Techxplore最新消息,农业正成为AI原生。 Skoltech研究人员已使用Zhores超级计算机进行了非常精确的敏感性分析,以揭示黑钙土地区不同作物产量的关键参数。他们的论文发表在《计算科学》上,这是2020年国际计算科学大会的论文集。
全世界的农民使用数字作物模型进行预测;这些模型描述了土壤过程,气候和农作物特性,并需要环境和农业管理输入数据来进行校准和改进预测。但是,在某些国家/地区,这些模型的用户无法免费获得农业化学数据,这种校准可能会变得既昂贵又费时。
由Ivan Oseledets教授和Maria Maria Pukalchik助理教授领导的Skoltech团队使用了一种流行的基于开源过程的名为MONICA的方法,该方法基于历史数据和过程建模来确定仅显示最重要的作物产量参数的方法。此外,他们使用旗舰Skoltech超级计算机Zhores将计算效率从每天一次仿真提高到每小时50万个模型仿真。
要进行高质量的灵敏度分析,以确定某些输入因素(例如土壤参数或肥料)的变化如何影响产量预测,模拟的数量如此之高是必不可少的。
研究小组使用了来自俄罗斯黑切诺姆地区实验的田间数据,该作物的甜菜(Beta vulgaris),春季大麦(Hordeum vulgare)和大豆(Glycine max)的季节性作物轮换在2011年至2017年期间进行了观测。他们选择了六种主要土壤参数进行敏感性分析并进行Sobol敏感性分析(以2001年提出的俄罗斯数学家Ilya Sobol的名字命名)。
“土壤在这个国家是一个非常复杂的问题。不幸的是,尚未发布有关特性和农作物产量的数据。我们找到了克服这一障碍的机会,并建立了Zhores超级计算机来解决此问题。现在我们可以模拟所有可能的情况。无需耗时且费钱的工作就能显示出最关键的参数。我们希望我们的成就将有助于农民数字化他们的作物生长,” Maria Pukalchik说。

头像

By szf