東北地理所在利用遙感與智慧農業保障全球糧食安全研究中取得新進展
到2050年全球人口將達100億，而適宜開墾的耕地已近耗盡。如何在耕地擴張受限、環境壓力加劇的雙重約束下保障糧食安全，是當前全球農業科學面臨的重大挑戰。近日，東北地理所聯合中國農業科學院作物科學研究所、中國科學院空天信息創新研究院，系統構建了從遙感觀測到智能決策的完整技術框架。
研究通過整合衛星與無人機建立了天空地立體觀測網絡，結合AI模型可顯著提升土壤有機質、葉面積指數等關鍵農業參數的反演精度，有效解決了傳統模型跨區域、跨年份泛化能力差的問題。在此基礎上，研究梳理了覆蓋播種、施肥、植保、選種全生產周期的四類智能處方方案，能夠指導變量施肥、靶向噴灑以及耐逆品種篩選，助力農藥減量與精準管理。
尤為值得關注的是，大語言模型有望打通遙感與農民之間的“最后一公里”。傳統遙感產品專業性強，農民難以直接使用，形成了“數據豐富、信息貧乏”的困局。通過將多模態遙感數據與大語言模型深度融合，可構建智能問答系統：農民用自然語言提問，系統自動調取土壤濕度、作物長勢、氣象預報等實時信息，生成通俗易懂的農事建議。目前，農業大語言模型對時空遙感數據的標準化接入仍處于起步階段（如JackDaw架構、神農大模型3.0中的遙感氣象智能體等），現有實踐多為特定場景的定制化集成，缺乏統一框架與接口規范，制約了遙感數據在大規模智能問答系統中的實時調用與語義理解。研究提出遙感-大語言模型融合架構，將多時相衛星數據編碼為作物生長與環境脅迫的結構化表征，通過檢索增強生成使模型按需響應實時遙感信息，并引入不確定性量化，在生成建議時提供置信度，從而提升智能決策的可靠性與可解釋性。
此外，研究還評估了全球代表性農業監測系統的現狀與挑戰。盡管CropWatch、GEOGLAM等系統已趨于成熟，但在非洲、東南亞等以小農戶為主的地區，因基礎設施薄弱、高質量地面樣本匱乏，形成了顯著的數據鴻溝，導致現有模型在這些區域的應用存在系統性偏差。為解決此問題，研究提出基于聯邦學習的跨區域協同建模方案，即各參與方在不共享原始數據的前提下，僅交換模型梯度信息，共同訓練一個全球性的基礎模型。同時，針對南北半球物候周期倒置導致的譜段特征不一致問題，可發展融合物候知識的動態域自適應算法，使在北美訓練的小麥識別模型遷移至澳大利亞時精度衰減大幅減緩。
該研究系統梳理了一個從“數據觀測”到“智能決策”的完整閉環理論框架，特別是將大語言模型納入智慧農業體系，系統解決了當前智慧農業研究中普遍存在的技術碎片化、模型移植性差、對小農戶包容不足三大瓶頸問題。研究強調，智慧農業不僅要實現“增產增效”，更應成為連接氣候減緩、生物多樣性保護與糧食安全的橋梁。
該成果以“Feeding 10 billion people in 2050 with cropland expansion limitation: From remote sensing to smart agriculture”為題近期在線發表于國際學術期刊?European Journal of Agronomy上，論文第一作者為中國科學院東北地理與農業生態研究所李思佳副研究員，合作作者包括東北地理所宋開山研究員（通訊）、中國農業科學院作物科學研究所金秀良研究員、中國科學院空天信息創新研究院李強子研究員，以及東北地理所朱冰雪特別研究助理和劉兆華特別研究助理等。該研究得到國家重點研發計劃項目（2024YFD1501100）、中國科學院戰略性先導科技專項（XDA28050400）與吉林省科技發展計劃重點研發項目（20230202040NC）的聯合資助。
圖1 智慧農業、人工智能技術以及未來多模態大語言模型發展進程
論文信息：Sijia Li, Xiuliang Jin, Qiangzi Li, Xiang Wang, Bingxue Zhu, Zhaohua Liu, Ge Liu, Kaishan Song. Feeding 10 billion people in 2050 with cropland expansion limitation: From remote sensing to smart agriculture. European Journal of Agronomy, 2026, 179, 128159.
論文鏈接：https://www.sciencedirect.com/science/article/pii/S1161030126001784
附件下載：
吉公網安備22017302000214號
