人工智能 (AI) 是 2024 年的流行语。尽管人工智能还未成为文化焦点，但来自农业、生物和技术背景的科学家也在转向人工智能，他们合作寻找方法让这些算法和模型分析数据集，以便更好地理解和预测受气候变化影响的世界。

在最近发表在《植物科学前沿》杂志上的一篇论文中，普渡大学测绘学博士生 Claudia Aviles Toledo 与她的导师兼合著者 Melba Crawford 和 Mitch Tuinstra 合作，展示了循环神经网络(一种教计算​​机使用长短期记忆处理数据的模型)的能力，该网络可以根据多种遥感技术以及环境和遗传数据预测玉米产量。

植物表型分析(即检查和描述植物特征)是一项劳动密集型任务。用卷尺测量植物高度、使用重型手持设备测量多个波长的反射光以及拉出和干燥单个植物进行化学分析都是劳动密集型且昂贵的工作。遥感，即使用无人驾驶飞行器 (UAV) 和卫星从远处收集这些数据点，使此类田间和植物信息更容易获取。

威克沙姆农业研究卓越、农学系植物育种与遗传学教授、普渡大学植物科学研究所科学主任图因斯特拉表示：“这项研究强调了无人机数据采集和处理与深度学习网络相结合的进步如何有助于预测玉米等粮食作物的复杂性状。”

克劳福德是南希·乌里迪尔和弗朗西斯·博苏土木工程杰出教授和农学教授，他将功劳归于阿维莱斯·托莱多和其他在田间和利用遥感技术收集表型数据的人。在这次合作和类似研究中，世界已经看到基于遥感的表型分析既减少了劳动力需求，又收集了人类感官无法单独辨别的植物新信息。

高光谱相机可以对可见光谱以外的光波长进行详细的反射率测量，现在可以安装在机器人和无人机上。光检测和测距 (LiDAR) 仪器释放激光脉冲并测量它们反射回传感器的时间，以生成植物几何结构图(称为“点云”)。

“植物会为自己讲述一个故事，”克劳福德说。“如果它们受到压力，它们就会做出反应。如果它们做出反应，你可能会将其与特征、环境投入、施肥、灌溉或害虫等管理实践联系起来。”