کامپیوتر چه نقشی می‌تواند در حوزه کشاورزی ارائه دهد در حالی که انسان‌ها نیمی از زمین‌های جهان را از نظر فیزیکی بازسازی کرده‌اند تا فقط هشت محصول اصلی ذرت، سویا، گندم، برنج، کاساوا، سورگوم، سیب‌زمینی شیرین و سیب‌زمینی را پرورش دهند.
به گزارش «کانسرویشن»، این محصولات، اکثریت قریب به اتفاق کالری مصرفی مردم در سراسر جهان را تشکیل می‌دهند با این حال، با افزایش جمعیت جهان، فشار برای گسترش بیشتر تولید وجود دارد.
بسیاری از کارشناسان استدلال می‌کنند که گسترش بیشتر کشاورزی مدرن صنعتی – که به شدت به کودهای مصنوعی، آفت‌کش‌های شیمیایی و دان های پرمحصول متکی است، راه درستی برای تغذیه جمعیت رو به رشد جهان نیست.
از نظر آنها، این رویکرد از نظر اکولوژیکی یا اقتصادی پایدار نیست و کشاورزان و دانشمندان به طور یکسان احساس می‌کنند در این سیستم گرفتار شده‌اند.
چگونه جوامع می توانند یک سیستم غذایی ایجاد کنند که نیازهای آنها را برآورده کند و همچنین سالم‌تر و متنوع‌تر باشد؟ افزایش مقیاس روش‌های جایگزین، مانند کشاورزی ارگانیک، به اندازه کشاورزی صنعتی دشوار است.
نتایج یک مطالعه
در یک مطالعه اخیر، این مشکل از دیدگاه یک دانشمند کامپیوتر و یک دانشمند کشاورزی بررسی شده است.
دانشمندانی چون «برایان رانک»، «آدام استرید»، «دایان آر. وانگ» و «پاتریک ام. اوینگ» با استفاده از یک ایده مرکزی از علوم کامپیوتر – انتزاع – که داده‌ها و مفاهیم را خلاصه و سازماندهی می‌کند، راهی برای بازنگری در نحوه طراحی و پیاده‌سازی سیستم‌های کشاورزی پیشنهاد داده‌اند.
خروجی بزرگ، تاثیرات بزرگ
کشاورزی مدرن تنها در طی چند دهه در اواسط قرن بیستم شدت گرفت و پیشرفت‌های تکنولوژیکی از جمله توسعه کودهای مصنوعی و روش‌های آماری که اصلاح نباتات را بهبود بخشید، منجر شد.
این پیشرفت‌ها این امکان را برای مزارع فراهم کرده است که مقادیر بسیار بیشتری غذا تولید کنند و کشاورزی در مقیاس بزرگ با تبدیل مناظر طبیعی به مزارع کشت تک‌کشتی به تغییر آب و هوا، دریاچه‌ها و خلیج‌های آلوده با رواناب مواد مغذی و تسریع تلفات گونه‌ها همراه بوده است.
بسیاری از کشاورزان و محققان کشاورزی ایالات متحده مایلند که طیف وسیع‌تری از محصولات را پرورش دهند و از روش‌های کشاورزی پایدارتر استفاده کنند.
اما برای آنها دشوار است که بفهمند چه سیستم‌های جدیدی می‌توانند در یک آب‌وهوای متغیر با یک عملکرد خوب داشته باشند.
سیستم‌های کشاورزی کم‌تأثیر اغلب به دانش محلی عمیق، به‌علاوه درک دایره‌المعارفی گیاهان، مدل‌سازی آب و هوا و اقلیم، زمین‌شناسی و موارد دیگر نیاز دارند.
مزارع به عنوان انواع حالت‌ها
هنگامی که دانشمندان کامپیوتر در مورد مسائل پیچیده فکر می نند، اغلب از مفهومی به نام فضای حالت استفاده می کنند. این رویکرد به صورت ریاضی تمام راه‌های ممکنی را که یک سیستم را می‌توان پیکربندی کرد، نشان می‌دهد.
حرکت در فضا مستلزم انتخاب است و این انتخاب‌ها وضعیت سیستم را برای بهتر یا بدتر شدن تغییر می‌دهند.
به عنوان مثال، یک بازی شطرنج با یک تخته و دو بازیکن را در نظر بگیرید. هر پیکربندی تخته در یک لحظه از زمان یک حالت واحد از بازی است. وقتی بازیکنی حرکتی انجام می‌دهد، بازی را به حالت دیگری منتقل می‌کند.
کل بازی را می‌توان با فضای حالت آن توصیف کرد – همه حالت‌های ممکن که بازی می‌تواند از طریق حرکات معتبر بازیکنان انجام دهد. در طول بازی، هر بازیکن به دنبال حالت‌هایی است که برای آنها بهتر است.
ما می توانیم یک سیستم کشاورزی را به عنوان یک فضا در یک اکوسیستم خاص در نظر بگیریم. یک مزرعه و طرح گونه‌های گیاهی آن در هر لحظه از زمان نشان دهنده یک حالت در آن فضای حالت است. کشاورز به دنبال حالت‌های بهتر است و سعی می‌کند از حالت‌های بد جلوگیری کند.
هم انسان‌ها و هم طبیعت، مزرعه را از حالتی به حالت دیگر تغییر می‌دهند. در هر روز، کشاورز ممکن است ده‌ها کار مختلف روی زمین انجام دهد.
فعالیت‌هایی مانند خاک‌ورزی، کاشت، وجین، برداشت یا افزودن کود، باعث تغییر حالت‌های جزئی مانند رشد گیاهان و بارش باران و تغییر حالت بسیار چشمگیرتر در هنگام بلایای طبیعی مانند سیل یا آتش‌سوزی می‌شود.
یافتن هم‌افزایی
مشاهده یک سیستم کشاورزی به عنوان فضا و انواع حالت ها، این امکان را فراهم می‌کند که گزینش‌های کشاورزان را فراتر از گزینه‌های محدودی که سیستم‌های کشاورزی امروزی ارائه می‌دهند، گسترش دهد.
کشاورزان انفرادی، زمان یا توانایی انجام آزمون و خطا را برای سال‌ها در زمین خود ندارند.
اما یک سیستم محاسباتی می‌تواند از دانش کشاورزی از بسیاری از محیط‌ها و مکاتب فکری مختلف استفاده کند تا یک بازی شطرنج استعاری با طبیعت انجام دهد که به کشاورزان کمک می‌کند تا بهترین گزینه‌ها را برای زمین خود شناسایی کنند.
کشاورزی متعارف، کشاورزان را به چند انتخاب از گونه‌های گیاهی، روش‌های کشاورزی و نهاده‌ها محدود می‌کند.
چارچوب این امکان را فراهم می‌کند که استراتژی‌های سطح بالاتر را در نظر بگیریم، مانند رشد چندین محصول با هم یا یافتن تکنیک های مدیریتی که به بهترین وجه برای یک قطعه زمین خاص مناسب است.
کاربران می‌توانند فضای حالت را جستجو کنند تا در نظر بگیرند که چه ترکیبی از روش‌ها، گونه‌ها و مکان‌ها می‌توانند به آن اهداف دست یابند.
به عنوان مثال، اگر دانشمندی بخواهد پنج تناوب زراعی را آزمایش کند، با افزایش توالی برنامه‌ریزی شده محصولات در همان مزارع – که هر چهار سال طول می‌کشد و هفت گونه گیاهی رشد می‌کند که نشان دهنده 721 تناوب بالقوه است.
این رویکرد می‌تواند از اطلاعات حاصل از تحقیقات طولانی مدت زیست محیطی برای کمک به یافتن بهترین سیستم‌های بالقوه برای آزمایش استفاده کند.
یکی از مناطقی که پتانسیل بالایی در آن مشاهده می‌شود، کشت مخلوط است، رشد گیاهان مختلف در مخلوط یا نزدیک به هم است که در این حالت، بسیاری از ترکیبات به خوبی رشد می‌کنند و هر گیاه به نحوی، به دیگران کمک می‌کند.
آشناترین نمونه «سه خواهر» – ذرت، کدو و لوبیا – است که توسط کشاورزان بومی قاره آمریکا توسعه یافته است.
ساقه‌های ذرت برای بالا رفتن از تاک‌های لوبیا به‌عنوان پایه عمل می‌کنند، در حالی که برگ‌های کدو بر روی زمین سایه می‌اندازند، آن را مرطوب نگه می‌دارند و از جوانه زدن علف‌های هرز جلوگیری می‌کنند.
باکتری‌های موجود در ریشه گیاهان لوبیا نیتروژن، یک ماده مغذی ضروری را برای هر سه گیاه فراهم می‌کنند.
فرهنگ‌ها در طول تاریخ بشر، سیستم‌های کشت مخلوط مورد علاقه خود را با هم‌افزایی مشابه داشته اند، مانند زردچوبه و انبه یا ارزن، لوبیا چشم بلبلی و زیزیفوس که معمولاً به عنوان خرمای قرمز شناخته می‌شود.
و کار جدید روی agrivoltaics نشان می‌دهد که ترکیب پنل‌های خورشیدی و کشاورزی می‌تواند به طرز شگفت‌آوری کار کند.
این پنل‌ها تا حدی روی محصولاتی که در زیر آنها رشد می‌کنند سایه می‌اندازند و کشاورزان با تولید انرژی تجدیدپذیر در زمین‌هایشان درآمد بیشتری کسب می‌کنند.
مدل سازی استراتژی های کشاورزی جایگزین
پژوهشگران در تلاش هستند تا در پهنه کاربردهای کامپیوتر، چارچوب خود را به نرم افزاری تبدیل کنند که مردم بتوانند از آن برای مدل‌سازی کشاورزی به عنوان انواع حالت استفاده کنند.
هدف این است که کاربران بتوانند طرح‌های جایگزین را بر اساس شهود خود در نظر بگیرند و آزمون و خطای پرهزینه‌ای را که اکنون برای آزمایش ایده‌های جدید در کشاورزی مورد نیاز است، به حداقل برسانند.
رویکردهای امروزی عمدتاً بهینه‌سازی سیستم‌های کشاورزی موجود و اغلب ناپایدار را مدل‌سازی و دنبال می‌کنند. چارچوب آنها امکان کشف سیستم‌های جدید کشاورزی و سپس بهینه‌سازی در آن سیستم‌های جدید را می‌دهد.
کاربران همچنین می‌توانند اهداف خود را برای یک عامل مبتنی بر هوش مصنوعی مشخص کنند که می‌تواند فضای حالت مزرعه را جستجو کند، همانطور که ممکن است فضای حالت یک صفحه شطرنج را برای انتخاب حرکات برنده جستجو کند.
جوامع مدرن به گونه های گیاهی بسیار بیشتری دسترسی دارند و اطلاعات بسیار بیشتری در مورد نحوه تعامل گونه‌ها و محیط‌های مختلف نسبت به یک قرن پیش دارند.
به نظر آن ها، سیستم‌های کشاورزی به اندازه کافی برای استفاده از این دانش و قدرت کامپیوتر کار نمی‌کنند. ترکیب محاسباتی آن می‌تواند به تولید کشاورزی، سالم‌تر و پایدارتر در دنیایی که به سرعت در حال تغییر است کمک کند.
بهره‌مندی از بینایی کامپیوتری برای سمپاشی علف‌های هرز
