设计概率性 AI 季风预报以为农业决策提供信息
机器学习
2026-03-11 v2 人工智能
综合经济学
大气与海洋物理
经济学
摘要
数亿农户在关于未来天气的不确定性下做出高风险决策。预报可以为这些决策提供信息，但可用选择及其风险与收益因农户情况的差异性而异。我们引入一个决策理论框架，用于设计在预报者无法规定最优行动（因为农户情况各异）的情境下的有用预报。我们将该框架应用于季节性季雨开始日期，这是许多热带国家农业植物和投资的关键日期。我们开发了一个系统，通过将系统化基准的人工智能（AI）天气预测模型与一种新的“演化农户期望”统计模型融合来量身定制预报。该统计模型应用贝叶斯推断对历史观测进行推断，以预测季节中首次发生事件的时间可变概率。该混合系统在比各组成部分或任何多模型平均值更有技能的印度季风预报在更长的预报时限上表现更佳。2025 年，该系统被部署在一次政府主导的项目中，为 3800 万名印度农户提供亚季节性季雨开始预报，灵巧地预测了当年早夏异常干季。该决策理论框架和混合系统为全球约 10 亿人口中极易受灾区的气候适应工具提供了一条发展路径。
引用
@article{arxiv.2603.07893,
title = {Designing probabilistic AI monsoon forecasts to inform agricultural decision-making},
author = {Colin Aitken and Rajat Masiwal and Adam Marchakitus and Katherine Kowal and Mayank Gupta and Tyler Yang and Amir Jina and Pedram Hassanzadeh and William R. Boos and Michael Kremer},
journal= {arXiv preprint arXiv:2603.07893},
year = {2026}
}