未来农场:AI如何加速再生农业的发展?
AI有潜力加速再生农业的发展。 Image: Getty Images.
Jaskiran Warrik
Lead, Regenerative and Climate Adaptive Projects, Food and Water, World Economic Forum分享:
实时追踪:
农业、食品和饮料业
- 再生农业提供了一种保障粮食安全并应对气候变化的方法。
- AI发展有助于加速向再生农业转型。
- 本文概述了中低收入国家如何利用新兴技术并扩大其规模。
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:保障未来粮食安全,建立有韧性的粮食系统
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。
理解数字化和AI在农业中的作用
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。
再生农业与AI结合:广阔的应用前景
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:
1. 地理空间图像用于景观规划
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。
2. AI驱动数字化推广
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。
3. 预测虫害以减少农药使用
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。
4. AI金融激励措施
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。
5. 快速土壤测试和项目监测
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。
扩大AI在再生农业中的应用规模
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:
- 减少AI的碳足迹:AI需求的增长增加了电力的使用,导致科技公司的排放量增加。减排至关重要,应当采取减排措施,如使用可再生能源、加强数据管理等。
- 优化数据基础设施和框架:高质量的数据对于增强AI模型的有效性至关重要,但农业数据通常是碎片化的。建设数据共享的数字公共基础设施有助于各组织回收和重复利用数据,从而降低成本。通过设定标准来协调数据收集也十分重要,有助于加强互用性,并使数据使用更加高效。另一点是收集农民的实践数据,并结合土壤、水等其他数据集,得出有效的实践证据。
- 构建村级服务传播网络:如果没有中介,农民可能难以直接应用AI技术。利益相关多方需要通力合作,培训和部署村级机构,向农民传播AI服务。
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
不要错过关于此主题的更新
创建一个免费账户,在您的个性化内容合集中查看我们的最新出版物和分析。
许可和重新发布
世界经济论坛的文章可依照知识共享 署名-非商业性-非衍生品 4.0 国际公共许可协议 , 并根据我们的使用条款重新发布。
世界经济论坛是一个独立且中立的平台,以上内容仅代表作者个人观点。
分享:
更多关于 第四次工业革命查看全部
John Letzing
2024年10月2日
Matthias Rebellius
2024年9月6日