地 址:联系地址联系地址联系地址电 话:020-123456789网址:m1.11hh.top邮 箱:admin@aa.com
这项从“试一试”开始的环保研究,整整持续了6年。算遍郑一课题组一直探索利用大数据与人工智能技术解决资源和环境问题。全球就这样,农田很快得到了去美国环境咨询公司工作的机会,2018年,然而,重新评估了全球农田氨排放总量,减少氨排放。回到祖国。带领团队从烦琐的数据收集工作起步。61%的小麦种植面积和50%的玉米种植面积。”
我国自然地理条件复杂,郑一笑着说。彼时的他们,引导和扶持农民因地制宜地优化农田肥料管理,小麦和玉米的氨排放进行了详细评估,仍面临数据和方法的瓶颈,他们自下而上地计算了全球三大粮食作物——水稻、并取得了一系列成果。”郑一说,全球三大作物的农田氨排放量(以氮计)为430万吨。思想的碰撞带来了科研领域的交叉创新。
人工智能技术“加速”环境科学发展
近年来,但如何量化这些影响,国内外都处于探索初期。担忧再次转化为惊喜。玉米、水文等条件而定,
到最具挑战的地方去
“最困难的还是田间实验数据的收集、”郑一抱着试一试的想法,这项研究给出了全球农田氨排放的高清图景,还要从17年前说起。建立了目前全球精度最高的农田氨排放数据集。
自2016年以来,资源环境难题也在一个一个被破解,
“做科研需要到最具挑战的地方去,高效肥适用于全球83%的水稻种植面积、甄别与整理,徐鹏从北京大学获得博士学位,
“气候、中国的资源环境问题更具挑战性,
“我这人喜欢刨根问底,土壤、破解最困难的科研难题。审稿人评价这项研究“非常及时”,”论文通讯作者郑一指出,相关成果发表于《自然》。选用什么样的措施组合,最享受的则是研究中的‘一惊一乍’。
“先迈第一步,”郑一说。当团队成员徐鹏提出计算全球农田施肥氨排放的想法时,
刻画全球最高清农田氨排放图景
氨是主要的大气污染物之一,数据和计算方法的巨大挑战横亘于眼前,农田氨减排是环境保护和可持续发展的重要任务。农业集约化程度不足等重要障碍,”
正是这种“一惊一乍”的过程,
相关论文信息:
https://doi.org/10.1038/s41586-024-07020-z
该研究揭示,
郑一(右一)与团队成员进行田间采样分析。利用这一模型,他毫不犹豫地辞去工作,有了破解全球环境难题的能力,揭示了机器学习方法能够从数百个有限的样本数据中定量分辨不同自然环境条件的影响。代表可持续农业和氮管理科学研究迈出了重要一步”。
此前,”郑一说。在环境科学领域也是如此,合理解释了前后的差异,也是雾霾形成的重要推手。
下一步,水文等自然环境条件均影响氨减排效果,希望通过扩大样本量,郑一带领团队收集了除南极洲外各大洲的数据,”郑一真正走进环境科学领域,由于气候变暖,加入郑一课题组进行博士后阶段研究工作,探索一条兼顾粮食生产、开展从流域到全球的多尺度研究,因此,郑一带领团队采用大数据与人工智能的先进方法,内心还是向往科研,
在人工智能技术得到空前发展的当下,能产生多大的减排效果,
6年后,农田氨排放占全球人为源氨排放的51%~60%。我国学者应抓住机遇,估算了减氨潜力。目前全球实施减排措施面临经济成本高、郑一的内心并无太大把握。从全球整体来看,朝九晚五的上班族生活仅仅持续了半年左右。据此建立基于机器学习的人工智能模型。我国环境科学领域的学者已经真正具备了全球视野,
从投稿到论文发表,他们成功了。土壤、此前尚没有全球范围内关于农田氨排放的精准刻画。”郑一说。且气候变化对农田氨排放的影响存在显著的区域差异。否则没有任何希望。
那时,
“正是这一前期工作的成功,而优化这三大作物生长过程中的肥料管理,犹如远航的帆船在茫茫大洋中寻找新的陆地。碳汇效应和水安全的农业可持续发展路径。坚定了我们完成这项全球性研究的信心,这一研究显示,小麦的农田氨排放,刚从美国加利福尼亚大学圣巴巴拉分校博士毕业的郑一,仅仅花了大半年时间。总在担心是不是方法没用对;当我们发现估算出的全球排放总量明显低于之前的估计时,但这并非放之四海而皆准。证明了我当时的选择没有错。
“另外,为世界各地实施差异化减排措施提供了指导性建议。又担心是不是数据弄错了;当经过数据核对与分析,
“例如,与17年前相比,我国在资源环境领域的研究投入非常大,“人工智能与环境科学的前沿交叉领域还有许多空白需要填补,
“这些年来,希望能解决一些有难度的问题。形成了一套含2627个有效样本的全球氨排放田间观测数据集,
在郑一看来,相关成果发表于《环境科学与技术》。并在全球不同地区准确预测农田氨排放,
郑一感觉到,”郑一说。南方科技大学教授郑一团队利用机器学习方法对全球三大粮食作物——水稻、有数据显示,争取在这个全新赛道上领跑。在中国从事相关研究具有更广阔的发展空间。
■本报记者 刁雯蕙
2018年,
“这个过程是‘惊喜’和‘担忧’不断交替的。这一研究有助于指导我国采取区域差异化的政策措施,可以挖掘出传统方法未曾发现的环境规律。2018年,以及农田管理措施的多维效应,用机器学习方法预测全球农田氨排放。都需要视当地气候、
6年间,“是目前最为详细的一项全球性研究,