Как искусственный интеллект может помочь агробизнесу справиться с изменением климата
Авторы: Арун Равиндран, Хамид Махер и Рата Жакемар (выпускница)
Сельское хозяйство находится в авангарде изменения климата. По мере изменения режима температуры, влажности и осадков сельскохозяйственные предприятия по всему миру - от семейных ферм до многонациональных предприятий - будут сильно затронуты, будь то химический состав почвы, миграция насекомых или другие факторы, угрожающие качеству сельскохозяйственных культур и урожайности. (См. Приложение 1.)
Чтобы подготовиться, агробизнесу необходимо понимать потенциальное воздействие на их землю и посевы. Для каждого сельскохозяйственного предприятия, от фермеров до виноградников и производителей семян, кормов для животных или биотоплива, знание потенциальных изменений урожайности в будущем - наряду с движущими силами этих изменений - может позволить им оптимизировать свои методы ведения сельского хозяйства, делая их более адаптируемый и устойчивый. Кроме того, знание факторов, влияющих на качество урожая, поможет им повысить прибыль и повысить их способность предвидеть необходимость переработки сельскохозяйственных культур.
Малые фермы особенно рискуют лишиться средств к существованию из-за изменения климата; поэтому многие правительства поддерживают и возглавляют усилия по адаптации и повышению устойчивости для смягчения воздействия на небольшие фермы.
Тем не менее, анализ сельского хозяйства в контексте изменения климата - нетривиальная задача, учитывая геопространственное распространение изменения, разнообразие задействованных физических свойств, количество климатических детерминант, длительный временной горизонт и разницу в наблюдаемых количествах осадков, солнечных радиация и другие факторы. Одни только прогнозы погоды достаточно сложно сделать правильными, не говоря уже о масштабах и глубине широко распространенных климатических изменений.
Создание модели доходности с помощью ИИ
Несмотря на сложность, с которой они сталкиваются, сельскохозяйственные предприятия должны делать ставку на землю, развивая осознанное видение и определенную степень уверенности в том, что должно произойти, и делать свои первые шаги к пониманию этой сложной проблемы и реагированию на нее.
Одно крупное сельскохозяйственное предприятие, занимающееся выращиванием сельскохозяйственных культур во многих различных областях, решило решить эту проблему раньше, чем позже. Первым шагом его решения было построение модели прогнозирования урожайности ИИ, которая использовала исторические данные о типичных факторах урожайности сельскохозяйственных культур, включая температуру, осадки, солнечную радиацию и другие ключевые переменные. Вторым шагом было наложение модели изменения климата со сценарием выбросов репрезентативной траектории концентрации (RCP) - не слишком строгим, но и не слишком слабым - на модель прогнозирования урожайности для прогнозирования урожайности на 2040 и 2050 годы (см. Приложение 2). .)
Рассматривая три примера регионов, компания обнаружила, что по сравнению с производством в 2018 году в этих трех регионах к 2040 году урожайность может сократиться примерно на 14%, снизиться на 20% и повыситься на 14% соответственно. Там, где прогнозируется рост урожайности, бизнес не нуждается в ответе; там, где они могут снизиться, явно необходимы действия - будь то покупка земли, изменение методов производства или преобразование регионов, в которых наблюдается спад, чтобы подражать тем, которые прогнозируют рост.
Чтобы лучше понять влияние изменения климата, компания развернула модели искусственного интеллекта для прогнозирования изменений характеристик сельскохозяйственных культур, таких как химический состав. Эти прогнозы позволили бизнесу предвидеть дополнительные риски и возможности, связанные с каждым качественным показателем, предлагать решения для существующих территорий, определять возможности приобретения новых земель и понимать, где расширить или сохранить производство.
Конечно, компания не «решила» проблему изменения климата, но взялась за дело.
Начиная с маленьких шагов
Очевидно, что изменение климата - сложная проблема, и не все компании могут сразу создать обширные модели искусственного интеллекта. Вместо этого им следует мыслить масштабно и начинать с малого.
Для начала им следует взглянуть на имеющиеся у них данные, чтобы понять, какие дополнительные данные им нужны. Затем они должны собрать, обработать и нормализовать эти данные. Затем им следует построить простые линейные модели, основанные на физике и сельском хозяйстве, чтобы получить представление об основных детерминантах урожайности своих культур.
Конечно, любой прогноз урожайности не будет определяться несколькими переменными: бизнесу необходимо будет учитывать свойства почвы и удобрений, ключевые погодные переменные и многие другие факторы. Затем он может использовать эту информацию для постепенного построения более сложной модели ИИ, добавляя переменные одну за другой (в пределах физических и сельскохозяйственных наук), а затем накладывая различные сценарии изменения климата для создания надежных прогнозов урожайности и, в конечном итоге, прогнозов для других качественных показателей. . В результате он может принимать обоснованные решения о производстве на существующих землях и о том, нужны ли новые земли.
