提高土地生产潜力 机器学习如何“雕刻”农业

        本期嘉宾：中国气象局•河南省农业气象保障与应用技术重点实验室正研级高工 李颖

　　采访人：本报记者 吴鹏

　　据联合国预测，到2050年，全球将新增20亿人口，所需粮食产量将翻倍。同时，全球近一半的玉米生产区、三分之一左右的小麦和水稻生产区均处于气候变化脆弱区域，易受气候变化影响。在人口快速增长的压力下，落后的农业技术将会导致饥饿、贫穷与社会发展滞后。

　　农业大数据时代来临

　　“当前土地的农业产出远低于其潜在生产能力。在气候变化背景下，面对人口增长压力，农产品消费需求日益上升，急需借助技术革新提高农业生产力，而机器学习就是其中一项核心技术。”李颖说，随着遥感、物联网、云计算和超算等技术的蓬勃发展，农业大数据时代正在来临，应用机器学习技术，特别是其中的深度学习技术，可以实时、高效处理多源海量数据，服务于农业生产。

　　近 日，爱 尔 兰 市 场 研 究 公 司Research and Markets发布的《全球农业市场人工智能发展预测》报告指出，2020年至2026年，全球农业市场中人工智能（AI）的规模将以25.5％的复合年增长率增加，其中机器学习技术将占最大份额。

　　智慧气象和精准农业结合下的现代农业气象，意味着对纳入遥感可视化数据在内的农业和气象数据高时效性的分析与处理，机器学习技术对其发展助力较大。

　　其中，随着深度学习算法和新架构的发展，它有望更好地结合以风云系列气象卫星数据为代表的遥感时间序列数据，在制图、估算产量等任务中取得更高的精度和准确性；将机器学习技术与农用天气预报、智能化农业机械等结合，可帮助农业生产者精准管理土地；将机器学习技术与物联网、移动互联网技术结合，可为农业管理者提供智慧化的决策信息服务；将深度学习技术与精密观测设备、无人机遥感技术结合，有望显著提升农业气象自动化观测水平。

　　机器学习赋能农业

　　以机器学习为代表的AI技术可贯穿农业生产的各个阶段，实现农业生产产前、产中、产后的全产业链监控，从作物育种、生产经营管理、决策服务到农产品贸易，全过程促进农业提质增效，实现农业生产集约、高产、生态、环保等可持续发展目标。

　　当前，世界各国均十分注重机器学习技术在现代农业特别是精准农业中的应用，农业这一最古老的产业在新技术的赋能下正焕发勃勃生机。

　　因地制宜是农业增收的关键要素，而发展精准农业更是需要将其发挥到极致。结合机器学习技术和遥感数据，特别是高时空分辨率、高光谱遥感影像，可在不同尺度上识别土地覆盖与农作物类型，进而结合气象数据可制作农业气候区划、农业气象灾害风险区划、农业保险风险区划等，为精细化农业管理打下坚实基础。

　　精准农业的生产与管理过程离不开水文、土壤、作物数据的支持，这些参数通过站点观测无法获得其连续准确的空间分布情况，且某些参数测量难度大、成本高昂。借助机器学习技术可简单、高效地实现参数估算，为作物生长的各个阶段提供可靠的农田与环境基础数据，大大提高田间管理的科学性和专业性。

　　杂草是农作物生长过程中面临的严重威胁。机器学习技术和田间传感器结合可精确检测杂草，集成该技术的农田除草机器人能够通过机器视觉识别杂草并实现物理除草，最大限度减少除草剂的使用。深度学习技术可以从海量数据中有效提取复杂的结构信息，除杂草检测外，近年来在植株表型观测、病虫害检测、农田障碍检测、果实检测等任务中均得到成功应用。

　　在机器学习技术的一路“护航”下，农作物健康地生长，接下来的一项重要任务是作物产量预测，提高预测的准确性有助于增加作物产量和商业利润。多种经典机器学习算法、模型与遥感数据、气象数据、土壤数据等结合可实现不同尺度下不同作物产量的准确预测。

　　开拓农业“新版图”

　　机器学习正在深刻地“雕刻”着农业版图，越来越多的国家将其应用于土壤水肥管理、病虫害识别和防治等，许多公司也在不断提供关于精准农业的智能化多元解决方案。据了解，美国玉米、小麦主产区中39% 的生产者都使用人工智能技术。大型农场人工智能设备和技术普及率高达80%。人工智能技术已使其玉米产量提高了13%，种植成本下降了15%。

　　一些商业巨头高瞻远瞩，较早在农业人工智能领域布局。IBM 推出的“沃森农业决策平台”利用人工智能技术，结合其旗下“天气公司”获取的数据和物联网数据，帮助全球各地的农民更好地进行种植规划、耕作、灌溉和粮食收割。

　　微软的工程师和来自国际半干旱热带作物研究所的科学家共同开发的“智能播种”应用程序利用30多年的气候数据，结合实时天气数据，并使用由Azure人工智能支持的复杂预测模型来确定最佳种植时间、理想播种深度、农家肥施用量等。

　　印度东南沿海安得拉邦的一个试点项目结果显示，当地玉米、水稻和棉花的产量平均增加了10%至30%。美国孟山都公司收购的“气候公司”通过采集大量的天气数据，综合气象模拟、土质分析、植物根部特征等因素，为农民提供产量预测和农作物自然灾害保险服务。

　　其他一些科技公司也不甘示弱，凭借强大的技术优势不断巩固自身的“护城河”。笛卡尔实验室利用机器学习算法来处理大量卫星影像数据，以预测粮食产量，其对2015年8月美国玉米产量的预测准确率击败了美国农业部，而后者每年都派遣数百名工作人员实地调查统计数千个农场的玉米产量。德国PEAT公司开发了一种名为Plantix的深度学习应用，该系统可通过智能手机拍摄的图像判别不同的农作物，还可识别超过240种病虫害。