“कृषि” भारतीय कृषि क्षेत्र का अगला बड़ा अवसर क्यों है?

2016 में अब तक के दो सबसे उल्लेखनीय अधिग्रहण मोनसेंटो के बायर के $ 66 बीएन खरीद और याहू के वेरिजोन के $ 4.83 बीएन खरीद हैं। जबकि ये विलय दो बहुत अलग उद्योगों से आते हैं, इन मेगा-निगमों में कुछ सामान्य अंतर्निहित धाराएं हैं।

आइए पहले मोनसेंटो को देखें। मोनसेंटो ने किसानों को एग्रोनॉमिक डेटा तक पहुंचने और उनका विश्लेषण करने के लिए एकीकृत डिजिटल प्लेटफॉर्म विकसित करने का बीड़ा उठाया है। मंच का उद्देश्य बेहतर भविष्यवाणियां करने के लिए मिट्टी की नमी, मौसम, फसल डेटा सहित खेत के कार्यों को ट्रैक करना है। 2013 में मोनसेंटो के क्लाइमेट कॉर्प के अधिग्रहण के बाद से, मोनसेंटो ने वर्मिस टेक्नोलॉजीज (मिट्टी की मैपिंग के लिए) और रेसन (इमेज एनालिटिक्स के लिए) जैसे एजी डेटा कंपनियों में निवेश किया है। स्पष्ट रूप से, डेटा मोनसेंटो की विकास रणनीति का अभिन्न अंग है।

इसी तरह, वेरिजॉन कृषि क्षेत्र में मौसम-स्टेशन, सेंसर और डेटा सहित वास्तविक समय पर कब्जा करने और डेटा की रिपोर्टिंग के लिए इंटरनेट-ऑफ-थिंग्स (IoT) द्वारा समर्थित एग-सॉफ्टवेयर प्लेटफॉर्म पर काम कर रहा है। कंपनी पहले से ही कैलिफोर्निया के मोंटेरी देश और नापा घाटी में दाख की बारियां के साथ काम कर रही है (स्रोत: कंपनी की वेबसाइट) का है। इसने अंगूर की खेती करने वाले फार्म मालिकों को सिंचाई प्रबंधन और टिकाऊ कृषि पद्धतियों पर बुद्धिमता प्रदान करने के लिए ITK नामक एक फसल मॉडलिंग कंपनी के साथ करार किया है।

इसमें कोई संदेह नहीं है कि मोनसेंटो और वेराइजन जैसे दिग्गज प्रमुख विकास चालकों में से एक के रूप में एग-डेटा को लक्षित कर रहे हैं। "डेटा" अब वैश्विक कृषि बाजार में सबसे कीमती वस्तु बन रहा है। भारतीय कृषि के लिए इसका क्या मतलब है?

A: क्या भारत डेटा-केंद्रित कृषि अर्थव्यवस्था के लिए तैयार है?

उत्तर असमान है "हाँ"। भारतीय कृषि में अधिकांश समस्याओं का रामबाण इलाज "डेटा" में है। मुद्रास्फीति, अपव्यय, कम उत्पादकता और संस्थागत किसान वित्तपोषण की कमी की समस्याओं को डेटा के माध्यम से संबोधित किया जा सकता है। ऐसे?

डेटा की समय पर उपलब्धता से खाद्य मुद्रास्फीति को हल किया जा सकता है। भारतीय अर्थव्यवस्था में खाद्य मुद्रास्फीति एक निरंतर समस्या है। जबकि खाद्य श्रेणी में मांग पैटर्न अधिक अनुमानित हैं; आपूर्ति का अनुमान लगाना एक चुनौती है। आमतौर पर खाद्य मुद्रास्फीति में अचानक, अप्रत्याशित और तेज वृद्धि का कारण अपेक्षित और समय पर आपूर्ति की कमी है।

हम अक्सर आलू, टमाटर, धनिया और प्याज जैसी खराब फसलों में अधिक मूल्य अस्थिरता देखते हैं। हाल के दिनों में, तिलहन और दालों जैसे स्टेपल ने भी तेज मूल्य निर्धारण को उल्टा और नकारात्मक दोनों रूप से दिखाया है। इस समस्या का समाधान बुवाई, बी) फसल और ग) उत्पादन के लिए समय पर डेटा की उपलब्धता है।

किसान सलाह जारी की जा सकती है यदि बुवाई बाजार की तुलना में बहुत अधिक है। इसी तरह, शेयरों को जारी किया जा सकता है और आयात आदेशों को समय पर रखा जा सकता है यदि फसल / उत्पादन डेटा बाजार की मांग की तुलना में कम थ्रूपुट दिखाता है।

किसी भी फसल के लिए संभावित थ्रूपुट के वास्तविक समय के आकलन से मौजूदा डेटा विषमता को कम किया जा सकता है जिसके परिणामस्वरूप कीमतों में अस्थिरता होती है। इस प्रकार, मुद्रास्फीति के दबाव की समस्याएं (अपेक्षित उत्पादन की तुलना में कम) और किसानों के बीच घबराहट (अपेक्षित उत्पादन से अधिक के मामले में) समय पर और सटीक डेटा के साथ संबोधित किया जा सकता है।

वर्तमान पूर्वानुमान विधियों में फसल उत्पादन की भविष्यवाणी के लिए समय-श्रृंखला विश्लेषण शामिल है। पिछले परिवर्तन जलवायु परिवर्तन और दुनिया भर में तेजी से बदलते मौसम के संदर्भ में भविष्य की भविष्यवाणियों के लिए कम प्रासंगिक हो जाएंगे। इसलिए वास्तविक समय के आधार पर डेटा प्राप्त करने के लिए समय की आवश्यकता होती है।

तो करोड़ों हेक्टेयर कृषि योग्य भूमि के वास्तविक समय के आंकड़ों को कोई कैसे पकड़ सकता है?

इसका जवाब सैटेलाइट इमेजरी में है। इसमें किसान क्षेत्रों की छवियों को 1 मीटर x 1 मीटर रिज़ॉल्यूशन (20 - 25 पिक्सेल) पर कैप्चर करने की क्षमता है, जो प्रौद्योगिकी के आविष्कार के साथ आगे सुधार कर रहा है। ये चित्र विभिन्न डेटा बिंदुओं जैसे लीफ एरिया इंडेक्स, पौधे की ऊंचाई, चंदवा आदि पर कब्जा कर सकते हैं जो फसल की स्थिति का सूचक है और इसलिए इसका उपयोग खेत की उपज का सही अनुमान लगाने के लिए किया जा सकता है।

2013 में नासा के उपग्रह लैंडसैट -8 के लॉन्च के बाद से, जियोसिस, प्लैनेटलैब्स, स्काईबॉक्स सहित कई कंपनियों ने उपग्रह लॉन्च किए हैं जो लाखों किसानों को उपग्रह चित्र प्रदान कर रहे हैं। डेटा लगभग खरीदा जा सकता है। लागत $ 0.01 से $ 0.02 प्रति हेक्टेयर।

मैं मौजूदा उपग्रह की क्षमता के बारे में सुनिश्चित नहीं हूं कि भारत में 161 मिलियन हेक्टेयर कृषि योग्य भूमि को वांछनीय समाधान स्तरों पर कवर किया जा सके। भारतीय अर्थव्यवस्था में कृषि के महत्व और उपग्रहों को लॉन्च करने की भारत की क्षमता (इसरो के वैज्ञानिकों द्वारा प्रदर्शन किए गए समय और फिर से) को देखते हुए, सरकार में एक योग्यता है जो कृषि अनुप्रयोगों पर ध्यान देने के साथ समर्पित उपग्रह लॉन्च करने का विकल्प तलाश रही है।

संक्षेप में, खाद्य मुद्रास्फीति, हालांकि पूरी तरह से नियंत्रित नहीं की जा सकती है लेकिन डेटा और प्रौद्योगिकी हस्तक्षेप के साथ उचित सटीकता के साथ भविष्यवाणी की जा सकती है जैसा कि ऊपर चर्चा की गई है।

कृषि उपज के बाद के कटाई अपव्यय को आंकड़ों के हस्तक्षेप से कम किया जा सकता है। आपूर्ति श्रृंखला में भोजन का आपराधिक अपव्यय अरबों डॉलर में चलता है। खेत से उपभोक्ता तक गुणवत्ता नियंत्रण बिंदुओं की कमी के साथ-साथ कई हैंडलिंग पॉइंट अपव्यय का मूल कारण है। उदाहरण के लिए, हिमाचल और कश्मीर से ट्रकों में यात्रा करने वाले सेब अधिक दबाव (क्योंकि खराब लोडिंग / खराब क्रेट डिज़ाइनों) को सहन करते हैं, क्योंकि वे कोंकण से मुंबई तक अत्यधिक गर्मी में परिवहन किए गए अल्फोंसो आमों को तापमान नियंत्रित ट्रकों में भी गर्मी से गुजरते हैं।

क्या कोई रास्ता है, कोई परिवहन और भंडारण में उत्पादन की गुणवत्ता की निगरानी कर सकता है? वेब-सक्षम उपकरणों के माध्यम से वास्तविक समय के डेटा को कैप्चर करना संभव है जो समस्या को हल कर सकता है। ऐसे उपकरण / रिमोट सेंसर हैं जो भंडारण (कीट, कृन्तकों, नमी), परिवहन (उच्च तापमान, अत्यधिक दबाव, आर्द्रता) के दौरान अपव्यय के कारण कारकों की निगरानी कर सकते हैं। उपकरणों से उपलब्ध अलार्म और डेटा पैटर्न अपशिष्ट पदार्थों के परिणामस्वरूप कारकों को नियंत्रित करने के लिए समाधान विकसित करने में मदद कर सकते हैं। उदाहरण के लिए, यदि हमारे पास अपने आंदोलन का पता लगाने / ट्रेस करने के लिए गोदामों में कृंतक-विशिष्ट सेंसर हैं, तो अनाज के नुकसान को रोकने के लिए जाल को डिजाइन और कॉन्फ़िगर किया जा सकता है। यह नवाचार भारत में उत्पादित अनाज के 2-4% (लगभग 5 -10 मिलियन टन प्रति वर्ष) वाले कृन्तकों के रूप में निवेश करने लायक है।

डेटा एप्लिकेशन के साथ मिट्टी की उर्वरता और उत्पादकता में सुधार किया जा सकता है। भारत में ज्यादातर फसलों में खराब उत्पादकता को मिट्टी की उर्वरता की कमी के लिए जिम्मेदार ठहराया जा सकता है। भारत में मिट्टी की उर्वरता उर्वरकों (अधिक नाइट्रोजन (एन) और फॉस्फोरस (पी) और पोटाश (के) की कम मात्रा के गलत उपयोग के कारण कम हो रही है। प्रत्येक क्षेत्र में एनपीके मैपिंग सही नुस्खे के लिए आवश्यक है जिसमें बीज के प्रकार, बीज दर, सिंचाई, पौधे विकास नियामक, उर्वरक आदि शामिल हैं।

ऑन-फील्ड उपकरणों और उपग्रह इमेजरी के संयोजन से प्राप्त डेटा फिर से किसी निश्चित समय पर मिट्टी के पोषक मूल्य का अनुमान लगा सकता है। इसे मृदा स्वास्थ्य कार्ड (जो डिजीटल किया जा सकता है) से प्राप्त आंकड़ों के साथ पूरक किया जा सकता है।

कीटों के हमलों या खराब वृद्धि के समाधान को खोजने के लिए किसान के स्मार्टफ़ोन के माध्यम से फसल के आंकड़ों पर भी कब्जा किया जा सकता है और कृषि विज्ञानी के साथ साझा किया जा सकता है। फसल के विकास पर तापमान / आर्द्रता के प्रभाव को देखने के लिए मौसम केंद्रों के तापमान और आर्द्रता के आंकड़ों को ओवरलैप किया जा सकता है।

न केवल कृषि बल्कि यहां तक ​​कि पशुपालन उद्योग भी डेटा के उपयोग और उपयोग से बहुत लाभ उठा सकते हैं। आरएफआईडी टैग से डेटा गाय के आंदोलन को ट्रैक कर सकता है और कॉलर टैग से डेटा का उपयोग शरीर / गर्दन के आंदोलन की निगरानी के लिए किया जा सकता है जो गर्मी का पता लगाने और स्वास्थ्य को समझने में मदद कर सकता है। इन डेटा बिंदुओं का उपयोग फ़ीड सेवन, दुद्ध निकालना चक्र को सुधारने और अंततः दूध उत्पादकता बढ़ाने के लिए किया जा सकता है।

किसानों के लिए वित्त पोषण एक और चुनौती है जो डेटा हल कर सकता है। किसानों के लिए वर्तमान प्राथमिकता क्षेत्र ऋण लगभग अनुमानित है। यूएसडी 135 बीएन। हालांकि, अधिकांश बैंकरों के पास अभी भी केवाईसी रिकॉर्ड न होने के कारण किसानों की ऋण-योग्यता निर्धारित करने की चुनौती है। यदि किसानों के पास किसान के खेत से फसल के उत्पादन की संभावना (जो पहले बताई जा सकती है) तक पहुँच हो, तो किसानों को ऋण देना बहुत ही कुशल, तार्किक और डेटा-चालित हो सकता है। इसी तरह, बीमा कंपनियाँ जोखिम प्रीमियम का पता लगा सकती हैं यदि उनके पास मौसम, मिट्टी, कीट और आउटपुट डेटा तक पहुँच हो।

सारांश में, डेटा का उपयोग अधिकांश एग-सप्लाई-चेन समस्याओं को हल करने की क्षमता रखता है। "डेटा" का समावेश और चीरा भारतीय कृषि के लिए गेम चेंजर हो सकता है। सवाल यह है कि क्या भारतीय किसान इसके लिए तैयार हैं? डेटा के लिए कौन भुगतान करेगा? क्या हमारे पास एग-डेटा मॉडल देने की प्रतिभा है?

B. डेटा-केंद्रित मॉडल के लिए भारतीय किसानों और उद्यमियों की तत्परता

राजस्थान, मध्य प्रदेश, हिमाचल जैसे राज्यों में किसानों के साथ मेरी बातचीत मुझे विश्वास दिलाती है कि किसान किसी भी तकनीक को अपनाने के लिए तैयार हैं जिससे कृषि अर्थशास्त्र में सुधार हो सके। बेशक, डेटा के साथ संभावित उतार-चढ़ाव और जोखिम शमन के बारे में उन्हें जागरूक करने की आवश्यकता है। उदाहरण के लिए, एक ag-data कंपनी द्वारा संचालित पायलट प्रोजेक्ट में; कई किसानों ने पाया कि उनके अपने कृषि क्षेत्र का अनुमान भू-टैगिंग के माध्यम से अनुमानित कृषि क्षेत्र से अलग था। एक बार जब वे अंतिम अंक के अंतर को जानते थे, तो वे इनपुट एप्लिकेशन को सुधारने में सक्षम थे।

सामान्य तौर पर, किसान प्रौद्योगिकी को अपनाने के लिए खुले हैं। किसान बाजार यार्ड कीमतों जैसे डेटा के लिए वास्तविक समय तक पहुंच के लिए ऐप डाउनलोड कर रहे हैं। हालांकि इस तरह के ऐप के जरिए लेन-देन और डेटा शेयरिंग सीमित हैं, लेकिन वे वर्नाकुलर भाषा के बढ़ते उपयोग और यूआई और यूएक्स में सुधार करने के लिए बाध्य हैं।

यह स्पष्ट नहीं है कि किसान तब तक डेटा का भुगतान करने वाले हैं (कम से कम निकट भविष्य में) जब तक वे स्पष्ट रूप से आर्थिक लाभ नहीं देखेंगे। अगर किसान भुगतान करने वाला नहीं है, तो सवाल यह है कि भुगतान कौन करेगा? यहां डेटा के संभावित खरीदार हैं:

कृषि इनपुट और आउटपुट कंपनियां: फ़ार्म एनालिटिक्स फ़ार्म इनपुट कंपनियों (जैसे एग्रोकेमिकल्स, सीड्स, फ़र्टिलाइज़र, इम्प्लीमेंट्स) के साथ-साथ एग्रीगेटर्स, प्रोसेसिंग कंपनियों, रिटेलर्स के लिए बहुत उपयोगी होगा जो किसानों से फ़ार्म प्रोडक्ट खरीद रहे हैं।

इनपुट कंपनियां मिट्टी और फसल स्वास्थ्य पर उपलब्ध आंकड़ों के साथ अधिक प्रिस्क्रिप् टिव हो सकती हैं। आउटपुट कंपनियां फसल की अग्रिम मात्रा में उपलब्ध फसल उत्पादन के अनुमान के साथ अपनी आपूर्ति का पता लगाने और प्री-बुक करने के लिए डेटा का उपयोग कर सकती हैं।

बैंक और बीमा कंपनियां: किसान केवाईसी, ऋण पात्रता और किसान और क्षेत्र के जोखिम प्रोफ़ाइल को सक्षम करने के लिए कृषि डेटा का विश्लेषण करके दोनों बहुत लागत बचा सकते हैं।

सरकार: केंद्र और राज्य सरकारों के विभिन्न मंत्रालय और विभाग एकत्र किए गए डेटा की सटीकता, आवृत्ति और समयबद्धता में सुधार करने के लिए डेटा खरीद सकते हैं और उनके द्वारा रिपोर्ट की जा सकती है (जैसे कि बुवाई क्षेत्र और उत्पादन का अग्रिम अनुमान)।

इस प्रकार, पर्याप्त खरीदार हैं जो डेटा के लिए भुगतान करने को तैयार होंगे। प्रीमियम को अधिक विश्लेषण, सिंडिकेशन और सलाहकार के साथ बनाया जा सकता है।

अंतिम लेकिन कम से कम नहीं, क्या हमारे पास पर्याप्त एग-डेटा-प्रीनेयर हैं जो क्षमता देखते हैं और इस अवसर को जब्त करने की क्षमता रखते हैं?

कई एग-डेटा स्टार्ट-अप के साथ मेरे मानसिक संबंध मुझे विश्वास दिलाते हैं कि भारत में पर्याप्त प्रतिभा और जोखिम लेने वाली भूख है। CropIn, Skymet, AgRisk की पसंद ने इस जगह में पैठ बना ली है और कई ऐसे भी हैं जो डेटा पर कब्जा करने के लिए एप्लिकेशन बनाने के लिए अपने हाथों को खेतों में भिगो रहे हैं। इसके अलावा उपभोक्ता को कई खेत और प्रत्यक्ष रूप से कृषि स्टार्टअप अपने व्यवसायों के तार्किक विस्तार के रूप में डेटा में परिवर्तित कर रहे हैं। विश्व स्तर पर, मॉडल की सफलता को किसान के किनारे, फार्मलिंक, प्रिसिजनहॉक के द्वारा प्रदर्शित किया जाता है; जिन्होंने कम समय में महत्वपूर्ण फंडिंग को बढ़ाया और आकर्षित किया।

चुनौती डेटा-लेन-देन मूल्यों (आमतौर पर प्रति हेक्टेयर में गणना की गई) में बनी हुई है, जिसे एनालिटिक्स के निर्माण और सिंडिकेटेड उत्पादों को विकसित करके संबोधित किया जा सकता है। इन मॉडलों में मरीज की पूंजी की आवश्यकता होती है क्योंकि गर्भधारण की अवधि लंबी होती है। इसके अलावा, छोटे फार्म होल्डिंग्स कुछ अनुप्रयोगों को व्यवहार्य बनाने में कुछ चुनौतियों का सामना करते हैं, जिन्हें भूमि समेकन के साथ कम किया जा सकता है।

भारतीय कृषि में "डेटा-क्रांति" का समय

निष्कर्ष निकालने के लिए, भारतीय कृषि अर्थव्यवस्था समय पर, सटीक और कार्रवाई योग्य डेटा की उपलब्धता से काफी लाभ उठा सकती है। कृषि के आंकड़ों में निवेश से किसान को सबसे अधिक फायदा होगा और उसके लिए कृषि को अधिक पूर्वानुमान और पारिश्रमिक मिलेगा। पांच वर्षों में किसान की आय दोगुनी करने के प्रधानमंत्री के सपने को साकार करने के लिए कृषि में डेटा हस्तक्षेप एक लंबा रास्ता तय कर सकता है।

भारत को एक जीवंत आईटी और विश्लेषिकी उद्योग भी प्राप्त है, जिसने पिछले तीन दशकों में दुनिया भर में निगमों के लिए बड़ी राशि क्षमताएँ लाई हैं। उसी प्रतिभा ने कृषिविदों और वैज्ञानिकों के साथ मिलकर भारतीय कृषि के लिए बहुत आवश्यक-दक्षता ला सकता है।

समय की अवधि में, हमें कृषि (कृषि, किसान, मिट्टी, फसल डेटा पर कब्जा) में एक ओपन-सोर्स-डिजिटल-प्लेटफॉर्म विकसित करने का प्रयास करना चाहिए जो अधिक अनुप्रयोगों और ग्रामीण उद्यमिता के लिए दरवाजे खोल सकता है।

पिछली सदी में साठ और सत्तर के दशक में "हरित क्रांति" ने हमें देश के लिए आवश्यक भोजन के रूप में आत्मनिर्भर बना दिया था। तब से भारतीय जनसंख्या दोगुनी से अधिक हो गई है। समय “डेटा क्रांति” के लिए परिपक्व है जो देश के लिए बढ़ती खाद्य मांग को पूरा करने के लिए भारतीय कृषि को अधिक कुशल बना सकता है।

 

लेखक:

हेमेंद्र माथुर


Leave a comment

यह साइट reCAPTCHA और Google गोपनीयता नीति और सेवा की शर्तें द्वारा सुरक्षित है.