NASA与IBM人工智能模型以30米分辨率绘制亚洲季风区稻田地图

人工智能识别亚洲季风区水稻种植范围

据Aaj Tak报道，科研人员利用NASA与IBM开发的地球人工智能模型，制作了新的亚洲季风区水稻种植地图。该地图基于2018至2023年的卫星观测数据，能够以30米空间分辨率识别水稻种植区。

这一项目针对的是农业监测中的长期难题。亚洲水稻生产分布范围广，许多地区以面积较小、相互紧邻的地块为主，传统区域调查难以持续、准确地区分这些田块。卫星影像自动分析可以更快覆盖相关区域，并在不同地点采用统一方法。

Aaj Tak称，该地图的平均准确率约为84%，不同地区约为83%至90%。这一结果仍不能取代实地核验，但可以为科研机构和农业部门提供覆盖整个地区的基础数据，用于确定稻田位置并跟踪其随时间发生的变化。

Landsat与Sentinel-2数据提供田块级细节

该模型利用Landsat与Sentinel-2卫星项目的影像和观测数据识别水稻种植区。30米分辨率能够发现相对较小地块上的种植活动，对于农地高度零散、种植面积难以统计的地区尤其重要。

更精细的地图可以改进水稻种植面积估算；如果与单产和季节数据结合，还能提高产量评估的准确性。政府、加工企业、贸易商和投资者依靠此类数据判断稻谷供应、采购需求和市场风险。地图本身并非产量预测，但能为预测提供更细致的地理基础。

覆盖2018至2023年的数据也为研究这一时期种植区域的变化提供了条件。持续更新地图，有助于区分稳定产区，以及稻田面积正在扩大、缩减或转移的地区。不过，Aaj Tak并未提供研究中的各国种植面积数据。

用水量和甲烷排放估算有望改善

稻田位置不仅关系到作物统计，也影响用水评估，因为水稻种植需要大量水资源。Aaj Tak援引一项较早的全球估算称，水稻种植约占全球人类淡水使用量的24%至30%。全球大部分水稻产自亚洲，更准确的田块级信息有助于判断灌溉需求最集中的地区。

长期淹水的稻田也是甲烷排放源。据Aaj Tak报道，科研人员估计，全球稻田每年排放约32太克甲烷，其中很大一部分来自亚洲。更准确地掌握稻田位置和面积，可以改进排放测算，并帮助研究人员分析种植方式、用水和甲烷排放之间的关系。

对产业参与者而言，该项目的直接价值是提高信息透明度，而不是立即改变供应。生产者和政策制定者可据此更有针对性地实施水资源管理计划；加工企业和贸易商则可将地图与天气、单产和收获数据结合，完善区域供应判断。其商业价值将取决于更新频率、各产区的本地验证以及与其他农业数据集的整合程度。