آموزش هزار کشاورز برای بهکارگیری روشهای سازگار با اقلیم
هوش مصنوعی در نبرد با متان شالیزارها
مقابله با متان حاصل از شالیزارها که یکی از قدرتمندترین گازهای گلخانهای به شمار میآید، به کمک فناوری هوش مصنوعی وارد مرحله تازهای شده است. استارتاپ آمریکایی Mitti Labs با توسعه مدلی برای اندازهگیری انتشار متان و همکاری با سازمان The Nature Conservancy، نهتنها روشهای کشاورزی سازگار با اقلیم را به صدها هزار کشاورز معرفی میکند، بلکه با ایجاد اعتبار کربنی و افزایش ۱۵ درصدی سود، به معیشت آنان نیز رونق میبخشد.
به گزارش پیچینو، مقابله با تغییرات اقلیمی کار کوچکی نیست؛ کافی است از توسعهدهندگانی که روی حذف کربن کار میکنند، مانند استارتاپ Mitti Labs، بپرسید. این استارتاپ مستقر در نیویورک فناوریای ساخته که میزان متان منتشرشده از شالیزارها را اندازهگیری کرده و بر اساس آن صدها هزار کشاورز را در بهکارگیری روشهای سازگار با اقلیم آموزش میدهد؛ رویکردی پرهزینه و پرتعامل که معمولاً مورد علاقه سرمایهگذاران خطرپذیر نیست.
راز جذب سرمایه Mitti اما در یک کلمه خلاصه میشود: شراکتها. این شرکت در قالب همکاری جدیدی با سازمان The Nature Conservancy، توسعه کشاورزی احیاگر و بدونسوزاندن را ترویج میکند. طبق این همکاری، مدلهای هوش مصنوعی Mitti برای اندازهگیری، گزارشدهی و تأیید اقدامات این سازمان در هند به کار میروند؛ جایی که کارکنان محلی به کشاورزان کمک میکنند طیف وسیعی از روشهای کشاورزی سازگار با اقلیم را اجرا کنند.
بنا بر گزارش تک کرانچ، «بیشتر عملیات پروژهها روی زمین توسط ساکنان همان روستاها انجام میشود»، به گفته زاویر لاگوارٹا، همبنیانگذار Mitti. هرچند تمرکز فعلی این شرکت روی کاهش متان در مزارع برنج است، اما در حال توسعه قابلیتهای نرمافزاری بیشتری برای ارائه به دیگر شرکتها و توسعهدهندگان پروژه نیز هست. او میگوید: «ما میتوانیم انتشار گازهای دامنه ۳ (Scope 3) را برای سایر پروژهها یا شرکتهایی که با کشاورزان برنج کار میکنند، اندازهگیری کنیم.»
در این مسیر، شرکتهایی مانند Mati Carbon نیز فعالاند که نرمافزار سنجش و گزارشدهی برای شیوههای جذب کربن مانند «هوازدگی سنگ پیشرفته» توسعه میدهند.
پروژههای کاهش متان، اعتبار کربنی ایجاد میکنند که Mitti با نرمافزار خود پیگیری میکند. بخشی از درآمد فروش این اعتبارها نصیب شرکت میشود و مابقی به کشاورزان و جوامع محلی میرسد. به گفته لاگوارٹا، معمولاً کشاورزان با حضور در این برنامهها حدود ۱۵ درصد بهبود در سود خود میبینند؛ درآمدی که برای کشاورزان خرد میتواند حیاتی باشد.
Mitti دادههای شالیزارها را از طریق تصاویر ماهوارهای و رادار که میتوانند به زیر ابر، گیاه، آب و خاک نفوذ کنند، گردآوری و وارد مدلهای هوش مصنوعی خود میکند. این مدلها بر اساس دادههای ماهوارهای و مطالعات میدانی گسترده آموزش داده شدهاند. اهمیت این روش در این است که اندازهگیری حضوری برای مزارع کوچک (به طور متوسط یک هکتار) بسیار پرهزینه خواهد بود.
از آنجا که ۹۰ درصد برنج جهان در آسیا تولید میشود و به جز چین، بیشتر مناطق تولید برنج شرایط مشابه کشاورزان خرد را دارند، شراکتهای عمیق مانند همکاری با Nature Conservancy این امکان را فراهم میکند که ابزارهای توسعهیافته Mitti به پروژههای گستردهتری در منطقه گسترش یابد.
راز جذب سرمایه Mitti اما در یک کلمه خلاصه میشود: شراکتها. این شرکت در قالب همکاری جدیدی با سازمان The Nature Conservancy، توسعه کشاورزی احیاگر و بدونسوزاندن را ترویج میکند. طبق این همکاری، مدلهای هوش مصنوعی Mitti برای اندازهگیری، گزارشدهی و تأیید اقدامات این سازمان در هند به کار میروند؛ جایی که کارکنان محلی به کشاورزان کمک میکنند طیف وسیعی از روشهای کشاورزی سازگار با اقلیم را اجرا کنند.
بنا بر گزارش تک کرانچ، «بیشتر عملیات پروژهها روی زمین توسط ساکنان همان روستاها انجام میشود»، به گفته زاویر لاگوارٹا، همبنیانگذار Mitti. هرچند تمرکز فعلی این شرکت روی کاهش متان در مزارع برنج است، اما در حال توسعه قابلیتهای نرمافزاری بیشتری برای ارائه به دیگر شرکتها و توسعهدهندگان پروژه نیز هست. او میگوید: «ما میتوانیم انتشار گازهای دامنه ۳ (Scope 3) را برای سایر پروژهها یا شرکتهایی که با کشاورزان برنج کار میکنند، اندازهگیری کنیم.»
در این مسیر، شرکتهایی مانند Mati Carbon نیز فعالاند که نرمافزار سنجش و گزارشدهی برای شیوههای جذب کربن مانند «هوازدگی سنگ پیشرفته» توسعه میدهند.
پروژههای کاهش متان، اعتبار کربنی ایجاد میکنند که Mitti با نرمافزار خود پیگیری میکند. بخشی از درآمد فروش این اعتبارها نصیب شرکت میشود و مابقی به کشاورزان و جوامع محلی میرسد. به گفته لاگوارٹا، معمولاً کشاورزان با حضور در این برنامهها حدود ۱۵ درصد بهبود در سود خود میبینند؛ درآمدی که برای کشاورزان خرد میتواند حیاتی باشد.
Mitti دادههای شالیزارها را از طریق تصاویر ماهوارهای و رادار که میتوانند به زیر ابر، گیاه، آب و خاک نفوذ کنند، گردآوری و وارد مدلهای هوش مصنوعی خود میکند. این مدلها بر اساس دادههای ماهوارهای و مطالعات میدانی گسترده آموزش داده شدهاند. اهمیت این روش در این است که اندازهگیری حضوری برای مزارع کوچک (به طور متوسط یک هکتار) بسیار پرهزینه خواهد بود.
از آنجا که ۹۰ درصد برنج جهان در آسیا تولید میشود و به جز چین، بیشتر مناطق تولید برنج شرایط مشابه کشاورزان خرد را دارند، شراکتهای عمیق مانند همکاری با Nature Conservancy این امکان را فراهم میکند که ابزارهای توسعهیافته Mitti به پروژههای گستردهتری در منطقه گسترش یابد.
