WxCrop 智能体用天气指数预测作物损失
论文AI 评分 66/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇 arXiv 论文提出 WxCrop，这是一个智能体，它依据可物理释义的天气指数、结合因果分析来判断农业灾害风险，并把天气与农业信息合并，对历史日期和预报日期都能给出作物损失预测。作者在美国佛罗里达州针对飓风、冰冻和干热三类灾害做了演示，每类灾害的损失模型都用保险记录校准，并称同一流程可推广到其他灾害与地区。三项检验结果：飓风指数识别有记录的气旋日 AUC 为 0.98；在留出年份上复现的损失误差在 2% 以内；独立产量记录印证了县级排序，秩相关为 0.63。用户可按作物组询问损失占预期当季产值的比例，每个数字都标注来源。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
材料指出，极端天气往往提前数天就能预报，但预报只说明风暴会在哪里登陆，并不说明哪些作物会受损、风险有多大；而能回答这个问题的记录分散在多个来源中。WxCrop 的定位正是填补这段空白：它不直接使用原始气象输出，而是检查可物理释义的天气指数，并用因果分析判断这些指数与农业后果之间的关系。作者称这是首个以此方式判断农业灾害的智能体，也是首个把天气与农业信息结合起来、对过去日期和预报日期都能较可靠预测作物损失的方案。
演示范围与校准方式
论文在佛罗里达州展开演示，覆盖飓风、冰冻和干热三类灾害，每一类都单独建立损失模型，并用保险记录进行校准。作者强调这套流程并不局限于上述灾害与地区，可以扩展到其他灾害类型和其他区域。对使用者而言，智能体按作物组给出损失占预期当季产值的比例，且每个数字都附带来源，便于政府、种植者和科研人员在灾害发生后快速响应。
三项可靠性检验
作者给出三项检验来支撑可靠性。第一，飓风指数对有记录的气旋日进行识别，AUC 达到 0.98。第二，在留出年份上，模型复现的损失与记录值相差在 2% 以内。第三，用独立产量记录核对县级排序，秩相关系数为 0.63。这三项分别对应灾害识别、损失数值复现和空间排序一致性，覆盖了从事件判定到损失量级再到区域优先级的链条。论文共 34 页，含 4 幅图和 6 张表，归入大气与海洋物理以及人工智能两个分类。
为什么值得看
把天气预报转成可核验的作物损失数字，并给出可复用的智能体流程，对农业保险与灾害响应有直接参考价值。
智能体论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。