AgricultureLatest NewsNewsIndia

ഇന്ത്യയിലെ കാർഷിക രംഗത്തെ ഡിജിറ്റലൈസേഷൻ 

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI), റോബോട്ടിക്‌സ്, അൺക്രൂഡ് ഏവിയേഷൻ സിസ്റ്റങ്ങൾ, സെൻസറുകൾ, കമ്മ്യൂണിക്കേഷൻ നെറ്റ്‌വർക്കുകൾ എന്നിവയുൾപ്പെടെ ഫാം പ്രൊഡക്ഷൻ സിസ്റ്റത്തിലേക്ക് അത്യാധുനിക ഡിജിറ്റൽ സാങ്കേതികവിദ്യ സമന്വയിപ്പിക്കുന്നതിനെയാണ് കൃഷിയുടെ ഡിജിറ്റലൈസേഷൻ വിവരിക്കുന്നത്. 2017-18ൽ ഇന്ത്യയിലെ എല്ലാ ഭക്ഷ്യധാന്യങ്ങളുടെയും ഉത്പാദനം 275 ദശലക്ഷം ടൺ (MT) ആയിരിക്കുമെന്ന് പ്രവചിക്കപ്പെട്ടു.

ലോകത്തിൽ പയറുവർഗ്ഗങ്ങളുടെ ഏറ്റവും മികച്ച ഉത്പാദകരും (മൊത്തം ഉൽപ്പാദനത്തിന്റെ 25 ശതമാനം), പയർവർഗ്ഗങ്ങളുടെ വലിയ ഉപഭോക്താവും (മൊത്തം ഉപഭോഗത്തിന്റെ 27 ശതമാനം), പയർവർഗ്ഗങ്ങളുടെ മികച്ച ഇറക്കുമതിക്കാരും (14 ശതമാനം) ഇന്ത്യയാണ്. ഫുഡ് ആൻഡ് അഗ്രികൾച്ചർ ഓർഗനൈസേഷന്റെ (എഫ്എഒ) അഭിപ്രായത്തിൽ, ഇത് ഇന്ത്യയെ ലോകത്തിലെ രണ്ടാമത്തെ വലിയ ഭക്ഷ്യ ഉൽപ്പാദകനാക്കുന്നു. പയർവർഗ്ഗങ്ങൾ, നെല്ല്, ഗോതമ്പ്, ഗോതമ്പ് എന്നിവയുടെ യഥാക്രമം ലോകത്തിലെ ഏറ്റവും മികച്ച ഉത്പാദകരാണ് ഇന്ത്യ. ഇന്ത്യൻ കൗൺസിൽ ഓഫ് അഗ്രികൾച്ചറൽ റിസർച്ച് (ICAR) ഇൻസ്റ്റിറ്റ്യൂട്ടുകളും സംസ്ഥാന കാർഷിക സർവകലാശാലകളും ഉൾപ്പെടുന്ന ദേശീയ കാർഷിക ഗവേഷണ സംവിധാനം (NARS) ലോകത്തിലെ ഏറ്റവും വലിയ കാർഷിക ഗവേഷണ സംവിധാനങ്ങളിലൊന്നാണ്.

ഇന്ത്യയിലെ കാർഷിക മേഖലയിൽ തൊഴിൽ സേനയുടെ 42 ശതമാനത്തിലധികം (2019), മൊത്ത ആഭ്യന്തര ഉൽപ്പാദനത്തിന്റെ (2020-21) 19.9 ശതമാനം സംഭാവന ചെയ്യുന്നു, കൂടാതെ ഏകദേശം 1.3 ബില്യൺ ആളുകൾക്ക് ഭക്ഷ്യസുരക്ഷ നൽകുന്നു. അതിനാൽ, സാങ്കേതികവിദ്യയും ഇവിടെ കൃഷിയുടെ ഡിജിറ്റലൈസേഷനും ഉൽപ്പാദനം മെച്ചപ്പെടുത്തുന്നതിനും വർദ്ധിപ്പിക്കുന്നതിനും ഒരു ഉത്തേജകത്തിന്റെ പങ്ക് വഹിക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെക്കുറിച്ചുള്ള നിതി ആയോഗ് ഗവേഷണമനുസരിച്ച്, 8-10 ശതമാനം വാർഷിക വളർച്ചാ നിരക്ക് നിലനിർത്താൻ കൃഷി ഇപ്പോൾ 4 ശതമാനമോ അതിലധികമോ നിരക്കിൽ വികസിക്കണം. ഈ തലത്തിലുള്ള വിജയം കൈവരിക്കുന്നതിന് ഡിജിറ്റൈസേഷൻ നിർണായകമാണ്. 2025 ആകുമ്പോഴേക്കും കാർഷിക മേഖലയിലെ AI 2.6 ബില്യൺ ഡോളറിന്റെ മൂല്യമുള്ളതായിരിക്കുമെന്നും 22.5 ശതമാനം കോമ്പൗണ്ട് വാർഷിക വളർച്ചാ നിരക്കിൽ (CAGR) ഉയരുമെന്നും NITI ആയോഗ് ഒരു റിപ്പോർട്ടിൽ പ്രവചിച്ചിരിക്കുന്നു.

മികച്ച വിളകൾ, ഹൈബ്രിഡ് വിത്തുകൾ, വിഭവ-കാര്യക്ഷമമായ കൃഷിരീതികൾ എന്നിവ തിരഞ്ഞെടുക്കുന്നതിൽ കർഷകരെ സഹായിച്ചുകൊണ്ട് വിളവ് വർദ്ധിപ്പിക്കാൻ AI നിലവിൽ കർഷകരെ സഹായിക്കുന്നു. സീസണൽ പ്രവചന മാതൃകകൾ സൃഷ്ടിക്കുന്നതിൽ കർഷകരെ സഹായിക്കുന്നതിന് കാർഷിക ഉൽപാദനക്ഷമതയും കൃത്യതയും മെച്ചപ്പെടുത്തുന്നതിനും ഇത് ഉപയോഗപ്പെടുത്തുന്നു.

shortlink

Related Articles

Post Your Comments

Related Articles


Back to top button