干旱是一个古老的敌人,它导致作物歉收和饥荒,甚至使帝国覆灭。但卫星和精准农业正在改写这个故事,给人类带来希望:将这个持续了几个世纪的灾祸转变为一个可控的挑战。
IEEE会员Euclides Chuma称:“植物对人类广泛的需求至关重要,包括食物、制衣用的纤维、动物饲料,甚至能源。气候变化正在威胁这些需求。”
Chuma还补充道:“植物对人类可持续的生活方式至关重要。因此,干旱监测至关重要,这样人类就能了解气候变化对农业的影响,并有时间采取行动减轻干旱影响。”
从太空监测干旱
卫星可通过两种主要方式用于监测干旱。首先,它们可以用特殊的摄像头提供高质量的图像。
IEEE高级会员Shawn Chandler说:“卫星测量电磁频谱的不同波长以分析地面状况和大气天气。卫星通过评估诸如红外线、微波和可见光等不同波长能量的吸收和发射来发挥作用。”
Chandler解释说,利用可见光感应技术,卫星能够监测湖泊和河流的水位,并确定大片陆地区域的植被覆盖量,以此作为干旱的指标。卫星还能监测降水量、温度,并有助于评估短期天气模式,这有助于了解土壤湿度水平。使用微波感应技术的卫星能够通过水的散射效应观测土壤湿度,并且基于已知的作物类型,有助于确定作物健康方面的异常情况和威胁。
低轨道卫星的新兴用途为干旱监测提供了第二种途径,因为它们为偏远地区提供互联网连接。农田的全球连接使农民能够使用智能传感器将土壤和植物状况的数据传输到数据中心,在那里高性能计算机可以处理这些信息。卫星图像和物联网(IoT)设备的整合为干旱管理提供了一种全面的方法。
农场中这种联网智能传感器的整合通常被称为精准农业,其目的是为植物找到一个“适宜区”——既不会因水分过多而蒸发浪费,也不会因水分过少而影响植物生长。
Chuma说:“无处不在的互联网连接和物联网技术将提供大量精准数据,这些数据可与人工智能算法结合使用,从而比现在更有效地识别农场中的干旱情况。”
展望未来:利用蜂窝基础设施监测干旱
利用卫星监测干旱的一个原因是,地球上没有足够多地方安装足够的传感器来充分完成这项工作。然而,近年来,人们对使用原本并非用于监测天气的系统或技术的数据的兴趣日益浓厚。
这种做法被称为机会性传感。一种已经受到关注的方法是依靠手机信号塔的数据来监测降雨——或者降雨的缺乏。这个想法基于这样一个事实:蜂窝技术已经无处不在。哪里有人,哪里就有蜂窝信号塔。2006年,IEEE终身会士Hagit Messer和一组研究人员意识到,蜂窝信号塔中的信号会随着不同的天气模式而变化,这些数据可用于环境监测。Messer因其这项研究获得了2024年IEEE环境与安全技术奖章,后来他还表明该系统也可用于早期洪水预警。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。