สศก. จับมือ ABARES พัฒนาสารสนเทศการเกษตร เพื่อการพยากรณ์สินค้าเกษตร สำหรับนำไปใช้ในการจัดทำแผน เสนอแนะนโยบาย และเป็นประโยชน์ต่อเกษตรกรในการวางแผนการผลิต การตลาด
นายฉันทานนท์ วรรณเขจร เลขาธิการสำนักงานเศรษฐกิจการเกษตร (สศก.) กระทรวงเกษตรและสหกรณ์ เปิดเผยว่า สศก.ในฐานะหน่วยงานด้านนโยบาย จัดทำ บริหารจัดการ และให้บริการข้อมูลสารสนเทศการเกษตรของประเทศ ซึ่งหนึ่งในภารกิจสำคัญ คือ การพยากรณ์ผลผลิตสินค้าเกษตร เพื่อให้ทราบถึงแนวโน้มและสถานการณ์การผลิตสินค้าเกษตร สำหรับนำไปใช้ในการจัดทำแผน เสนอแนะนโยบาย และเป็นประโยชน์ต่อเกษตรกรในการวางแผนการผลิต การตลาดให้สอดคล้องทันต่อสถานการณ์
ซึ่งปัจจุบัน สศก. ได้จัดทำข้อมูลพยากรณ์ผลผลิตสินค้าเกษตร ระดับจังหวัด รวม 24 ชนิด ประกอบด้วย ข้าวนาปี ข้าวนาปรัง ข้าวโพดเลี้ยงสัตว์ ถั่วเหลือง สับปะรดโรงงาน (ปัตตาเวีย) มันสำปะหลังโรงงานกาแฟ มะพร้าวผลแก่ ปาล์มน้ำมัน ยางพารา ลำไย ลิ้นจี่ ทุเรียน มังคุด เงาะ ลองกอง กระเทียม หอมแดงหอมหัวใหญ่ มันฝรั่ง กุ้งขาวแวนนาไม กุ้งกุลาดำ ปลานิล ปลาดุก โดยมีรายละเอียด ได้แก่ เนื้อที่เพาะปลูก เนื้อที่เก็บเกี่ยวหรือเนื้อที่ให้ผล ผลผลิต ผลผลิตต่อเนื้อที่เพาะปลูกและผลผลิตต่อเนื้อที่ให้ผล ซึ่งจะเป็นการพยากรณ์ผลผลิตทั้งปี และปรับค่าพยากรณ์ตามสถานการณ์การผลิตทุกๆ 3 เดือน
สำหรับเทคนิควิธีการพยากรณ์ สศก.ใช้แบบจำลองทางสถิติ ซึ่งจะแสดงความสัมพันธ์เชิงเศรษฐศาสตร์ระหว่างตัวแปรที่มีผลกระทบต่อการเพิ่มขึ้นหรือลดลงของเนื้อที่เพาะปลูกและผลผลิตต่อไร่ เช่น ปริมาณน้ำฝน อุณหภูมิ น้ำเขื่อน ราคาที่เกษตรกรขายได้ ราคาปัจจัยการผลิต เป็นต้น ร่วมกับการสำรวจภาวะการผลิตในแหล่งผลิตสำคัญ (RRA) โดยวิธีการสัมภาษณ์เกษตรกรหรือผู้รู้ที่อยู่ในพื้นที่ เพื่อนำมาประกอบการวิเคราะห์ค่าพยากรณ์ให้ใกล้เคียงกับสถานการณ์จริงมากขึ้น นอกจากนี้ ยังได้บูรณาการร่วมกับหน่วยงานภายใต้กระทรวงเกษตรและสหกรณ์ อาทิ กรมส่งเสริมการเกษตร การยางแห่งประเทศไทย กรมประมง กรมปศุสัตว์ กรมวิชาการ กรมการข้าว กรมชลประทาน ในรูปของคณะกรรมการ เพื่อพิจารณาข้อมูลพยากรณ์ร่วมกัน ก่อนเผยแพร่สู่สาธารณชน
ล่าสุด สศก. ได้ร่วมกับ กับธนาคารแห่งประเทศไทย สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) หรือ GISTDA และ สถาบันสารสนเทศทรัพยากรน้ำ พัฒนาแบบจำลองเพื่อการพยากรณ์ผลผลิตสินค้าเกษตร โดยใช้ Machine Learning หรือเทคโนโลยีด้าน AI (Artificial Intelligence)
นอกจากนี้ สศก. ยังได้ศึกษาวิธีการพยากรณ์ของหน่วยงานอื่นๆ รวมทั้งมีโครงการความร่วมมือในการแลกเปลี่ยนความรู้กับ Bureau of Agricultural and Resource Economics and Science (ABARES) ซึ่งเป็นหน่วยงานวิจัยอิสระมีหน้าที่ให้ข้อมูล การวิจัย การวิเคราะห์และข้อเสนอแนะนโยบายให้แก่กระทรวงเกษตร น้ำ และสิ่งแวดล้อม และหน่วยงานอื่นๆ ของรัฐบาลออสเตรเลีย
โดย ABARES ใช้แบบจำลอง Machine Learning เพื่อการพยากรณ์ผลผลิตและรายได้ การใช้ปัจจัยการผลิต ต้นทุนการผลิต ผลตอบแทน รวมถึงการเปลี่ยนแปลงผลผลิตคงคลัง (Change in stock) ในระดับฟาร์ม ภูมิภาคและประเทศ โดยพิจารณาจากสภาพภูมิอากาศ ราคาปัจจัยการผลิต และราคาสินค้าเกษตร อีกทั้งยังสามารถนำแบบจำลองมาใช้ในการประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในปัจจุบันและอนาคตที่อาจเกิดขึ้นต่อความสามารถในการทำกำไรของฟาร์ม อีกทั้งยังสามารถใช้ค่าพยากรณ์ในการจัดทำตัวชี้วัดความเสี่ยงจากภัยแล้ง และความอ่อนไหวต่อการเปลี่ยนแปลงสภาพอากาศได้อีกด้วย
ด้านนายวินิต อธิสุข รองเลขาธิการ สศก. กล่าวว่า จากความร่วมมือดังกล่าว สศก. จึงได้จัดการประชุมสนทนาแลกเปลี่ยนเรียนรู้ เรื่อง The potential of machine learning ร่วมกับ ABARES เมื่อวันที่ 6 พฤษภาคม 2565 ในการพัฒนางานด้านสารสนเทศการเกษตร และการประยุกต์ใช้ Machine Learning เพื่อการพยากรณ์สินค้าเกษตร โดยได้รับเกียรติจาก Dr. Neal Hughes เป็นวิทยากรบรรยายเกี่ยวกับการพัฒนาแบบจำลองเพื่อการพยากรณ์ด้านการเกษตร ของ ABARES ซึ่ง สศก. จะนำมาใช้ประโยชน์ในการพยากรณ์ข้อมูปริมาณการผลิตสินค้าเกษตร ทั้งในระดับจังหวัด ระดับภาค และระดับประเทศ ซึ่งวิเคราะห์จากปัจจัยสภาพภูมิอากาศ ค่าพยากรณ์น้ำฝน ดัชนีอุณหภูมิที่ผิวน้ำทะเล ราคาสินค้าเกษตร ข้อมูลสถิติการเพาะปลูก ดรรชนีพืชพรรณ และผลการแปลภาพถ่ายดาวเทียม
อย่างไรก็ตาม ปัจจุบันเกษตรกรไทย ส่วนใหญ่เป็นรายย่อย ทำเกษตรเชิงเดี่ยว การเข้าถึงข้อมูลมีน้อยพึ่งพานโยบายภาครัฐ ซึ่งยังแตกต่างจากเกษตรกรออสเตรเลีย ที่มีเนื้อที่ถือครองทางการเกษตรขนาดใหญ่ ทำการผลิตเชิงพาณิชย์ และมีความเข้าใจและประยุกต์ใช้ข้อมูลเพื่อประกอบการผลิตสินค้าและการค้าของตนเองมากกว่า
ดังนั้น การพัฒนาแบบจำลองของ สศก. จึงต้องการข้อมูลปริมาณที่มากกว่า และอาจต้องเพิ่มเติมข้อมูลด้านการเปลี่ยนแปลงราคาปัจจัยการผลิต เช่น ปุ๋ย สารเคมี น้ำมันเชื้อเพลิง ที่มีแนวโน้มสูงขึ้นอย่างต่อเนื่อง โดย สศก. จะจัดกิจกรรมสนทนาแลกเปลี่ยนเรียนรู้ เพื่อขอข้อเสนอแนะจากผู้เชี่ยวชาญของ ABARES อย่างต่อเนื่อง และจะนำเสนอความก้าวหน้าในการพัฒนาแบบจำลอง และเร่งพัฒนาบุคลากร นักวิชาการ เพื่อเสริมสร้างความรู้ความเข้าใจเกี่ยวกับเทคโนโลยีใหม่ๆ ต่อไป
