นายฉันทานนท์ วรรณเขจร เลขาธิการสำนักงานเศรษฐกิจการเกษตร (สศก.) กระทรวงเกษตรและสหกรณ์ กล่าวว่า ได้จัดทำข้อมูลพยากรณ์ผลผลิตสินค้าเกษตร ระดับจังหวัด รวม 24 ชนิด ประกอบด้วย ข้าวนาปี ข้าวนาปรัง ข้าวโพดเลี้ยงสัตว์ ถั่วเหลือง สับปะรดโรงงาน (ปัตตาเวีย) มันสำปะหลังโรงงาน กาแฟ มะพร้าวผลแก่ ปาล์มน้ำมัน ยางพารา ลำไย ลิ้นจี่ ทุเรียน มังคุด เงาะ ลองกอง กระเทียม หอมแดง หอมหัวใหญ่ มันฝรั่ง กุ้งขาว แวนนาไม กุ้งกุลาดำ ปลานิล และปลาดุก โดยมีรายละเอียด ได้แก่ เนื้อที่เพาะปลูก เนื้อที่เก็บเกี่ยวหรือเนื้อที่ให้ผล ผลผลิต ผลผลิตต่อเนื้อที่เพาะปลูกและผลผลิตต่อเนื้อที่ให้ผล ซึ่งจะเป็นการพยากรณ์ผลผลิตทั้งปี และปรับค่าพยากรณ์ตามสถานการณ์การผลิตทุกๆ 3 เดือน

สำหรับเทคนิควิธีการพยากรณ์ ได้ใช้แบบจำลองทางสถิติ ซึ่งจะแสดงความสัมพันธ์เชิงเศรษฐศาสตร์ระหว่างตัวแปรที่มีผลกระทบต่อการเพิ่มขึ้นหรือลดลงของเนื้อที่เพาะปลูกและผลผลิตต่อไร่ เช่น ปริมาณน้ำฝน อุณหภูมิ น้ำเขื่อน ราคาที่เกษตรกรขายได้ ราคาปัจจัยการผลิต เป็นต้น ร่วมกับการสำรวจภาวะการผลิตในแหล่งผลิตสำคัญ (RRA) โดยวิธีการสัมภาษณ์เกษตรกรหรือผู้รู้ที่อยู่ในพื้นที่ เพื่อนำมาประกอบการวิเคราะห์ค่าพยากรณ์ให้ใกล้เคียงกับสถานการณ์จริงมากขึ้น นอกจากนี้ยังได้บูรณาการร่วมกับหน่วยงานต่างๆ ที่เกี่ยวข้อง เพื่อพิจารณาข้อมูลพยากรณ์ร่วมกันก่อนเผยแพร่สู่สาธารณชนทั้งนี้ สศก.ได้ร่วมกับธนาคารแห่งประเทศไทย สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน) หรือ GISTDA และสถาบันสารสนเทศทรัพยากรน้ำพัฒนาแบบจำลองเพื่อการพยากรณ์ผลผลิตสินค้าเกษตร โดยใช้ Machine Learning หรือเทคโนโลยีด้าน AI (Artificial Intelligence) นอกจากนี้ สศก.ยังได้ศึกษาวิธีการพยากรณ์ของหน่วยงานอื่นๆ รวมทั้งมีโครงการความร่วมมือในการแลกเปลี่ยนความรู้กับ Bureau of Agricultural and Resource Economics and Science (ABARES) ซึ่งเป็นหน่วยงานวิจัยอิสระมีหน้าที่ให้ข้อมูล การวิจัย การวิเคราะห์และข้อเสนอแนะนโยบาย ให้แก่กระทรวงเกษตร น้ำ และสิ่งแวดล้อม และหน่วยงานอื่นๆ ของรัฐบาลออสเตรเลีย

อย่างไรก็ดี ABARES ใช้แบบจำลอง Machine Learning เพื่อพยากรณ์ผลผลิตและรายได้ การใช้ปัจจัยการผลิต ต้นทุนการผลิต ผลตอบแทน รวมถึงการเปลี่ยนแปลงผลผลิตคงคลัง (Change in stock) ในระดับฟาร์ม ภูมิภาค และประเทศ โดยพิจารณาจากสภาพภูมิอากาศ ราคาปัจจัยการผลิต และราคาสินค้าเกษตร อีกทั้งยังสามารถนำแบบจำลองมาใช้ประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศในปัจจุบันและอนาคตที่อาจเกิดขึ้นต่อความสามารถในการทำกำไรของฟาร์ม อีกทั้งยังสามารถใช้ค่าพยากรณ์ในการจัดทำตัวชี้วัดความเสี่ยงจากภัยแล้ง และความอ่อนไหวต่อการเปลี่ยนแปลงสภาพอากาศได้ด้วย