《GeoAI 助力全球粮食安全：基于遥感和深度学习的作物产量预测》
9月21日 下午14:00 开播
讲师：
马宇驰，先后于武汉大学，美国普渡大学，威斯康星大学麦迪逊分校获得学士，硕士，和博士学位。并于 2023 年 6 月入职斯坦福大学进行博士后研究。他的研究目标是通过遥感和人工智能的整合来改进农业实践并促进全球粮食安全。研究兴趣包括环境遥感、作物估产、精准农业、迁移学习。在国际期刊和会议包括 Remote Sensing of Environment (RSE), IEEE Transactions on Geoscience and Remote Sensing (TGRS), Computers and Electronics in Agriculture, Association for the Advancement of Artificial Intelligence (AAAI)上发表了约 20 篇文章并担任多个期刊审稿人。
课程介绍：
准确及时地预测玉米产量对于全球商品贸易和粮食安全至关重要。目前，基于深度学习的作物估产模型取得了成功，但大多数现有模型仅提供产量估计，而没有量化相关的不确定性。在本次讲座中，将介绍一个我们团队开发的一个基于贝叶斯神经网路（BNN）玉米产量预测模型。该模型在 2010-2019 测试年的美国玉米带预测中实现了 0.77 的平均决定系数(R2)，并且优于其他五个机器学习模型。此外，对生长季节内的预测精度的评估显示，该模型可以在收获季节前约 2 个月实现最优的预测精度。我们还评估了产量预测的不确定性，发现产量不确定性水平随着时间稳步下降，并在 8 月初左右稳定下来，不确定性主要由观测噪声引起，也与热胁迫和水分胁迫等环境胁迫有关。本讲座介绍一个稳健的作物估产框架，并强调需要更深入地了解环境胁迫对农业生产力的影响。
