机构名称：
¥ 1.0
提供给管理者的科学信息对不同的时空背景高度敏感。在这种情况下，应通过将一系列基于现场的观测结果与计算模型相联系，使信息产品针对特定的位置和时间进行量身定制。此类模型可以使用代表关键控制变量（如气候、土壤、植被、土地利用、水文、邻里效应（空间相互作用）和其他变量）的网格数据集来填补稀疏局部观测之间的信息空白（见图 1）。由于新的人工智能/机器学习算法和代表许多变量的“大”时空数据集的出现，人工智能模型在扩展或推断信息方面的潜在效用有所增加。2 下面，我们重点介绍最近的例子，其中人工智能建模方法和相关工具可以在广泛的空间范围内向农业生产者和土地管理者提供精准信息。我们还强调了人工智能对网络内基于站点的研究的未来方向和影响，例如美国农业部 (USDA) 农业研究服务研究站系统和美国农业部长期农业生态系统研究 (LTAR) 网络。
利用人工智能扩大农业研究
主要关键词
相关文件推荐
