后疫情时代非洲粮食作物生产数据的遥感与机器学习
摘要
在农业领域，COVID-19 疫情有可能在该地区引发严重的粮食安全危机，粮食供应链中断，农业生产预计将收缩 2.6% 至 7%。从粮食作物生产方面来看，旅行禁令与边境关闭、进口种子、化肥和农药等农业投入品的延迟接收与使用，可能导致粮食作物生产表现不佳。流动性限制措施带来的另一层干扰是农业劳动力（主要是季节性工人）的稀缺。封锁措施与边境关闭限制了季节性工人及时到达农场进行种植和收获活动。此外，大多数进口农业投入品通过航空运输，而疫情对其造成了严重冲击。此类运输中断也会对粮食作物生产系统产生负面影响。本章评估了 2020 年（收获期之前）所有非洲地区以及玉米、木薯、水稻和小麦四种主粮的粮食作物生产水平。生产水平通过使用从卫星图像获取的生物地球物理遥感数据与机器学习人工神经网络（ANNs）技术相结合进行预测。遥感产品用作输入变量，ANNs 作为预测建模框架。输入的遥感产品包括归一化植被指数（NDVI）、白天地表温度（LST）、降雨数据以及农田蒸散量（ET）。输出的地图与数据在基于网络的平台 AAgWa（Africa Agriculture Watch，www.aagwa.org）上公开提供，以便政策制定者、决策者和其他利益相关方获取此类信息。
引用
@article{arxiv.2108.10054,
title = {Remote Sensing and Machine Learning for Food Crop Production Data in Africa Post-COVID-19},
author = {Racine Ly and Khadim Dia and Mariam Diallo},
journal= {arXiv preprint arXiv:2108.10054},
year = {2021}
}
备注
This chapter has been submitted to the Annual Trends and Outlook Report (ATOR, 2021). The ATOR is a flagship report of the Regional Strategic Analysis and Knowledge Support System (ReSAKSS) program at AKADEMIYA2063. The chapter has 22 pages, 14 images, 9 tables, and 36 references