像素到牧场人工智能如何帮助农民预测牧场

国际生物多样性联盟和国际热带农业中心的研究人员为农民(从小农户到大牧场主)提供了有关其牧场数量和质量的信息，这些信息只需通过他们的智能手机即可获得。

根据联合国粮食及农业组织(FAO)的数据，2020 年全球农业排放量为 160 亿吨二氧化碳当量，粮农组织的其他数据显示，牛(包括肉和奶)排放的二氧化碳当量约为 38 亿吨。在不增加环境足迹的情况下提高牛放牧的效率和产量(如增加牛奶产量或增加牲畜数量)是减少这些排放的关键目标。

在 2024 年发表于《遥感应用：社会与环境》杂志的一篇论文《像素到牧场：使用机器学习和多光谱遥感预测热带草原的生物量和营养质量》中，格拉斯哥大学和国际生物多样性联盟与国际热带农业中心的研究人员制定了一份指南，介绍如何从卫星获取信息并使用预测模型来评估放牧牧场的数量(生物量多少)和质量(粗蛋白、消化率和灰分含量)。

论文共同作者、国际生物多样性联盟和国际热带农业中心专注于热带牧草研究的植物生态生理学家胡安·安德烈斯·卡多佐·阿兰戈 (Juan Andrés Cardoso Arango) 解释说，如今，分析决定数量和质量的所有因素很难扩大规模：使用小型无人机，每次只能采样 9 公顷左右，使用手持仪器采样的面积就更少了。

“在哥伦比亚的一些地区，你可以拥有 3000 公顷的土地，”他说道，并补充说，这是研究人员开发“规模中性”系统的原因之一，该系统可以通过卫星每次以平方公里为单位收集数据，但对于只有一公顷土地的农民也同样有用。

卡多佐解释说，免费使用的卫星图像数据库和人工智能驱动处理的技术进步已经“民主化”了这种分析。

他说：“当我在 2018 年刚开始工作时，没有人知道机器学习，但现在你可以比以前更快地获得这些信息。”

人工智能驱动的预测

CIAT 高级研究员、数据分析专家兼论文合著者 Diana María Gutiérrez Zapata 解释说，由于许多影响因素和数据限制，使用遥感预测牧场生产力和质量具有挑战性。

“通过更好地描述生产系统并获取有关控制和响应因素的更准确数据，开发高性能预测模型的潜力巨大，”她说，“这些模型可以支撑数字工具以支持战略决策，使农民能够优化牧场管理并更好地管理生产系统中的风险(例如水资源短缺和低质量饲料)。”

英国苏格兰格拉斯哥大学的副教授、该研究的共同作者、星载传感器专家 Brian Barrett 解释说，2017 年，他与 Cardoso 及其同事会面并开始讨论利用遥感或地球观测数据和机器学习方法估计不同气候条件下牧草特性的潜在可能性，包括密集型和粗放型牧场。

巴雷特说：“对我们来说，与小农户建立联系很重要，我们如何开发一些东西来为他们提供有用的信息，最终改善决策和管理。”

未来

卡多佐解释说，长期目标是开发一个用户界面像谷歌地图一样易于使用的模型。

他说：“我们希望农民能够在平台上定位他们的农场并检查饲料的数量和质量。”

古铁雷斯解释说，在气候变化的情况下，及时了解预期的牧场产量或质量对于风险管理至关重要。

“通过更多地了解与牧场管理决策相关的风险，农民可以在生产、使用和保护方面做出更明智的选择，”她说，“这不仅通过优化资源利用使农民受益，而且还通过减少排放和浪费对环境产生积极影响，解决与可持续发展目标相一致的各种问题。”

巴雷特解释说，未来研究团队希望开发这种方法，不仅可以更好地了解可用的牧草资源，还可以了解牧场如何应对不同的管理和气候情景。

“由于全球大部分森林损失(约75%)是由农业用地转变为农业用地造成的，而且考虑到全球人口的增加，以及随之而来的粮食消费和资源使用量的增加，我们必须找到新的方法来增加粮食产量，同时保护我们剩余的森林，”他说，并补充说，结合卫星数据和先进的机器学习方法等技术，可以实现更高效、更有利可图的农业，并改善粮食系统的可持续性。