据联合国统计，全球近一半人口的家庭主要依靠农业食品系统作为就业来源。预计到 2050 年，世界人口将从 73 亿增至 97 亿，气候变化导致的水资源短缺和农作物歉收可能导致灾难性的全球粮食短缺。
为了满足人口增长的需求，世界需要在未来 25 年内将农业产量提高 60%——即便如此，我们仍可能面临 3 亿饥饿人口。与此同时，由于天气更加恶劣、害虫增多，大田作物产量预计将下降 11%。目前，美国需要花费约 1.36 亿美元和约 12 年的时间来开发一种新的作物特性。
全球气候变暖，淡水资源越来越少，过去丰收的庄稼也难以长久维持。人工智能能否帮助我们缓解未来几十年即将面临的农业危机？
卡内基梅隆大学的系统科学家 Abhisesh Silwal 博士的研究重点是农业领域的人工智能和机器人技术，他认为人工智能可以带来更准确、更及时的预测，尤其是在早期发现疾病方面。他解释说，“人工智能还可以通过改善我们使用能源和资源的方式，帮助减少碳足迹和环境影响。”
以下是一些致力于应对气候变化的农业科技企业和非营利组织。
更好、更快的表型分析
在坦桑尼亚，国际热带农业中心的农业科学家戴维·格雷纳 (David Guerena) 正在利用人工智能来加速植物进化。
Guerena 的项目名为 Artemis，利用人工智能和计算机视觉来加速表型分析过程。“人类不擅长对我们看到的东西提供可靠的定量估计，”他解释道。“人类不可能准确地计算出数千块地块上数百株植物的花朵数量。我们会感到疲倦、注意力不集中，或者只是身体上看不到我们需要看到的一切。而计算机没有这些问题。训练有素的计算机视觉模型可以立即产生一致的定量数据。”
当 Guerena 的团队首次开始研究智能手机图像时，他们使用了卷积神经网络 (CNN)。他们完成了这项工作，但他们急需数据——需要数千个带标签的示例来训练它们，这既昂贵又耗时。他们的目标是开发针对不同作物各种特性（如计数花朵）的模型，但 CNN 对此要求太高。
Guerena 解释道，几年前，视觉转换器和 YOLO 和 Segment Anything 等开源模型问世，改变了游戏规则。这些模型大大减少了对标记数据的需求。现在，他们只需要几百个裁剪图像样本，而不是数千个。“视觉转换器和基础模型确实使我们能够加快模型开发速度。”
Guerena 的团队目前正在致力于将语音转文本和自然语言处理与计算机视觉整合到他们正在构建的系统中。他解释说，通过自然语音与人互动可以帮助克服语言和读写障碍。此外，结合不同类型的数据可以更全面地了解植物在田间生长的情况。“农民自己可以使用语音功能来描述他们在这个季节面临的一些挑战，”他说。“如果我们从世界各地的数千个农场收集这些数据，我们就可以更好地拼凑出当地环境条件如何影响品种性能。”
预测未来几个月的天气
在成长过程中，马克斯·埃文斯和希曼舒·古普塔亲眼目睹了异常天气模式如何影响他们的社区。“马克斯在厄瓜多尔的一个菠萝农场长大，亲眼目睹了气候变化对农作物的影响，”古普塔告诉我们。“我在印度北部的一个村庄长大，在干旱和季风季节，我们经常要走一英里才能取到干净的水。”
这些经历给 Evans 和 Gupta 留下了深刻的印象，并激励他们创立了 ClimateAi。“虽然大多数科技公司都致力于改进传统的 14 天天气预报，但这些时间范围对农民和食品公司来说并不可行，”Gupta 说。“我们在两周以上的天气预报方面进行了创新，部署了专利的基于生物物理学的 AI 方法，以比 NOAA 等气象机构使用的超级计算机模型更便宜、更快、更可靠地预测极端天气的风险。”这使得 ClimateAi 能够提前一天或几个月为农民提供超本地化的天气预报。他们还可以推荐种植和收获特定作物的最佳时间并估算其产量。
ClimateAi 为印度马哈拉施特拉邦的农民进行了模拟，发现极端高温和干旱将导致该地区未来二十年番茄产量下降约 30%。一家番茄种子公司利用这些见解加速试验，为该地区的小农推出耐旱种子。他们还与印度一家大型食品和饮料公司合作，在 300 个村庄推出适应策略，帮助了大约 10 万小农。这些策略提供了关于使用最佳种子、如何管理水以及最佳种植和收获时间的建议，从而使生产力提高了 40%。
古普塔解释说，我们的目标是使食物和水系统更能适应气候变化，改善世界各地的生活，而农民是这些系统的关键组成部分：“（他们）是食物和水价值链中最关键的节点。
探索 IBM 环境智能套件
用三分之一的时间种植西兰花
总部位于北卡罗来纳州的农业科技公司 Avalo 正在使用可解释的人工智能 (xAI) 来精确识别与复杂作物特征相关的基因。首席执行官 Brendan Collins 表示，使用详细的基因图谱来指导育种使 Avalo 能够以比竞争对手快五倍、便宜五十倍的速度开发作物。Avalo 正在开展的一个项目是垂直农业，这是一种全年在室内种植作物的方法。虽然它非常适合连续的作物周期，但它面临着高昂的能源和肥料成本，导致利润微薄。
柯林斯指出，如果这些农场能够更快地种植更有价值的作物，他们就会获得更高的利润。目前，在他们的系统中唯一效果良好的作物是廉价的生菜。Avalo 与一家垂直农场合作种植西兰花，西兰花是杂货店里价格最高的蔬菜之一，但在户外种植需要 120 多天。他们研究了 500 多个西兰花品种，创造了一种可以在 37 天内收获的品种。这种快速收获也意味着不需要使用杀虫剂，因为时间太短，害虫不会成为问题。
“植物基因组很疯狂，”柯林斯说。“它们遵循的规则与动物基因组不同。”他解释说，动物的基因组很小，效率很高，可以节省能量，而植物的基因组很大，很灵活，因为它们无法移动来躲避威胁。与动物简单的二倍体基因组不同，许多植物有多个基因组拷贝——比如棉花有四个，草莓有八个，甘蔗甚至有十个——这使得它们很难研究。“我们很高兴能使用 xAI 来理解这些复杂的植物基因组。”
IBM 可持续发展加速器：通过数据赋能农民
IBM 可持续发展加速器也与世界各地的农民合作，分享 IBM 的云和 AI 专业知识，帮助他们适应不断变化的地球。
IBM 企业社会责任可持续发展和社会创新负责人 Michael Jacobs 表示：“我们的目标是帮助农民掌握必要的数据和 AI 洞察力，以便在面临气候挑战和环境威胁时保持盈利、高产和可持续发展。因此，我们五个农业项目中的四个已经结束，直接受益者约有 65,300 人——农民及其家人利用技术帮助提高产量并提高经营的弹性。这些解决方案可以扩展到不同的地区和行业。”
让我们简单回顾一下他们的一个成功事例。
为德克萨斯州农民提供更智能的灌溉
干旱、洪水、极端高温和严寒只是气候变化影响德克萨斯州的几种方式，给该州的农民和牧场主带来了持续不断的问题。它影响着所有德克萨斯州人：去年，该州农业部发布了一份报告，将气候变化与食品价格上涨和粮食不安全加剧联系起来。
戴维·查平 (David Chapin) 是德克萨斯州兰帕萨斯的一名农民，也是 IBM 员工，他曾与 IBM 合作测试水资源管理解决方案，十多年来，他一直在观察气候变化对他的果园造成的破坏。他最初种了 3,600 棵橄榄树，但 2021 年的冬季风暴“乌里” (Uri) 将这些树全部摧毁。第二年，他获得了美国农业部的一笔拨款，用梨、李子、杏和桃子代替了这些树，这些树更耐寒，但也需要更多的水——而他的灌溉系统无法满足需求。
“由于监测根部水分（而不仅仅是表面水分）至关重要，因此我正在寻找一种精确的方法来管理它，”Chapin 解释道。“人工智能可以通过分析不同地区的用水需求来提供帮助，但这需要大量地下传感器。理想情况下，我希望获得实时土壤状况图和未来灌溉预测，以便更好地管理水储存并避免短缺。”
IBM 和 Texas A&M AgriLife 正在合作帮助像 Chapin 这样的小规模农民。成果是 Liquid Prep，这是一款旨在为农民提供所需信息的工具，帮助他们了解何时何地尽可能高效地浇水，并计划在美国干旱地区部署和推广该技术。
Liquid Prep 使用物联网传感器和在 IBM Cloud 上运行的移动应用程序。农民可以在地面安装湿度传感器，并将其连接到移动应用程序以监测土壤湿度，然后上传进行分析。该项目团队目前正在扩展该应用程序，以包括天气数据、土壤类型和何时浇水的决策支持，以便农民能够更有效地管理灌溉。
“小农户通常技术不太先进，这是小农户和大农户之间的一个关键区别，”查宾说。“但人们懂得如何使用手机和一些应用程序，而 Liquid Prep 是一款操作非常简单的应用程序……这就是它将改变竞争环境的地方。”
下载电子书：温室气体排放核算指南
这篇文章有帮助吗？
是的不
