澳大利亞的主要作物名目中，小麥的種植面積占據(jù)了該國一半以上的農田，它是該國重要的出口商品?？紤]到小麥的重要性，對于維護區(qū)域和全球的糧食安全和商品市場的平穩(wěn)，準確的產量預測是十分有意義的工作。
最近，在《農業(yè)和森林氣象學》刊物上有一篇論文指出，他們的機器學習算法可以在作物成熟前兩個月準確預測出該國的小麥產量。
該項目的首席研究員、伊利諾伊大學科學系自然資源和環(huán)境部助理教授Kaiyu Guan說：“我們測試了各種機器學習方法，并整合了大規(guī)模的氣候和衛(wèi)星數(shù)據(jù)，以便為整個澳大利亞提供可靠和準確的小麥產量模型?！贝送猓€是國家超算應用中心的Blue Waters教授。
“我們有一支令人難以置信的國際合作團隊，他們做出貢獻的大大提高了我們預言能力?！?/p>
嘗試預測作物產量的歷史幾乎和農業(yè)一樣長。隨著計算能力的提高和添加各種新型數(shù)據(jù)源，預言的準確性一直在提升。近年來，科學家使用氣候數(shù)據(jù)和衛(wèi)星數(shù)據(jù)，分別開發(fā)出了相當準確的產量模型。但Guan指出，在他們的論文之前，人們尚不清楚這兩個數(shù)據(jù)源是否存在優(yōu)劣性。
“在這項研究中，我們綜合分析氣候和衛(wèi)星數(shù)據(jù)來完成預測。我們想知道每種因子的貢獻。”他說，“我們發(fā)現(xiàn)只用氣候數(shù)據(jù)就非常好，但衛(wèi)星數(shù)據(jù)提供了額外的信息，并使準確性提升到了全新的水平?！?/p>
利用氣候和衛(wèi)星數(shù)據(jù)集，研究人員能夠在生長季結束前兩個月預測出小麥豐收后的產量，準確率約75％。
論文的主要作者，博士生Yaping Cai：“具體而言，我們發(fā)現(xiàn)衛(wèi)星數(shù)據(jù)可以逐漸展現(xiàn)出產量變化的信息，相當于氣候信息積累的結果。衛(wèi)星數(shù)據(jù)也無法捕捉到的氣候信息是整個生長季節(jié)對小麥產量的貢獻?！?/p>
共同作者、斯坦福大學的David Lobell補充道：“我們還將傳統(tǒng)統(tǒng)計方法的預測能力與三種機器學習算法進行了比較，機器學習算法在每種情況下均優(yōu)于傳統(tǒng)方法?！?/p>
研究人員稱，這些結果可用于改進澳大利亞小麥產量的預測方式，并可能對澳大利亞和區(qū)域經濟產生連鎖反應。此外，他們樂觀地認為，該方法本身可以被移植到世界其他地區(qū)的其他作物上。
論文名為“利用機器學習方法整合衛(wèi)星和氣候數(shù)據(jù)來預測澳大利亞的小麥產量” Integrating satellite and climate data to predict wheat yield in Australia using machine learning approaches。
本文譯自 phys，由譯者 majer 基于創(chuàng)作共用協(xié)議(BY-NC)發(fā)布。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
