Para los agricultores, cada decisión de plantación de plantas conlleva riesgos, y muchos de estos riesgos aumentan con el cambio climático. Uno de los más inspiradores es el clima, que puede dañar los rendimientos y los medios de vida de los cultivos. Por ejemplo, el monzón pospuesto puede obligar a la granja de arroz en el sur de Asia a reemplazar por completo los cultivos, perdiendo el tiempo y los ingresos.
El acceso a pronósticos climáticos confiables y oportunos puede ayudar a los agricultores a prepararse para la próxima semana, encontrar el mejor momento para plantar o determinar cuánto fertilizante necesitará, lo que resulta en un mejor rendimiento de cultivos y menores costos.
Sin embargo, en muchos países con ingresos bajos y medios, los pronósticos meteorológicos precisos permanecen fuera del alcance, limitado por los altos costos de tecnología y los requisitos para la infraestructura de los modelos de pronóstico tradicionales.
La nueva ola de modelos de tiempos de pronóstico del tiempo tiene el potencial de cambiar eso.
El agricultor mantiene tallos de maíz secos en su campo en Zimbabwe 22. Marta 2024. Años. La sequía causó escasez generalizada de agua y fallas de cultivos. AP Photo / Tsvangiraii Mukvazhi
Mediante el uso de inteligencia artificial, estos modelos pueden enviar predicciones precisas y localizadas sobre la proporción de los costos informáticos de los modelos físicos convencionales. Esto permite que las agencias meteorológicas nacionales en los países en desarrollo brinden a los agricultores de manera oportuna y localizada sobre las formas cambiantes de lluvia que los agricultores necesitan.
El desafío es obtener esta tecnología cuando sea necesario.
¿Por qué están pronosticando cosas ahora?
Los modelos de pronósticos meteorológicos basados en el clima que utilizan los principales centros meteorológicos en todo el mundo son fuertes, pero caros. Simulan la física atmosférica para proporcionar las condiciones climáticas previstas por adelantado, pero necesitan un conjunto de infraestructura informática. Los costos se insertan fuera del alcance para la mayoría de los países en desarrollo.
Además, estos modelos generalmente se desarrollan y optimizan para los países del norte. Es propenso a centrarse en ingresos moderados, altos y menos atención a los trópicos, donde se encuentran muchos países con ingresos bajos y medios.
El cambio principal en los modelos meteorológicos fue 2022. Año a medida que los investigadores industriales y universitarios desarrollaron modelos de aprendizaje profundo que podrían crear pronósticos precisos de puntajes a corto y mediano tamaño para ubicaciones en todo el mundo a dos semanas por delante.
Estos modelos han trabajado para acelerar varios pedidos más rápido que los modelos físicos y podrían funcionar en computadoras portátiles en lugar de supercomputadora. Los modelos más nuevos, como las condiciones de clima Pangu y el gráfico, coincidieron o incluso superaron los sistemas líderes basados en la física para algunas predicciones, como la temperatura.
El agricultor distribuye fertilizantes en la India. Igualdad de Pekel
Y los modelos se realizaron requieren una autoridad informática dramáticamente menos que los sistemas tradicionales.
Si bien los sistemas basados en física pueden necesitar miles de CPU para lanzar un ciclo de pronóstico único, los modelos modernos de IA pueden usar una GPU en unos minutos cuando el modelo está vestido. Esto se debe a que la parte intensiva de la capacitación y el modelo, que aprenden y las relaciones en el clima aéreo, pueden usar esas relaciones aprendidas para producir un pronóstico sin un cálculo extenso adicional: es el atajo principal. Por el contrario, los modelos basados en física deben calcular la física para cada variable en cada lugar y tiempo para cada producto producido.
Mientras capacita estos modelos basados en datos basados en la física, cuando es necesario, el modelo necesita crear excelentes pronósticos en grandes conjuntos: los conjuntos de pronósticos múltiples basados en la física.
Incluso un conjunto de pasos de entrenamiento y el modelo meteorológico muestran un ahorro significativo en la computadora. Un estudio encontró que el modelo de FourcastNet temprano podría ser entrenado en aproximadamente una hora en la supercomputadora. Era hora de presentar pronósticos miles de veces más rápido que los modelos físicos más modernos.
El resultado de todos estos avances: pronósticos de alta resolución en el lado global en segundos en una computadora o escritorio portátil.
La investigación también progresa rápidamente para expandir el uso de IA para pronósticos en semanas hacia adelante, lo que ayuda a los agricultores a elegir la siembra. Y los modelos ya se están probando para mejorar el pronóstico del clima extremo, como los ciclones extratrópicos y la lluvia anormal.
Previsión de sastrería para decisiones del mundo real
Aunque los modelos de IA ofrecen habilidades técnicas impresionantes, no son soluciones para el enchufe y la reproducción. Su influencia depende de qué tan bien calibrado en la hora local, en comparación con las condiciones agrícolas del mundo real y se armonizara con decisiones reales que los agricultores deberían tomar, como el uno y cuando es probable que sea.
Desbloquear todo su potencial, y el pronóstico debe estar relacionado con personas cuyas decisiones deberían conducir.
Es por eso que cooperamos como investigadores en políticas públicas y sostenibilidad, ayudamos a los gobiernos a desarrollar una y herramientas que satisfagan las necesidades en el mundo real, incluida la capacitación de usuarios y adaptando las necesidades de los agricultores. Las instituciones internacionales de desarrollo y las organizaciones meteorológicas mundiales también trabajan para ampliar el acceso y los modelos de pronóstico en países de bajos y medianos ingresos.
Muchos países de bajos ingresos en África se enfrentan a los agudos efectos del cambio climático, desde drogas pesadas hasta lluvias e inundaciones impredecibles. La fuente deteriora los conflictos y los fondos puntiagudos de por vida. AP Photo / Sundai Alamba
Los pronósticos de IA pueden adaptarse a las necesidades agrícolas de contexto, como identificar ventanas de plantación óptimas, predecir hechizos secos o planificación de plagas. Con la expansión de estos pronósticos a través de mensajes de texto, la transmisión y las aplicaciones móviles pueden ayudar a los agricultores que pueden beneficiarse. Esto es especialmente cierto cuando los mensajes están constantemente probando y mejorando para garantizar que satisfagan las necesidades de los agricultores.
Un estudio reciente en India reveló que cuando los agricultores recibieron pronósticos más precisos de monzón, trajeron informantes al respecto y cuánto ser, o si en todo esto, plantarán, los resultados de mejores resultados de inversión y un riesgo reducido.
Nueva era en la adaptación climática
AI El pronóstico del tiempo ha alcanzado la llave de la llave. Las herramientas que eran experimentales antes de cinco años ahora se integran en los sistemas de pronóstico de tiempo del gobierno. Pero solo la tecnología no cambiará vidas.
Utilizando el apoyo, los países de bajo y medio pueden desarrollar la capacidad de generación, evaluación y tratamiento de sus propios pronósticos, proporcionando información valiosa a los agricultores que han carecido durante mucho tiempo en servicios meteorológicos.
.webp)
0 Comentarios