να υπάρξουν δυσμενείς επιπτώσεις στην ελαιοπαραγωγή».
«Παραδείγματα παραγόντων είναι οι συνθήκες που ευνοούν την εξάπλωση του δάκου ή οι υψηλές θερμοκρασίες του χειμώνα που μπορούν να μεταβάλουν τον κύκλο της ελιάς και να επηρεάσουν την ανθοφορία και τη γονιμοποίηση». «Η κατανόηση της τρέχουσας εποχικότητας μας επιτρέπει να προβλέψουμε τι μπορούμε να περιμένουμε στο προσεχές μέλλον», δήλωσε η 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, είναι 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 η 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 γεγονός 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 υπερκάλυψης άλλων παραγόντων.
«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 η Di Paola.
«Προσπαθήσαμε να εξομαλύνουμε όλες αυτές τις επιδράσεις για να τις εξετάσουμε μαζί σε μεγάλη κλίμακα και σε ολόκληρες εποχές», πρόσθεσε.
Πώς συνδέεται ο δάκος με την μεταβολή του κλίματος
Είναι ενδιαφέρον ότι οι ερευνητές διαπίστωσαν μια σύνδεση μεταξύ των κλιματικών μεταβλητών που εντοπίστηκαν από τον αλγόριθμο και του φαινομένου του δάκου.
Σημαντικό είναι όμως να αναφέρουμε πως ο αλγόριθμος δεν θα εξηγήσει γιατί θα συμβεί ένα συγκεκριμένο σενάριο. Όμως κατά την εφαρμογή του, διαπιστώνεται πως οι χειρότερες χρονιές από άποψη παραγωγικότητας και οι κλιματικοί παράγοντες πίεσης, ήταν άμεσα συνδεδεμένοι με την αύξηση 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 η Di Paola..
Ο αλγόριθμος, είναι διαθέσιμος στο κοινό και μπορεί ο καθένας να τον κατεβάσει και να τον ενσωματώσει στα συστήματά του.
Καταλήγοντας η Di Paola, τόνισε πως το σημαντικό είναι ότι η συγκεκριμένη μέθοδος, μπορεί να «εξαχθεί» και σε άλλες χώρες του κόσμου καθώς και σε άλλους τομείς, καθώς μόλις έχει όλα τα απαραίτητα δεδομένα ο αλγόριθμος μπορεί να κάνει αντίστοιχες εποχικές προβλέψεις.
