可学习智能机器助农民减碳 有望降成本助力碳农业发展

澳洲研究人员正在致力研发一种复杂机器，通过利用人工智能和卫星图像，通过学习可以给出准确的土壤碳含量估计，帮助农民通过更便宜和更容易的方式，实现减少农场碳排放的潜力。

现在，联邦大学Federation University的电脑科学家拉赫曼正在领导这项研究。

拉赫曼说，他的目标是开发一种通过分析影像来量测土壤碳含量的算法。

通过使用美国NASA和欧洲航天局哨兵卫星的免费影像，拉赫曼的目标是将图像转换成二维地图，以便农民能够优先选择碳捕获和储存的地点。

碳农业包括土地所有者通过植树等方法去除大气中的二氧化碳，并增加分解植物资料和微生物以将碳储存在土壤中。

拉赫曼说，虽然碳农业领域有大量工作要做，但他希望他的研究能够为那些想了解土地潜力的人带来「游戏规则改变」，让更多农户参与。

这项为期三年的研究专案旨在帮助降低成本，使碳农业更容易获得，同时也致力研究农民是否可以依赖移动影像。

该项目的一个独特特点是使用分别基于物理和机器学习的两个单独的模型来提高准确性。

拉赫曼说，如果我们能够从移动影像中获得70%的准确率，这就可以作为一种快速检测方法，就像我们进行快速新冠检测一样。

本周，前首席科学家丘布对澳洲碳信用市场进行了一次审查，认为为了鼓励参与，该系统需要更加透明，碳收集数据必须更加公开。

去年11月，联邦政府向八个项目提供了近2900万澳元的赠款，加速降低土壤碳量测成本的技术研发。

拉赫曼说，过去碳量测的一个问题是必须采集样本并将其送到实验室，这可能需要几个小时到几个星期，而且很昂贵。

澳洲碳农组织负责人基利对这项研究表示欢迎，并表示使用卫星图像来确定土壤碳含量的办法非常棒，可能会朝着正确的方向迈出一步，但建模估计仍需要更多现场样本，以确保建模准确。

碳市场研究所的康纳说，正在进行的研究对该行业的规模扩大至关重要，准确的量测和监测是任何碳项目的核心，随着行业的发展，有望看到更统一的数据收集和透明度。