复杂性、人工智能和食品未来(三):增强农业的气候韧性

发布者:bpadmin
发布时间:2021-05-09 06:23
分类:全部资讯 农食科技 原创内容 最新动态 观点评论
FLU_VYPR3p_growincityBANNER_468x180_0528
naturehydro banner
“复杂性、人工智能和食品未来”系列之三。干旱、洪水、风暴、龙卷风和野火一直是农民要面对的问题。根据美国国家海洋和大气管理局的数据,自1980年以来,美国遭受的气候灾害损失达2790亿美元;仅2020年袭击了中西部农业产区的Derecho风暴,就造成了75亿美元的损失。



虽然自然灾害的影响在事件发生几个月甚至几年后仍会存在,如水污染、粮食歉收、病害增加和灌溉设施被破坏,但美国农民确实可以获得保险和灾害援助。然而,在发展中国家,自然灾害后果更为严重。联合国粮农组织指出,十年间800亿美元农作物的损失影响,对于低收入国家和中等收入国家来说,分别意味着每年经济发展损失500亿美元和3000亿美元。这对发展中国家的粮食安全来说是令人震惊的负担。

人工智能可以使这些国家对气候灾难的适应能力更强。主要依靠卫星数据与机器学习相结合,可以帮助跟踪、监测和预测灾前和灾后影响,帮助农民更好地准备和适应个别气候事件。

卫星已经为农业服务了15年以上,这要归功于美国NASA低分辨率的陆地卫星计划,中分辨率成像光谱仪(MODIS)以及法国中分辨率的SPOT 5和SPOT 6卫星项目。在过去几年中,人工智能开启了新的机遇,可以最大限度地利用商业卫星企业的崛起和无人机的商业化使用。

在这之前,高分辨率数据的可靠性和可用性都很有限,使其用途大打折扣。如今,与十年前大不相同,覆盖广泛地理区域的大量公共卫星数据可以在网上免费获得。农业行业现在可以更容易地实时获取与特定气候灾害相关的高分辨率数据,使数据分析能够即时进行。

这使得我们除了依靠算法跟踪气候对总体农业影响的趋势,而且还可以转向对特定农作物和特定牧场的表现和弹性进行更复杂的长期趋势分析。农民和农业科学家可以以此设计出适应性更强和更具变革性的新型耕作系统。

尽管有了这些发展,农业现在面临着一个复杂得多的问题。在预测反复无常的气候趋势时,比较历史模型已经变得不那么有用了。大量高分辨率、特定地点的数据对于聚合预先确定和预先请求的机器学习结果非常有用。人工智能模型自身变得更具适应性正变得越来越重要。

美国圣菲研究所创建了一个复杂的智能项目来处理这些问题,包括发展“体化智能”理论。其目标是从自然和形态计算等领域获得灵感,开发理论框架,促进创造出能够学习并根据与给定环境的互动做出决定的人工智能。

圣菲研究所表示:“这一理论将指导人工智能的创建,使其神经网络(大脑)能够根据身体和周围环境的反馈进行调整。”“在我们的实验中,我们不会对机器人进行特定行为的编程,比如应采取得步骤。相反,我们告诉他们探寻丰富多样的体验,通过指导他们最大限度地利用他们的‘预测性信息’。‘预测性信息’是从复杂系统学中发展起来的概念。”

体化智能将是一种提高农业韧性的变革性方法,建设对快速变化的气候事件更强大的适应能力。今天的人工智能是建立在预先编程的基础上的,因此人工智能与环境交互的能力并不那么重要。通过体化智能进行的聚合学习对当前农业科技发展的方式发起了挑战。要使新方法奏效,人工智能就不能仅仅是气候现象的观察者;而是像现实中的农作物一样,他们必须越来越多地与其环境互动。

当谈到农业对气候的韧性时,我们必须思考一些“跳出了条条框框 ”的概念,才能有所不同。目前,许多基于更简单形式的机器学习的产品和服务正帮助农民在生产实践中提高效率、更可持续。然而,我们这个时代的现实是,随着自然界的复杂性不断演变,能帮助农业应对环境挑战的科技创新也需要不断演变。体化智能的概念也许更有可能让科学家开发出有潜力提高农业变革能力的系统。
文章来源: 城农原创整理发布,欢迎转载,请注明出处!
免责声明:本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。来修改内容。

分享到:

更多都市农业