变革全球粮食安全：通过集成 AI 基础模型与数据驱动方案增强韧性
人工智能
2023-11-01 v1 计算机视觉与模式识别
摘要
粮食安全作为全球性关切，需要精准且多样的数据驱动方案以应对其多方面的挑战。本文探讨了将 AI 基础模型集成到各类粮食安全应用中，利用不同数据类型，以克服当前深度与机器学习方法的局限。具体而言，我们研究了它们在作物类型制图、耕地制图、田块 delineation（边界提取）与作物产量预测中的运用。通过利用多光谱影像、气象数据、土壤属性、历史记录与高分辨率卫星影像，AI 基础模型提供了一种通用的方法。研究表明，AI 基础模型通过提供准确预测、改善资源分配以及支持知情决策，增强了粮食安全举措。这些模型在应对全球粮食安全局限方面发挥着变革性作用，标志着向可持续且安全的粮食未来迈出了重要一步。
引用
@article{arxiv.2310.20301,
title = {Revolutionizing Global Food Security: Empowering Resilience through Integrated AI Foundation Models and Data-Driven Solutions},
author = {Mohamed R. Shoaib and Heba M. Emara and Jun Zhao},
journal= {arXiv preprint arXiv:2310.20301},
year = {2023}
}