Wykorzystanie głębokich sieci neuronowych w ograniczaniu zmian klimatycznych związanych z konfliktem farmerów i pasterzy w ramach inicjatywy na rzecz zrównoważonej integracji społecznej
Emmanuel Okewu*, Sanjay Misra**, Luis Fernandez Sanz***, Foluso Ayeni****, Victor Mbarika*****, Robertas Damaševičius******
*University of Lagos, Lagos, Nigeria
E-mail: eokewu@unilag.edu.ng
** Covenant University, Canaanland, Nigeria
***Atilim University, Ankara, Turkey
E-mails: Sanjay.misra@covenantuniversity.edu.ng, sanjay.misra@atilim.edu.tr **** University of Alcala, Alcala De Henares, Madrid, Spain
E-mail: luis.fernandezs@uah.es
*****Southern University, Baton Rouge, USA
E-mails: foluso.ayeni@icitd.com, victor_mbarika@subr.edu
****** Kaunas University of Technology, Kaunas, Lithuania
E-mail: robertas.damasevicius@ktu.lt
Abstract
Peaceful coexistence of farmers and pastoralists is becoming increasingly elusive and has adverse impact on agricultural revolution and global food security. The targets of Sustainable Development Goal 16 (SDG 16) include promoting peaceful and inclusive societies for sustainable development, providing access to justice for all and building effective, accountable and inclusive institutions at all levels. As a soft approach and long term solution to the perennial farmers-herdsmen clashes with attendant humanitarian crisis, this study proposes a social inclusion architecture using deep neural network (DNN). This is against the backdrop that formulating policies and implementing programmes based on unbiased information obtained from historical agricultural data using intelligent technology like deep neural network (DNN) can be handy in managing emotions. In this vision paper, a DNN-based Farmers-Herdsmen Expert System (FHES) is proposed based on data obtained from the Nigerian National Bureau of Statistics for tackling the incessant climate change-induced farmers-herdsmen clashes, with particular reference to Nigeria. So far, many lives have been lost. FHES is modelled as a deep neural network and trained using farmers-herdsmen historical data. Input variables used include land, water, vegetation, and implements while the output is farmers/herders disposition to peace. Regression analysis and pattern recognition performed by the DNN on the farmers-herdsmen data will enrich the inference engine of FHES with extracted rules (knowledge base). This knowledge base is then relied upon to classify future behaviours of herdsmen/farmers as well as predict their dispositions to violence. Critical stakeholders like governments, service providers and researchers can leverage on such advisory to initiate proactive and socially inclusive conflict prevention measures such as people-friendly policies, programmes and legislations. This way, conflicts can be averted, national security challenges tackled, and peaceful atmosphere guaranteed for sustainable development.
Key words: climate change, deep neural network, farmers-herdsmen clashes, policies and programmes, social inclusion
Streszczenie
Pokojowe współistnienie rolników i pasterzy staje się coraz mnie realne, co ma negatywny wpływ na rewolucję rolniczą i globalne bezpieczeństwo żywnościowe. Cele zrównoważonego rozwoju (SDG 16) obejmują promowanie tworzenia pokojowych i zintegrowanych społeczeństw na rzecz zrównoważonego rozwoju, zapewnienie wszystkim dostępu do uczciwego wymiaru sprawiedliwości i tworzenie skutecznych, odpowiedzialnych i integrujących instytucji na wszystkich poziomach. W ramach łagodnego podejścia i długofalowego podejścia do problemu konfliktów rolników-pasterzy w kontekście kryzysu humanitarnego, w niniejszym artykule zaproponowano architekturę integracji społecznej wykorzystującą głęboką sieć neuronową (DNN). Formułowanie polityki i wdrażanie programów w oparciu o obiektywne informacje uzyskane z historycznych danych przy użyciu inteligentnej technologii, takiej jak głęboka sieć neuronowa (DNN), może być przydatne w zarządzaniu emocjami. W niniejszym artykule zaproponowano oparty na danych uzyskanych od Nigeryjskiego Narodowego Urzędu Statystycznego system ekspercki rolników-pasterzy (FHES) oparty na DNN w celu przeciwdziałaniu nieustannym starciom rolników-pasterzy wywołanych zmianami klimatu, ze szczególnym uwzględnieniem Nigerii. Do tej pory wiele było ofiar. System FHES jest modelowany jako głęboka sieć neuronowa, przy użyciu danych historycznych hodowców-pasterzy. Zastosowane zmienne wejściowe obejmują ziemię, wodę, roślinność i narzędzia, podczas gdy zmienne wyjściowe to rolnicy-pasterze skłonni do pokoju.
Analiza regresji i rozpoznawanie wzorców przeprowadzone przez DNN na danych rolników-pasterzy wzbogaci mechanizm wnioskowania systemu FHES o wyodrębnione reguły (baza wiedzy). Podstawą tej wiedzy jest klasyfikacja przyszłych zachowań pasterzy/rolników, a także przewidywanie ich skłonności do przemocy. Krytyczni interesariusze, tacy jak rządy, dostawcy usług i naukowcy, mogą wykorzystać takie doradztwo do zainicjowania proaktywnych i społecznie włączających środków zapobiegania konfliktom, takich jak przyjazne dla ludzi polityki, programy i prawodawstwo. W ten sposób można uniknąć konfliktów, stawić czoła wyzwaniom bezpieczeństwa narodowego i zagwarantować pokojową atmosferę dla zrównoważonego rozwoju.
Słowa kluczowe: zmiany klimatu, głęboka sieć neuronowa, konflikty rolników-pasterzy, polityki i programy, włączenie społeczne
Problemy Ekorozwoju 14(2)2019: 143-155
