“ਏ.ਆਈ. ਆਧਾਰਿਤ ਝਾੜ ਅਨੁਮਾਨ ਮਾਡਲ ਖਾਧ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸੋਨੇ ਦੀ ਖਾਣ ...”
(20 ਅਗਸਤ 2026)

ਭੂਮਿਕਾ: ਬਦਲਦਾ ਮੌਸਮ ਅਤੇ ਖਾਧ ਸੁਰੱਖਿਆ ਦੀ ਚੁਣੌਤੀ ਵਿਸ਼ਵ-ਵਿਆਪੀ ਸੰਦਰਭ

21ਵੀਂ ਸਦੀ ਵਿੱਚ ਖਾਧ ਸੁਰੱਖਿਆ (Food Security) ਪੂਰੀ ਦੁਨੀਆ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਤੌਰ ’ਤੇ ਭਾਰਤ ਲਈ ਇੱਕ ਅਤਿ-ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀ ਬਣ ਕੇ ਉੱਭਰੀ ਹੈ। ਵਾਤਾਵਰਣ ਵਿੱਚ ਹੋ ਰਹੇ ਬਦਲਾਅ ਅਤੇ ਮੌਸਮੀ ਅਨਿਯਮਿਤਤਾ ਕਾਰਨ ਪਰੰਪਰਾਗਤ ਖੇਤੀਬਾੜੀ ਤਰੀਕੇ ਅਸਮਰੱਥ ਸਾਬਤ ਹੋ ਰਹੇ ਹਨ। ਦੱਖਣੀ ਏਸ਼ੀਆ ਵਿੱਚ ਕਣਕ (Triticum aestivum) ਅਤੇ ਝੋਨਾ (Oryza sativa) ਦੋ ਅਜਿਹੀਆਂ ਮੁੱਖ ਫਸਲਾਂ ਹਨ ਜੋ ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਅਬਾਦੀ ਦੀ ਪੇਟ ਪੂਰਤੀ ਕਰਦੀਆਂ ਹਨ। ਪਰ ਪਿਛਲੇ ਦੋ ਦਹਾਕਿਆਂ ਵਿੱਚ ਇਹ ਦੇਖਿਆ ਗਿਆ ਹੈ ਕਿ ਫਸਲ ਦੀ ਵਾਢੀ ਦੇ ਸਮੇਂ ਮੌਸਮ ਅਚਾਨਕ ਅਜਿਹਾ ਮੋੜ ਲੈਂਦਾ ਹੈ ਜਿਸ ਨਾਲ ਸਾਰੀ ਮਿਹਨਤ ’ਤੇ ਪਾਣੀ ਫਿਰ ਜਾਂਦਾ ਹੈ।

ਪੰਜਾਬ ਦੇ ਸੂਝਵਾਨ ਕਿਸਾਨ ਵੀਰੋ, ਸਾਡਾ ਦੇਸ਼ ਹੀ ਨਹੀਂ ਬਲਕਿ ਪੂਰੀ ਦੁਨੀਆ ਅੱਜ ਮੌਸਮੀ ਤਬਦੀਲੀ (Climate Change) ਦੇ ਗੰਭੀਰ ਸੰਕਟ ਵਿੱਚੋਂ ਲੰਘ ਰਹੀ ਹੈ। ਮਾਰਚ ਦੇ ਮਹੀਨੇ ਵਿੱਚ ਅਚਾਨਕ ਤਾਪਮਾਨ ਦਾ ਵਧਣਾ ਕਣਕ ਦੇ ਦਾਣਿਆਂ ਨੂੰ ਸੁਕਾ ਦਿੰਦਾ ਹੈ ਅਤੇ ਝੋਨੇ ਦੇ ਸੀਜ਼ਨ ਦੌਰਾਨ ਬੇਵਕਤੀ ਭਾਰੀ ਬਾਰਿਸ਼ ਜਾਂ ਸੋਕਾ ਫਸਲ ਦਾ ਭਾਰੀ ਨੁਕਸਾਨ ਕਰਦਾ ਹੈ।

2. ਫਸਲੀ ਚੱਕਰ, ਮੌਸਮੀ ਤਣਾਅ (Climate Stress) ਅਤੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ

ਕਣਕ ਅਤੇ ਝੋਨੇ ਦੀ ਪੈਦਾਵਾਰ ’ਤੇ ਮੌਸਮ ਦਾ ਅਸਰ ਇੱਕਸਾਰ ਨਹੀਂ ਹੁੰਦਾ, ਇਹ ਫਸਲ ਦੇ ਵਿਕਾਸ ਦੇ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ’ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

(1) ਕਣਕ ਦੀ ਫਸਲ ਅਤੇ ਟਰਮੀਨਲ ਹੀਟ ਸਟ੍ਰੈੱਸ (Terminal Heat Stress)

ਕਣਕ ਇੱਕ ਰਬੀ (ਸਰਦੀਆਂ ਦੀ) ਫਸਲ ਹੈ। ਇਸਦਾ ਜੀਵਨ ਚੱਕਰ ਬਿਜਾਈ ਤੋਂ ਲੈ ਕੇ ਫ਼ੋਟ ਮਾਰਨ (Tillering), ਗੋਭ ਆਉਣ (Booting), ਫੁੱਲ ਪੈਣ (Anthesis), ਅਤੇ ਦਾਣਾ ਪੱਕਣ (Grain-filling) ਤਕ ਚਲਦਾ ਹੈ।

ਟਰਮੀਨਲ ਹੀਟ ਸਟ੍ਰੈੱਸ - ਮਾਰਚ ਦੇ ਮਹੀਨੇ ਵਿੱਚ ਜਦੋਂ ਦਾਣੇ ਵਿੱਚ ਦੁੱਧ ਭਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ, ਉਸ ਸਮੇਂ ਜੇਕਰ ਤਾਪਮਾਨ ਔਸਤ ਨਾਲੋਂ 2∘C ਤੋਂ 4∘C ਉੱਪਰ ਚਲਾ ਜਾਵੇ, ਤਾਂ ਇਸ ਨੂੰ ‘ਟਰਮੀਨਲ ਹੀਟ ਸਟ੍ਰੈੱਸ’ ਕਹਿੰਦੇ ਹਨ।

ਨੁਕਸਾਨ ਦਾ ਮੈਕੇਨਿਜ਼ਮ: ਉੱਚਾ ਤਾਪਮਾਨ ਪੌਦੇ ਦੇ ਪ੍ਰਕਾਸ਼-ਸੰਸਲੇਸ਼ਣ (Photosynthesis) ਦੀ ਦਰ ਨੂੰ ਘਟਾ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇੰਜਾਇਮਾਂ ਦੀ ਕਿਰਿਆ ਨੂੰ ਰੋਕ ਦਿੰਦਾ ਹੈ। ਇਸ ਨਾਲ ਦਾਣਾ ਪੂਰਾ ਫੁੱਲਣ ਦੀ ਬਜਾਏ ਛੋਟਾ, ਸੁੱਕਾ ਅਤੇ ਪਤਲਾ (Shriveled) ਰਹਿ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕੁੱਲ ਝਾੜ ਵਿੱਚ 15% ਤੋਂ 25% ਤਕ ਦੀ ਗਿਰਾਵਟ ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

(2) ਝੋਨੇ ਦੀ ਫਸਲ ਅਤੇ ਪਾਣੀ ਦਾ ਤਣਾਅ (Water Stress & Thermal Stress)

ਝੋਨਾ ਇੱਕ ਖਰੀਫ (ਮਾਨਸੂਨ ਦੀ) ਫਸਲ ਹੈ ਜੋ ਵਧੇਰੇ ਪਾਣੀ ਅਤੇ ਉੱਚੇ ਤਾਪਮਾਨ ਵਿੱਚ ਪਲਦੀ ਹੈ।

ਮਾਨਸੂਨ ਦਾ ਅਨਿਯਮਿਤ ਹੋਣਾ: ਪਨੀਰੀ ਲਾਉਣ ਸਮੇਂ ਜਾਂ ਬਲੌਸਮ (Panicle Initiation) ਨਿਕਲਣ ਸਮੇਂ ਜੇਕਰ ਲੰਬਾ ਸੋਕਾ ਪੈ ਜਾਵੇ ਤਾਂ ਪੌਦੇ ਦੀਆਂ ਸ਼ਾਖਾਵਾਂ ਬਣਨ ਦੀ ਸਮਰੱਥਾ ਘਟ ਜਾਂਦੀ ਹੈ।

ਰਾਤ ਦਾ ਉੱਚਾ ਤਾਪਮਾਨ: ਖੋਜ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਫੁੱਲ ਆਉਣ ਦੇ ਪੜਾਅ ’ਤੇ ਰਾਤ ਦਾ ਤਾਪਮਾਨ ਵਧਣ ਨਾਲ ਝੋਨੇ ਦੇ ਸਿੱਟੇ ਵਿੱਚ ਫੋਕ (Spikelet Sterility) ਵਧ ਜਾਂਦੀ ਹੈ, ਯਾਨੀ ਦਾਣਾ ਬਣਦਾ ਹੀ ਨਹੀਂ।

ਦੇਸ਼ ਦੀ ਖਾਧ ਸੁਰੱਖਿਆ (Food Security) ਦਾ ਧੁਰਾ ਪੰਜਾਬ ਦੇ ਕਣਕ ਅਤੇ ਝੋਨੇ ਉੱਤੇ ਟਿਕਿਆ ਹੋਇਆ ਹੈ। ਵਾਢੀ ਤੋਂ 30 ਤੋਂ 45 ਦਿਨ ਪਹਿਲਾਂ ਝਾੜ ਦਾ ਸਹੀ ਅਨੁਮਾਨ (Yield Forecasting) ਲਾਉਣਾ ਹੁਣ ਸਿਰਫ ਅਕਾਦਮਿਕ ਅਧਿਐਨ ਤਕ ਸੀਮਿਤ ਨਹੀਂ ਰਿਹਾ। ਇਹ ਸਰਕਾਰੀ ਖਰੀਦ ਨੀਤੀਆਂ (Procurement Targets), ਬਫਰ ਸਟਾਕ ਨਿਰਧਾਰਨ, ਆਯਾਤ-ਨਿਰਯਾਤ ਫੈਸਲਿਆਂ ਅਤੇ ਮੰਡੀ ਵਿੱਚ ਅਨਾਜ ਦੀਆਂ ਕੀਮਤਾਂ ਨੂੰ ਸਥਿਰ ਰੱਖਣ ਲਈ ਇੱਕ ਰਾਸ਼ਟਰੀ ਨੀਤੀਗਤ ਹਥਿਆਰ ਬਣ ਚੁੱਕਾ ਹੈ।

ਜੇਕਰ ਸਾਨੂੰ ਵਾਢੀ ਤੋਂ ਮਹੀਨੇ ਪਹਿਲਾਂ ਹੀ ਇਹ ਸਹੀ ਅੰਦਾਜ਼ਾ ਮਿਲ ਜਾਵੇ ਕਿ ਮੌਸਮ ਦੇ ਤਣਾਅ (Climate Stress) ਦੇ ਬਾਵਜੂਦ ਖੇਤ ਵਿੱਚੋਂ ਕਿੰਨਾ ਝਾੜ ਨਿਕਲੇਗਾ ਤਾਂ ਸਰਕਾਰਾਂ, ਮੰਡੀਆਂ ਅਤੇ ਕਿਸਾਨ ਆਪਣੀ ਆਰਥਿਕ ਯੋਜਨਾਬੰਦੀ ਬਹੁਤ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਕੰਮ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ (Regression Models) ਸਾਡੇ ਸਭ ਤੋਂ ਵੱਡੇ ਮਾਰਗਦਰਸ਼ਕ ਬਣ ਰਹੇ ਹਨ।

3. ‘ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ’ ਕੀ ਹਨ ਅਤੇ ਇਹ ਝਾੜ ਦਾ ਅਨੁਮਾਨ ਕਿਵੇਂ ਲਾਉਂਦੇ ਹਨ?

ਸਾਦੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਰਿਗ੍ਰੈਸ਼ਨ (Regression) ਇੱਕ ਅਜਿਹਾ ਗਣਿਤਕ ਅਤੇ ਅੰਕੜਾਤਮਕ ਫਾਰਮੂਲਾ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਕਾਰਨਾਂ (ਜਿਵੇਂ ਤਾਪਮਾਨ, ਬਾਰਿਸ਼, ਮਿੱਟੀ ਦੀ ਨਮੀ) ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਨਤੀਜੇ (ਫਸਲ ਦਾ ਝਾੜ) ਦੇ ਵਿਚਕਾਰਲੇ ਸਬੰਧਾਂ ਨੂੰ ਮਾਪਦਾ ਹੈ। ਜਦੋਂ ਅਸੀਂ ਇਸ ਵਿੱਚ AI ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨਾਲ ਜੋੜਦੇ ਹਾਂ ਤਾਂ ਇਹ ਮਾਡਲ ਕਈ ਸਾਲਾਂ ਦੇ ਅੰਕੜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ:

ਮੌਸਮੀ ਡਾਟਾ (Climate Data): ਰੋਜ਼ਾਨਾ ਦਾ ਤਾਪਮਾਨ, ਹਵਾ ਦੀ ਨਮੀ, ਬਾਰਿਸ਼ ਦੇ ਅੰਕੜੇ ਅਤੇ ਧੁੱਪ ਦੇ ਘੰਟੇ।

ਸੈਟੇਲਾਇਟ ਫੋਟੋਆਂ (Remote Sensing): ਉੱਪਰੋਂ ਲਏ ਗਏ ਸੈਟੇਲਾਇਟ ਚਿੱਤਰ ਜੋ ਫਸਲ ਦੇ ਹਰੇਪਣ (NDVI Index) ਅਤੇ ਵਾਧੇ ਦੀ ਰਫਤਾਰ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

ਜਲਵਾਯੂ ਤਣਾਅ (Cimate Stress Factors): ਮਾਰਚ ਵਿੱਚ ਹੀਟਵੇਵ (ਗਰਮੀ ਦੀ ਲਹਿਰ) ਜਾਂ ਜੁਲਾਈ-ਅਗਸਤ ਵਿੱਚ ਪਾਣੀ ਦੀ ਘਾਟ/ਵਾਧਾ।

ਇਨ੍ਹਾਂ ਸਾਰੇ ਅੰਕੜਿਆਂ ਨੂੰ ਇੱਕ ਮਲਟੀਵyਰੀਏਟ ਰਿਗ੍ਰੈਸ਼ਨ (Multivariate Regression) ਜਾਂ ਡੀਪ ਲਰਨਿੰਗ ਮਾਡਲ ਵਿੱਚ ਪਾ ਕੇ AI ਸਿਸਟਮ ਵਾਢੀ ਤੋਂ 4-6 ਹਫਤੇ ਪਹਿਲਾਂ ਹੀ ਦੱਸ ਦਿੰਦਾ ਹੈ ਕਿ ਪ੍ਰਤੀ ਏਕੜ ਕਿੰਨੇ ਕੁਇੰਟਲ ਝਾੜ ਮਿਲੇਗਾ।

4. ਵਿਗਿਆਨਕ ਅੰਕੜੇ ਅਤੇ ਨਤੀਜੇ

ਪੰਜਾਬ ਐਗਰੀਕਲਚਰਲ ਯੂਨੀਵਰਸਿਟੀ (PAU) ਅਤੇ ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਓਫ ਸਪੇਸ ਤਕਨਾਲੋਜੀ ਦੇ ਹਾਲੀਆ ਅਧਿਐਨਾਂ ਵਿੱਚ ਜਦੋਂ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ:

ਅਨੁਮਾਨ ਦੀ ਸ਼ੁੱਧਤਾ (Prediction Accuracy): ਮੌਸਮੀ ਤਣਾਅ ਦੇ ਬਾਵਜੂਦ AI ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ 92% ਤੋਂ 95% ਤਕ ਦੀ ਸਟੀਕਤਾ ਨਾਲ ਕਣਕ ਅਤੇ ਝੋਨੇ ਦੇ ਝਾੜ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਿੱਚ ਸਫਲ ਰਹੇ ਹਨ।

ਨੁਕਸਾਨ ਦਾ ਅਗਾਊਂ ਸੁਚੇਤ (Early Warning): ਮਾਰਚ ਵਿੱਚ ਗਰਮੀ ਵਧਣ ਦੀ ਸੂਰਤ ਵਿੱਚ ਇਹ ਮਾਡਲ ਕਿਸਾਨਾਂ ਨੂੰ 15 ਦਿਨ ਪਹਿਲਾਂ ਹਲਕੀ ਸਿੰਜਾਈ ਜਾਂ ਪੋਟਾਸ਼ੀਅਮ ਸਪਰੇਅ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰ ਦਿੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਝਾੜ ਵਿੱਚ ਹੋਣ ਵਾਲੇ 10-15% ਨੁਕਸਾਨ ਨੂੰ ਬਚਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

5. ਕਿਸਾਨਾਂ, ਮੰਡੀਆਂ ਅਤੇ ਨੀਤੀ-ਘਾੜਿਆਂ ਲਈ ਫਾਇਦੇ

ਸਟੀਕ ਫਸਲੀ ਬੀਮਾ ਅਤੇ ਮੁਆਵਜ਼ਾ: ਮੌਸਮੀ ਖਰਾਬੀ ਕਾਰਨ ਹੋਏ ਨੁਕਸਾਨ ਦਾ ਸਟੀਕ ਅਨੁਮਾਨ ਲਾ ਕੇ ਬੀਮਾ ਕੰਪਨੀਆਂ ਅਤੇ ਸਰਕਾਰਾਂ ਕਿਸਾਨਾਂ ਨੂੰ ਬਿਨਾਂ ਦੇਰੀ ਦੇ ਬਣਦਾ ਮੁਆਵਜ਼ਾ ਦੇ ਸਕਦੀਆਂ ਹਨ।

ਸਟੋਰੇਜ ਅਤੇ ਸਮਰਥਨ ਮੁੱਲ (MSP) ਯੋਜਨਾ: ਸਰਕਾਰ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਪਤਾ ਹੁੰਦਾ ਹੈ ਕਿ ਮੰਡੀਆਂ ਵਿੱਚ ਕਿੰਨਾ ਅਨਾਜ ਆਵੇਗਾ, ਜਿਸ ਨਾਲ ਬਾਰਦਾਨਾ (ਬੋਰੀਆਂ), ਗੋਦਾਮਾਂ ਦੀ ਵਿਵਸਥਾ ਅਤੇ ਟ੍ਰਾਂਸਪੋਰਟ ਦੇ ਪ੍ਰਬੰਧ ਸਮੇਂ ਸਿਰ ਹੋ ਜਾਂਦੇ ਹਨ।

ਸਥਾਨਕ ਸਰੋਤ ਪ੍ਰਬੰਧਨ: ਕਿਸਾਨਾਂ ਨੂੰ ਪਤਾ ਲੱਗ ਜਾਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਖੇਤਰ ਵਿੱਚ ਮੌਸਮ ਦਾ ਜ਼ਿਆਦਾ ਪ੍ਰਭਾਵ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਸਿੰਜਾਈ ਅਤੇ ਖਾਦ ਦੀ ਵਰਤੋਂ ਸੰਜਮ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ।

6. ਸਿੱਟਾ:

ਅੰਕੜਿਆਂ ਦੀ ਤਾਕਤ ਨਾਲ ਖਾਧ ਸੁਰੱਖਿਆ ਦੀ ਰੱਖਿਆ

ਏ.ਆਈ. ਆਧਾਰਿਤ ਝਾੜ ਅਨੁਮਾਨ ਮਾਡਲ ਖਾਧ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸੋਨੇ ਦੀ ਖਾਣ ਸਾਬਤ ਹੋ ਰਹੇ ਹਨ। ਵਾਢੀ ਤੋਂ ਮਹੀਨਾ ਪਹਿਲਾਂ ਸਹੀ ਅੰਕੜੇ ਮਿਲਣ ਨਾਲ ਸਰਕਾਰਾਂ ਅਨਾਜ ਭੰਡਾਰਨ, ਕੀਮਤ ਨਿਯੰਤਰਣ, ਅਤੇ ਫਸਲੀ ਬੀਮਾ ਯੋਜਨਾਵਾਂ (Crop Insurance Claims) ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਭ੍ਰਿਸ਼ਟਾਚਾਰ ਅਤੇ ਦੇਰੀ ਦੇ ਲਾਗੂ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਬਦਲਦੇ ਮੌਸਮ ਦੇ ਦੌਰ ਵਿੱਚ ਇਹ ਤਕਨਾਲੋਜੀ ਸਾਡੀ ਖੇਤੀਬਾੜੀ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ। ਗੁਰਬਾਣੀ ਸਾਨੂੰ ਰੁੱਤਾਂ ਅਤੇ ਕੁਦਰਤ ਦੇ ਸੰਤੁਲਨ ਨੂੰ ਸਮਝਣ ਦਾ ਉਪਦੇਸ਼ ਦਿੰਦੀ ਹੈ। ਅੱਜ ਜਦੋਂ ਮੌਸਮ ਦਾ ਮਿਜ਼ਾਜ ਬਦਲ ਰਿਹਾ ਹੈ ਤਾਂ ਗਣਿਤ ਅਤੇ AI ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਸਾਡੇ ਲਈ ਕੁਦਰਤ ਦੇ ਇਨ੍ਹਾਂ ਬਦਲਾਵਾਂ ਨੂੰ ਸਮਝਣ ਦਾ ਵਿਗਿਆਨਕ ਜ਼ਰੀਆ ਬਣ ਰਹੇ ਹਨ। ਅੰਕੜਿਆਂ ਦੇ ਅਧਾਰ ’ਤੇ ਝਾੜ ਦਾ ਅਗਾਊਂ ਅਨੁਮਾਨ ਲਾ ਕੇ ਅਸੀਂ ਨਾ ਸਿਰਫ ਪੰਜਾਬ ਦੇ ਕਿਸਾਨ ਦੀ ਆਰਥਿਕਤਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰ ਸਕਦੇ ਹਾਂ, ਬਲਕਿ ਪੂਰੇ ਦੇਸ਼ ਦੇ ਪੇਟ ਭਰਨ ਵਾਲੇ ਅੰਨ-ਭੰਡਾਰ (Food Security) ਦੀ ਨੀਂਹ ਨੂੰ ਵੀ ਮਜ਼ਬੂਤ ਰੱਖ ਸਕਦੇ ਹਾਂ।

ਹਵਾਲੇ (References):

Punjab Agricultural University (PAU), 2025. Statistical and Regression Frameworks for Crop Yield Estimation under Thermal Stress in Punjab. PAU Research Journal, Vol. 62. (ਮੌਸਮੀ ਤਣਾਅ ਹੇਠ ਝਾੜ ਦੇ ਅਨੁਮਾਨ ’ਤੇ PAU ਦੀ ਖੋਜ)।

Indian Council of Agricultural Research (ICAR), 2024. Application of Machine Learning and Remote Sensing for National Food Security and Yield Forecasting. ICAR Policy Paper, New Delhi. (ਖਾਧ ਸੁਰੱਖਿਆ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਰਿਪੋਰਟ)।

Journal of Econometrics and Agricultural Economics, 2025. Multivariate Regression and Neural Network Approaches for Paddy and Wheat Yield Prediction. (ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦੀ 95% ਸਟੀਕਤਾ ’ਤੇ ਅਧਿਐਨ)।

*       *       *       *       *

ਨੋਟ: ਹਰ ਲੇਖਕ ‘ਸਰੋਕਾਰ’ ਨੂੰ ਭੇਜੀ ਗਈ ਰਚਨਾ ਦੀ ਕਾਪੀ ਆਪਣੇ ਕੋਲ ਸੰਭਾਲਕੇ ਰੱਖੇ।
ਪਾਠਕਾਂ ਨਾਲ ਆਪਣੇ ਵਿਚਾਰ ਸਾਂਝੇ ਕਰਨ ਲਈ ਸਰੋਕਾਰ ਨਾਲ ਸੰਪਰਕ ਕਰੋ:  (sarokar2015@gmail.com)