Menggunakan informasi cuaca dari AWS Weather Station untuk membantu membuat keputusan pengelolaan hama melibatkan pengumpulan data yang akurat dan menganalisanya untuk membantu membuat keputusan manajemen kunci, sehingga spesialis buah pohon mencari stasiun cuaca berbasis web untuk memberikan informasi yang berguna, nyaman, dan tepat waktu untuk petani.

Jon M. Clements, UMass Extension Tree Fruit Specialist, UMass Cold Spring Orchard, Belchertown, MA

Sementara bisnis modern telah berhasil melindungi diri dari dampak cuaca, pertanian tetap merupakan pengecualian, sangat bergantung pada apa yang diberikan oleh alam seperti hujan, matahari, panas, dingin, atau badai. Cuaca tidak hanya berdampak langsung pada produksi tanaman, tetapi juga mendorong perkembangan serangga dan penyakit yang menyerang mereka.

Selama 25 tahun terakhir, dan sebagai bagian dari strategi IPM (Integrated Pest Management) secara keseluruhan, petani telah diberikan alat untuk mengelola risiko yang berkaitan dengan cuaca dan hama dengan memonitor informasi cuaca secara cermat dan menggunakannya untuk memprediksi kapan, misalnya, pestisida harus disemprotkan atau tanaman harus dilindungi dari embun beku dengan irigasi. Dengan demikian, pemantauan parameter cuaca utama, seperti curah hujan, periode pembasahan, suhu, dan penguapan, dapat memberikan informasi penting bagi bisnis pertanian.

Menggunakan informasi cuaca untuk membantu membuat keputusan pengelolaan hama melibatkan pengumpulan data yang akurat dan menganalisanya untuk membantu membuat keputusan manajemen utama. Analisis dilakukan dengan menggunakan model, yang merupakan perhitungan matematis dan formulasi logis yang menggunakan data cuaca dan informasi lainnya. Model akan membuat rekomendasi, apakah beberapa tindakan harus diambil. Misalnya, petani apel dapat menentukan apakah mereka perlu dirawat karena penyakit busuk api menggunakan model. Mereka mengumpulkan suhu harian, embun, dan curah hujan, dan ketika pohon mulai mekar, gabungkan ini untuk menentukan apakah diperlukan semprotan streptomisin.

Penyakit busuk api dapat membunuh pohon dan menyebabkan kerusakan serius, jadi streptomisin harus digunakan jika ada risiko infeksi. Di sisi lain, aplikasi streptomisin yang tidak perlu menghabiskan uang dan meningkatkan kemungkinan bahwa patogen hawar api akan menjadi kebal terhadap antibiotik. Menggunakan model seperti MARYBLYT memungkinkan penanam tahu kapan pengobatan diperlukan dan kapan tidak. Model telah dikembangkan untuk banyak masalah penyakit dan serangga penting, serta untuk prediksi cuaca beku, waktu panen dan irigasi, atau mengoptimalkan aplikasi pupuk.

Dalam pengelolaan hama, mengurangi pestisida seringkali tergantung pada informasi cuaca yang akurat. Ini adalah landasan IPM. Ini sama pentingnya bagi produsen organik. Para petani yang menggunakan IPM atau metode organik sering menerima premium untuk produk mereka. Pasar Eropa dan luar negeri lainnya semakin menuntut makanan yang ditanam dengan penggunaan pestisida yang minimal. Oleh karena itu, cuaca dan dukungan keputusan yang tersedia dapat mengurangi biaya dengan mengurangi input untuk pengelolaan hama, dan meningkatkan pengembalian dan pasar untuk produk pertanian.

Namun, para penanam seringkali tidak menggunakan alat pendukung keputusan yang berharga ini. Terlepas dari inovasi teknologi, petani merasa sulit untuk secara teratur mendapatkan data cuaca yang dibutuhkan dan yang paling penting menerapkannya dalam model pendukung keputusan. Sebagian besar petani tidak mau repot dengan seluk-beluk mengunduh data dan menjalankan model. Agar bermanfaat, instrumen cuaca harus akurat dan berfungsi hari demi hari. Data harus diperoleh dari instrumen ke penanam atau komputer dalam bentuk yang dapat dengan mudah digunakan dan dipahami. Memelihara stasiun cuaca dan mengakses data menambah tugas pada hari kerja yang sudah penuh. Terkadang, ini melibatkan keahlian teknologi. Sebagian besar petani, ketika ditanya, mengatakan bahwa mereka akan dan menggunakan prakiraan berbasis model ketika prakiraan tersebut datang sebagai tindakan yang direkomendasikan sederhana. Tetapi mereka menemukan proses mengumpulkan dan menganalisis informasi itu sendiri terlalu sulit dan / atau memakan waktu untuk dilakukan secara teratur.

Akibatnya, buletin dan sumber informasi petani lain akan mempublikasikan informasi berdasarkan data cuaca dari lokasi yang dipilih atau untuk suatu wilayah. Layanan berlangganan, seperti Skybit, juga telah muncul, dan ini memberi petani informasi spesifik pertanian yang diinterpolasi dari stasiun cuaca National Weather Service di luar lokasi.

Informasi seperti itu umumnya bermanfaat, tetapi variabilitas dalam kondisi dari tambak ke tambak, atau keterlambatan dalam penyampaiannya, dapat membuat rekomendasi kurang akurat. Untuk sepenuhnya memanfaatkan kekuatan model berbasis cuaca, petani membutuhkan sistem yang mengumpulkan data yang akurat dan memprosesnya untuk pertanian khusus mereka, memberikan rekomendasi yang mudah dipahami secara tepat waktu.

Perkembangan terkini dalam teknologi nirkabel, perangkat keras pemantauan cuaca yang kuat, dan perangkat lunak berbasis web telah memungkinkan untuk melakukan hal ini. Data cuaca dapat diperoleh di pertanian, sering dikirim ke server komputer pusat, di mana ia dapat diproses dalam model peramalan, dan kemudian disajikan sebagai rekomendasi dalam bentuk halaman web yang dapat diakses oleh masing-masing petani.

Di University of Massachusetts, kami saat ini mengevaluasi dua stasiun cuaca berbasis web dari Onset, satu yang sekarang terletak di sini di Pusat Penelitian dan Pendidikan Kebun Mata Air Dingin UMass di Belchertown, Massachusetts, dan yang lainnya di Tougas Family Farm di Northboro, Massachusetts. Kedua sistem saat ini online dan mengirimkan data cuaca ke Internet melalui modul komunikasi Wi-Fi terintegrasi. Data langsung dari kedua stasiun Onset kami dapat dilihat di:
http://www.umass.edu/fruitadvisor/hrcweather/

Seperti disebutkan sebelumnya, sebagian besar petani tidak ingin berurusan dengan kompleksitas pengambilan data dan model yang berjalan. Sebaliknya, mereka hanya ingin pergi ke halaman web di pagi hari, mencari tahu apa yang terjadi di lapangan berdasarkan kondisi lingkungan, dan mengambil tindakan. Sistem jarak jauh yang kami gunakan baru-baru ini memungkinkan ini, dan merupakan contoh yang baik dari jenis alat teknologi yang dapat dimanfaatkan petani saat ini. Kami saat ini meminta dana untuk mengembangkan aplikasi yang mengumpulkan data cuaca saat ini yang disediakan oleh stasiun Onset, menjalankan model serangga dan penyakit, dan kemudian menampilkan hasilnya ke halaman web yang ramah pengguna dan langsung dapat diakses.

Dari perspektif penelitian, memiliki akses mudah ke informasi dari berbagai lokasi lapangan juga sangat berharga. Kami dapat memperoleh tampilan waktu nyata dari kondisi lapangan, dan pada saat yang sama dapat mengumpulkan data jangka panjang yang dapat digunakan untuk analisis tren dan menghubungkan insiden serangga dan penyakit dengan informasi cuaca di tempat. Dengan demikian, kita dapat menggunakan informasi ini untuk menyempurnakan model saat ini dan mengembangkan yang baru.