一百年前想象如果农民能获得大量的信息对他们的土地的土壤剖面,作物的品种也日益增多,甚至当地气候的波动。这种信息可以避免一场环境危机的尘暴1920年代在美国中西部。但即使是十年前,农民能获得这种信息是不现实的。
背后的团队CGIAR农业大数据平台农业是使用人工智能(AI)的下一个前沿效率解决复杂问题。团队包括生物学家、农学家、营养学家和政策分析人士处理数据的科学家使用大数据工具来创建AI系统能够预测未来场景对农民的潜在结果。通过利用大量数据和使用创新的计算分析,CGIAR平台正在帮助农民提高效率和减少农业所固有的风险。
CGIAR平台背后的理念是为研究人员首先创建一个更好的方法农业数据管理和共享。这是一个巨大的项目本身,但平台的目标是不仅仅是一个图书馆的研究数据。无缝集成的最终目标是现实世界的数据来自世界各地的农场到算法,生成关键的见解可以共享与农民。
硅谷也使用AI影响农业,但这些公司往往更关注技术方面比在农业方面。这些技术创新包括室内农场和机器人矿车,设备需要大量的投资和资源。所做的功CGIAR关注发展中国家的小农,甚至很多农民缺乏基本的技术,如灌溉。CGIAR之间的合作,并私营部门不过,可能是一个强大的方法利用任务终结世界饥饿的资源和激励这些高新技术企业。例如,一个最近的报告从乔治华盛顿大学食品学院描述部署的有效方法室内冲突地区的小农耕作技术。
小农增长约70%的世界粮食供应农场上不到一个hectare-these农民对全球粮食系统至关重要。这些发展中国家的农民将受益最CGIAR的大数据平台的农业。
“小农使用这些工具的一个方法是创建概率模型季节性预测,”说安迪·贾维斯研究员CGIAR研究项目对气候变化、农业和食品安全(CCAFS)和CGIAR的创始人之一,农业大数据平台。”,如果处理得当,我们可以提前6个月,为农民提供简单信息:作物品种将适合什么季节,当他们应该植物,以及它们如何优化他们的农场管理基于天气模式在本赛季。”
贾维斯和丹尼尔·吉梅内斯,一个研究员的国际热带农业中心(CIAT)和一个领导者CGIAR的平台,描述如何开发这些模型:“如果它是可能的”来形容一个作物生产系统的管理和环境条件,如果信息收集管理,环境,和得到的收获作物,可以描述生产系统开发数据驱动模型。“大数据的创新是通知这些模型与成千上万的不同管理和环境条件下种植,然后分析相应的收获和发展洞察这些农业和环境因素之间的关系,得到的收获。
但是有很多变量,同时必须考虑,包括土壤养分、种子床准备、发芽率、灌溉、栽培、矿物质、微生物、害虫和疾病。数据不仅是大的体积也有关的变量的数量必须和分层准确地模拟复杂系统的一个农场。
CGIAR平台已经显示结果小农的潜在好处,例如哥伦比亚稻农联盟。经过多个季节的降雨模式挑战,稻农在哥伦比亚是难以知道什么时候种植作物。取决于是否有高于平均水平或低于平均降雨量,农民需要决定是否种植季节早或晚。如果有太多的雨水,他们可能会决定不去工厂在所有季节。
这些决策是重要的风险和权衡:如果一个农民投资种植作物和收获失败,损失的财务影响农民的业务会有严重的后果。但是一个农民如何预测下雨会有多少?
大数据平台在一个试点项目在农业、CGIAR的研究人员能够帮助聚合的稻农当地气象数据以及为该地区水稻生产数据。他们跑这大量的数据通过气候模型,项目降雨的地区的流行趋势以及分析的可行性水稻在不同数量的雨。赛季,研究者建议农民种植推迟到下一个赛季。果然,有大量的雨season-enough雨毁了水稻。通过使用这种大数据方法,CGIAR平台能够应对紧急问题和帮助这些农民提供重要指导。
