澳大利亚的主要作物名目中，小麦的种植面积占据了该国一半以上的农田，它是该国重要的出口商品。考虑到小麦的重要性，对于维护区域和全球的粮食安全和商品市场的平稳，准确的产量预测是十分有意义的工作。
最近，在《农业和森林气象学》刊物上有一篇论文指出，他们的机器学习算法可以在作物成熟前两个月准确预测出该国的小麦产量。
该项目的首席研究员、伊利诺伊大学科学系自然资源和环境部助理教授Kaiyu Guan说：“我们测试了各种机器学习方法，并整合了大规模的气候和卫星数据，以便为整个澳大利亚提供可靠和准确的小麦产量模型。”此外，他还是国家超算应用中心的Blue Waters教授。
“我们有一支令人难以置信的国际合作团队，他们做出贡献的大大提高了我们预言能力。”
尝试预测作物产量的历史几乎和农业一样长。随着计算能力的提高和添加各种新型数据源，预言的准确性一直在提升。近年来，科学家使用气候数据和卫星数据，分别开发出了相当准确的产量模型。但Guan指出，在他们的论文之前，人们尚不清楚这两个数据源是否存在优劣性。
“在这项研究中，我们综合分析气候和卫星数据来完成预测。我们想知道每种因子的贡献。”他说，“我们发现只用气候数据就非常好，但卫星数据提供了额外的信息，并使准确性提升到了全新的水平。”
利用气候和卫星数据集，研究人员能够在生长季结束前两个月预测出小麦丰收后的产量，准确率约75％。
论文的主要作者，博士生Yaping Cai：“具体而言，我们发现卫星数据可以逐渐展现出产量变化的信息，相当于气候信息积累的结果。卫星数据也无法捕捉到的气候信息是整个生长季节对小麦产量的贡献。”
共同作者、斯坦福大学的David Lobell补充道：“我们还将传统统计方法的预测能力与三种机器学习算法进行了比较，机器学习算法在每种情况下均优于传统方法。”
研究人员称，这些结果可用于改进澳大利亚小麦产量的预测方式，并可能对澳大利亚和区域经济产生连锁反应。此外，他们乐观地认为，该方法本身可以被移植到世界其他地区的其他作物上。
论文名为“利用机器学习方法整合卫星和气候数据来预测澳大利亚的小麦产量” Integrating satellite and climate data to predict wheat yield in Australia using machine learning approaches。
本文译自 phys，由译者 majer 基于创作共用协议(BY-NC)发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
