未来农场：AI如何加速再生农业的发展？

近年来，人们越来越关注“再生”的概念。减缓措施已经不再足够。

2019年的一项调查显示，80%的美国消费者更喜欢“再生”而非“可持续”品牌。再生意味着新生——不仅“无害”，更是“逆转伤害”，这是环境讨论中的关键课题。尽管再生是一种多行业的趋势，但它对于农产品系统尤为重要。全球34%的农业用地已经退化，并将变得越来越贫瘠，以至于无法生产粮食、纤维或饲料。

农业还消耗了全球72%的淡水汲取量，而淡水这一重要资源正面临威胁。农业也对气候变化产生了重要影响：全球21-37%的人为排放来自粮食系统。为了应对上述挑战，行业参与者需要关注再生农业和粮食系统，尤其是到2050年要养活约100亿人。

再生农业主要通过恢复土壤健康和保护自然资源（如维持地下水位、农场生物多样性）来建立有韧性的粮食系统。重点关注土壤再生有助于确保长期可持续性，并通过更加健康、保水的土壤提高作物产量。此外，再生农业可以优化投入使用，以减少农业排放。再生农业也有助于增强农场韧性，使农场做好更充足的准备应对环境挑战，最终带来更稳定的收入。

在全球出现向再生农业转型的趋势之前，农业数字化就已经获得了关注。农业数字化可以给小农带来诸多裨益，如增加农场收入、改善环境效益、提高商业可行性等。研究表明，数字农业可以使中低收入国家的农业GDP每年增加超过4500亿美元，或28%。AI越来越多地应用于农业，进一步增加了益处。例如，世界经济论坛与印度特伦甘纳邦政府合作，提出了“AI推动农业创新”倡议。倡议通过利用AI和数字技术，帮助辣椒农户增加了21%的产量，减少了9%的农药使用，并使每生长周期的收入增加了800美元每英亩。

AI在农业中的多种应用都有潜力加速再生农业的发展。以下是五个有前景的用例：

再生农业的规模化往往需要采用景观方法，关注更广泛的生产区域，而非单个农场。这有助于自然资源的整体管理和再生。通过利用地理空间数据，AI模型可以分析土地覆被和土地利用的变化、土壤健康情况和大片土地上的可用水资源，帮助规划再生景观。世界经济论坛的粮食创新中心与印度的中央邦政府合作，与Skymet Weather公司一起将地理空间图像融入景观规划。收集的数据还将与金融工具挂钩，以进一步支持农民采用可持续实践。

研究型大学研发的个性化实践做法对再生农业至关重要。推广机构的传播成本高昂，且推广人员与农民对接的比例较低，许多农民未纳入传播范围。技术进步降低了数字渠道的传播成本。大型语言模型（LLM）和检索增强生成模型（RAG）也可以基于本地化数据为农场提供特定建议。此外，AI翻译还能以更高成本效益的方式提供本地语言服务，使各个地区更易获取相关建议。

农药使用是“全球人权问题”，再生农业计划致力于逐步减少农药的使用。基于图像识别和高光谱成像的AI解决方案有助于预测虫害并提前防治，从而优化农药的使用。

再生农业面临的障碍之一是缺乏金融激励措施以推动转型。金融激励措施（如对碳截存进行经济奖励）的监测和支付成本高昂，因而十分复杂。不过，最近的试点项目利用传感器评估土壤健康，并使用AI智能合约，使支付变得更加快捷、无误且具有成本效益。大多数碳金融公司使用基于地理空间数据的AI模型，以远程测量碳截存量。百万农民倡议也使用了类似的创新模式来推动转型。该倡议利用AI奖励农民和早期投资者，使复用这类金融模式成为可能。

AI土壤测试可以快速评估土壤的健康情况，帮助精准评估再生农业的实践效果。此外，AI地理空间模型可用于监测间作或覆盖作物，这类实践通常难以大规模监测。相关分析还可以将农民分类，根据不同的应用水平，为农民提供个性化的支持。

为了确保AI能够真正促进气候行动，目前仍有一些挑战需要解决。具体步骤如下：

随着农业数据的积累以及农民对技术的熟悉，AI将在再生农业中发挥越来越大的作用。同时，积累更多数据也可以提高现有解决方案的准确性。因此，为了充分利用技术进展，在规划再生农业项目的同时考虑AI应用至关重要。

本文作者：

Jaskiran Warrik，世界经济论坛食品和水资源再生项目负责人

Shreejit Borthakur，世界经济论坛第四次工业革命中心农业技术负责人

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

翻译：狄陈静

编辑：王灿