气候变化正迫使粮食生产者改变生产流程，以适应日益不可预测和危险的天气。小农尤其容易受到气候变化的影响，因为他们往往缺乏种植作物所需的资源和种植技术。在北卡罗来纳州，研究人员正在将人工智能集成到地理空间技术中，以帮助解决全球粮食安全和贫困的这些复杂挑战。
Josh灰色她是自然资源学院的副教授，在林业和环境资源系工作地理空间分析中心．遥感利用卫星从远处检查地球的物理特征。
格雷说:“如果你想在每一处都测量同样的东西，而且你想每天都做，遥感就能满足你。”“没有其他技术可以让你做到这一点。这是一项非常重要的缩放技术。”
没有其他技术可以让你做到这一点。
格雷补充说:“我们可以在轨道上进行地面上无法进行的测量。”“不管你能派多少研究生到实地去，你就是无法测量地下半公里有多少水这样的东西。”
在北卡罗来纳州的年度大学研究研讨会上，格雷描述了他的实验室如何使用地理空间技术和机器学习来研究印度恒河平原的小农场，并为他们在变暖的地球上面临的问题找到解决方案。
小农是那些拥有小农场的人。它们加在一起产生了全世界人类消耗的一半以上的卡路里。在喜马拉雅山脉沿线，这些小农极度贫困，受到气候变化的影响。
这些小农通常种植水稻和小麦。小麦对升温特别敏感。为了确定在小麦种植季节提前是否能保护作物免受气温上升的影响，格雷的实验室开发了一种方法，通过一系列卫星图像确定这些小农场的种植日期。
这些农场每个不到2公顷(约5英亩)，而该地区有数千万个这样的农场。手动追踪每个农场的边界是很困难的。该实验室训练了一个卷积神经网络，通过卫星图像自动识别农场。
首先，实验室使用数据增强来创建图像样本。这些样本基于现有的图像，但被水平或垂直翻转，以不同的角度旋转，模糊或具有不同的亮度。
这些图像样本被输入到卷积神经网络结构U-Net中。卷积神经网络被称为cnn，是机器学习中的计算模型，可以分析视觉效果。通过这些图像样本的训练，U-Net可以识别精确的场边界。
格雷说，这个项目是“传统统计学、领域知识以及人工智能和机器学习的混合。”将这些学科结合起来可以创造一个更有能力和更有活力的研究过程。格雷说:“知道从哪个时间段选择图像，让我们有了一个更有效的机器学习管道。”
格雷的实验室计划扩大这一过程，以分析该地区数百万个农场。通过这项研究，该团队可以为小农确定可行的解决方案，并加强粮食安全。
- 类别:
