植物荧光的卫星图像可以预测作物产量

康奈尔大学的研究人员和合作者开发了一个新的框架，使科学家能够预测作物产量，而不需要大量的高质量数据——这在发展中国家往往是稀缺的，尤其是那些面临粮食不安全和气候风险加剧的国家。

在世界许多地方，农作物产量正在下降，这主要是由于气候变化的影响。根据康奈尔大学最近的一项研究，在过去四十年中，每升温1摄氏度，农业净收入就会减少66%。

发达国家的农民通常可以依靠大型数据集和风险管理工具来帮助减少极端高温对其产量和收入的影响。但在发展中国家，数据匮乏，往往难以准确衡量作物产量。

在三月份发表在《环境研究快报》上的一篇论文中，科学家们建议使用卫星照片远程测量太阳诱导的叶绿素荧光（SIF），作为评估和预测作物产量的一种方式。利用美国的玉米和印度的小麦样本田，科学家们找到了一种原则上应该适用于任何作物的方法，农业与生命科学学院（CALS）土壤和作物科学副教授Ying Sun说。

她说，叶绿素荧光是由光合组织和生物体重新发出的红光，这种测量值可以作为植物光合能量转换的代表。

“它不会告诉你田里有多少个玉米穗，”她说，“但第一步是从荧光中模拟光合作用。作物产量取决于光合作用。在这里，我们有一个机理模型，这非常重要。

合著者克里斯·巴雷特（Chris Barrett）是查尔斯·戴森应用经济与管理学院（Charles H. Dyson School of Applied Economics and Management）和康奈尔大学杰布·布鲁克斯（Cornell Jeb E. Brooks）公共政策学院的斯蒂芬·B·阿什利（Stephen B. and Janice G. Ashley）应用经济学与管理学教授，他认为这种方法对于预测和定位很有价值：用于制定政策决策，建立农作物保险，甚至预测贫困地区。

他说，这种策略利用了卫星数据日益增长的可用性，并且比其他产量预测方法使用成本更低，访问速度更快。

“这就是为什么我认为这是有希望的。我可以想象，这有助于预测农村地区村级的贫困，因为农村地区的大部分经济都是由农业驱动的，“他说。“这些地方是我们很难收集数据的地方，而且事情可能会很快发生变化。如果我们试图利用稀缺资源并将它们重定向到它们将产生最大影响的地方，这可能会有所帮助。

巴雷特说，这一工具可用于帮助粮食援助组织和非政府机构在提供援助方面更加迅速。

Sun说，她和她的同事们正在进行进一步的研究，这将使这种工具在未来能够实时使用，让农民做出反应，调整土壤改良剂或灌溉策略等措施，以改善当前收成的健康和生产力。

在美国，农业部和其他机构提供了大量的收成数据。以色列内盖夫本古里安大学的主要作者奥兹·基拉（Oz Kira）说，越来越多的机器学习模型被用于进行预测，他曾是Sun实验室的博士后，但这些模型以类似的环境条件为前提。

Kira，以及合著者Jiaming 温博士’23;韩继梅，孙先生实验室的博士后研究员;安德鲁·麦克唐纳（Andrew McDonald），综合植物科学学院和全球发展系（CALS）副教授;Ariel Ortiz-Bobea，应用经济学和政策副教授（戴森和布鲁克斯学院）;戴森（Dyson）兼职教授刘燕妍（Yanyan Liu）建议，使用叶绿素荧光卫星数据将允许不断变化的条件。

“如果生长条件发生变化，预测可能不适用，”Kira说。“在我们的案例中，我们的模型不是基于先前的观察。这可以考虑气候变化。