智慧农业智商税(三): 质疑!全球首个农业大模型?别把飞机引擎装在拖拉机上

最后有很多朋友给我转发一个视频，全球首个农业大模型，问我怎么评价？

我抱着一个学习的态度，去下载了这个APP。

目前可以预测大豆，可选有很多的品种，输入经纬度，播种时间，种植天数，

它可以预测什么呢？这里有一个建议询问，“植株鲜重”“主茎鲜重”，“绿叶鲜重”“黄叶鲜重”这些参数。

这些参数，都是书本上搞研究的参数，但是我们农民拿到这些参数可以做点什么呢？

是要施肥？施什么肥？施多少肥？

好吧，还是输入一个植珠鲜重，等结果。

等了一天，状态一直是大模型解析中。

第二天登录，好家伙，我输入的信息都没有了。

可能我自觉才疏学浅，不太会用这些高端的APP。这个APP拿了英国国际发明奖最高奖，我想可能是他们英国的农民会用。如果有人知道怎么用这个APP指导具体的农事生产，也请评论区留言教教我。

很明显，这些参数基本都是学术界通用的作物生长模型预测出来的参数。这些作物生长模型是从20 世纪70年代末开始的，美国的 DSSAT 、法国的 STICS 澳大利亚的 APSIM 、荷兰的 GECROS（按照这里的标注大字幕） 先开始研究。作物生长模型诞生于实验室的微观测定，以作物生长发育的内在规律为基础，综合作物的品种、种植的环境、调控技术的影响，能够定量描述作物在不同的环境下发生的改变。

输入参数过于复杂，农民根本无法获取。

作物生长模型的运行需要大量输入参数，比如WOFOST模型或SWAP模型为例，其需要输入的参数包括比叶面积、光合作用最大速率、叶片衰老指数、干物质分配系数以及土壤水分特征曲线等 。这些参数无法通过肉眼观察或简单工具测量获得的，必须在实验室通过精密仪器测定，或者通过多年、多点田间试验数据校正后才能获得 。

对于普遍农民来说，他要是能够获取到这些数据，它也不会去当农民了。

遥感参数和实验室测定参数存在鸿沟

2. 很多学者也尝试过用遥感的手段去获取，但是也存在问题，遥感反演的数据与实验室测定的数据在定义和标准上存在根本性差异。可以说是鸡同鸭讲，一团乱麻。

比如，土壤水分，遥感反演的土壤水分是土壤表面5cm以内的水分，这个水分从早到晚的变化非常大，而生长模型需要土壤水分是根系分布所在的深度，比如10cm、20cm、40cm，甚至更深。如果硬要把表层5cm的水分代替整体土壤分层的水分，会造成多严重的问题呢？

比如，黏土在灌水之后 0-5cm表现出很湿，但由于土壤板结，导致水渗透不下去，10cm以下的土壤是很干的。这两个测的土壤水分值完全相反。

这个时候，你发现叶面发黄，土壤看起来又不缺水，容易被误诊为缺氮，如果继续施肥，这土壤只会越来越板结，而根只会越来越渴，只会加速作物死亡。

而很多学者直接拿遥感数据反演值，去套那些微观的生长模型公式，预测结果当然是南辕北辙。我国遥感技术这么成熟，何必要用宏观的遥感参数去适应实验室微观测定的作物生长模型呢？这条路在跟不上就是走不通的啊。

3. 模型输出的性状参数无法直接指导农事实践

作物生长模型输出的通常是学术性、描述性的性状参数，而非具体的农事操作指令。

比如，当模型预测出“叶面积指数偏低”或“植株氮含量不足”时，农民面临的问题是：我该做点什么呢？

是施肥少了？还是根系出问题了？还是有病虫害的影响？

国外那精密的生长模型用来发论文很好，但是给老百姓用，仍旧是浮在天上。如果无法指导农民的实践，所有的智慧农业项目，最终也就是面子工程。

现在，当我们站在智慧农业的时代门槛上，面对这些复杂的作物生长模型，我们不禁要问：科技的意义究竟是什么？

是为了在顶级期刊上发表一篇又一篇论文？还是为了给出一堆农民看不懂的参数？

科学界总要有人说真话吧？如果总要有一个人去牺牲，才能唤起所有人的觉醒，我愿意做那个人。

我们必须从学术的象牙塔里走出来，研发属于我们中国农民能够用的起来的科技成果。

我想，真正的科技，不是摆在实验室里供人瞻仰的展品，而是飞入寻常百姓家的堂前燕！

5亿农民，不应该被AI科技所抛弃，而应该是我们科技成果的终极评委！

当5亿农民丰收，这个国家就会丰收！

科技只有放在5亿农民的双手上，才能托举起中国农业的未来！