1.機器學習方法分析玉米產(chǎn)量影響因素

印度東部小農(nóng)戶農(nóng)場的玉米產(chǎn)量差距（Zea mays L.）是氣候變化、土壤肥力梯度、社會經(jīng)濟因素和不同管理強度之間復雜相互作用的結(jié)果。該研究使用幾種機器學習方法來研究多種生物物理、社會經(jīng)濟和作物管理特征后，再使用幾種機器學習方法確定玉米產(chǎn)量變異性的相對影響。研究者對180個農(nóng)場的土壤肥力狀況進行了評估，并與玉米產(chǎn)量、社會經(jīng)濟條件和農(nóng)藝管理方面的調(diào)查數(shù)據(jù)進行了配對，將農(nóng)場規(guī)模、總勞動力、土壤因子、播種率、肥料和有機肥確定為影響因素。在比較的三種玉米產(chǎn)量分類方法中，人工神經(jīng)網(wǎng)絡（ANN）在驗證樣品上產(chǎn)生的錯誤分類最少（25%）。

——《Maize yield in smallholder agriculture system—An approach integrating socio-economic and crop management factors》Sudarshan Dutta etc.（DOI：10.1371/journal.pone.0229100）

2.一個用于收集小型農(nóng)戶數(shù)據(jù)的手機應用程序

移動和智能手機的普及使農(nóng)村人口的移動服務激增。移動服務為小農(nóng)戶提供發(fā)展機會的潛力得到了廣泛認可，但使用智能手機應用程序收集小農(nóng)戶農(nóng)業(yè)系統(tǒng)數(shù)據(jù)的方法卻很少被探索。該文評估了智能手機是否可以用于實時收集數(shù)據(jù)，從而提高社會經(jīng)濟和農(nóng)藝數(shù)據(jù)收集的準確性。在該文章中，研究者開發(fā)了一個手機應用程序，他們使用該應用程序分析了農(nóng)業(yè)機械化在贊比亞農(nóng)村地區(qū)家庭內(nèi)部使用時間和對作物營養(yǎng)的影響。早期的描述性結(jié)果揭示了機械化的影響，該項研究的貢獻主要是方法上的。該研究強調(diào)了使用智能手機應用程序?qū)崟r收集小農(nóng)戶系統(tǒng)的社會經(jīng)濟和農(nóng)藝數(shù)據(jù)的潛力。它還提出了將受訪者記錄的數(shù)據(jù)與智能手機內(nèi)置傳感器和外部傳感器相結(jié)合的方法，為研究人員提供了新的研究途徑。

——《Smartphone apps as a new method to collect data on smallholder farming systems in the digital age: A case study from Zambia》Thomas Daum etc.（DOI：10.1016/j.compag.2018.08.017）

3.基于衛(wèi)星數(shù)據(jù)的產(chǎn)量估計

在低收入和中等收入國家的小農(nóng)生產(chǎn)系統(tǒng)中，作物產(chǎn)量是根據(jù)家庭/農(nóng)場調(diào)查報告來評估的。該研究引入了衛(wèi)星方法，并結(jié)合了傳統(tǒng)的地面調(diào)查方法，使用烏干達東部玉米數(shù)據(jù)評估了地面和衛(wèi)星相結(jié)合后在估計農(nóng)業(yè)投入和作物產(chǎn)量上的準確性。研究表明，基于衛(wèi)星的產(chǎn)量測量可以解釋不同地塊間同樣多或更多的產(chǎn)量差異。此外，對玉米產(chǎn)量與各種生產(chǎn)要素（如肥料、土壤質(zhì)量）之間關(guān)聯(lián)的估計在地面調(diào)查和衛(wèi)星計量中是相似的，但由于樣本量較大，使用后者有時會有更準確的結(jié)果。研究結(jié)果說明基于衛(wèi)星的產(chǎn)量估算在發(fā)展中國家中是有應用價值的。

——《Eyes in the Sky, Boots on the Ground: Assessing Satellite- and Ground-Based Approaches to Crop Yield Measurement and Analysis》David B Lobell etc.（DOI：10.1093/ajae/aaz051）

4.小型農(nóng)戶的 FAW管理策略

秋粘蟲（FAW）是一種新的入侵性害蟲，對玉米生產(chǎn)造成破壞性影響，并威脅到撒哈拉以南非洲和亞洲數(shù)百萬貧困小農(nóng)的生計。研究者利用來自加納、盧旺達、烏干達、贊比亞和津巴布韋2356個玉米種植家庭的獨特調(diào)查數(shù)據(jù)，研究了小農(nóng)戶如何與害蟲作斗爭。研究者評估了小農(nóng)戶使用的FAW管理策略。結(jié)果顯示，小農(nóng)戶采取了多種方法來減輕影響，但合成農(nóng)藥的使用仍是最受歡迎的選擇。多變量概率回歸結(jié)果表明，合成農(nóng)藥的廣泛使用是由家庭資產(chǎn)財富、獲得補貼農(nóng)業(yè)投入和推廣信息等因素驅(qū)動的。研究結(jié)果對促進環(huán)境友好和可持續(xù)地管理小農(nóng)耕作系統(tǒng)中入侵性害蟲的政策和干預措施具有重要意義。

——《Understanding smallholders' responses to fall armyworm (Spodoptera frugiperda) invasion: Evidence from five African countries》Justice A Tambo  etc.（DOI：10.1016/j.scitotenv.2020.140015）

5.物聯(lián)網(wǎng)太陽能智能農(nóng)田灌溉系統(tǒng)

基于物聯(lián)網(wǎng)的智能灌溉管理系統(tǒng)有助于在精準農(nóng)業(yè)領(lǐng)域?qū)崿F(xiàn)最佳的水資源利用。該文提出了一種基于開源技術(shù)的智能系統(tǒng)，通過檢測土壤濕度、土壤溫度和環(huán)境條件等地面參數(shù)以及來自互聯(lián)網(wǎng)的天氣預報數(shù)據(jù)來預測田地的灌溉需求。該系統(tǒng)涉及地面和環(huán)境傳感的傳感節(jié)點，考慮了土壤濕度、土壤溫度、空氣溫度、紫外線 （UV） 光輻射和農(nóng)田的相對濕度。該文章提出的系統(tǒng)基于智能算法，考慮了感知數(shù)據(jù)以及近期的天氣預報參數(shù)。該系統(tǒng)提供了供水的閉環(huán)控制，以實現(xiàn)完全自主的灌溉方案。該文對該系統(tǒng)進行了描述，并詳細討論了基于所提出算法的三周數(shù)據(jù)的信息處理結(jié)果。結(jié)果表明，該系統(tǒng)功能齊全，預測結(jié)果令人滿意。

——《An IoT based smart irrigation management system using Machine learning and open source technologies》