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，使科学家能够在不需要大量高质量数据的情况下预测作物产量，而这些数据在发展中国家往往很稀缺，尤其是那些面临粮食不安全和气候风险加剧的国家

在世界许多地区，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，农场净收入就会下降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，而且往往难以准确衡量作物产量

在《环境研究快报》上发表的一篇论文中，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法。农业与生命科学学院土壤与作物科学副教授、合著者孙颖表示，利用美国玉米和印度小麦的样本田，科学家们找到了一种原则上对任何作物都适用的方法

她说，叶绿素荧光是光合组织和生物体重新发出的红光，这是植物光合能量转换的一种指标

“它不会告诉你一块地里有多少玉米穗，”她说，“但第一步是根据荧光对光合作用进行建模。作物产量取决于光合作用。这里有一个非常重要的机械模型。”

他说，这一策略利用了卫星数据日益增长的可用性，与其他产量预测方法相比，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的村级贫困，因为农村地区的大部分经济都是由农业驱动的，”他说。巴雷特说：“这些地方我们很难收集数据，而且情况可能会很快发生变化。如果我们试图将稀缺资源转移到影响最大的地方，这可能会有所帮助。”

Sun说，她和她的同事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，调整土壤改良或灌溉策略等措施，以提高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首席作者Oz Kira曾是孙实验室的博士后，他说，机器学习模型越来越多地被用来进行预测，但这些模型以类似的环境条件为前提

Kira建议使用叶绿素荧光卫星数据将考虑到条件的变化

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

该研究的合著者包括温佳明博士。；韩，孙实验室博士后研究员；安德鲁·麦克唐纳，综合植物科学学院和全球发展系副教授；Ariel Ortiz Bobea，应用经济学和政策副教授（戴森和布鲁克斯学院）；刘燕燕，副教授（戴森）