评估农业韧性的AI集成模型
研究人员开发了一种AI驱动工具，结合经济学模型（GTAP）与生物物理模型（APSIM），通过自然语言查询分析供应链冲击，帮助政策制定者和市场参与者评估跨学科影响。
来源arXiv AI作者: Joshua R. Waite, Dana Golden, Brett Indelicato, Kevin Camp, Mojdeh Saadati, Shannon Regan, Patrick Schnable, Baskar Ganapathysubramanian, Carlos Messina, Suzanne Thornsbury, Soumik Sarkar
农业供应链是一个复杂的系统，既受气候、土壤、病虫害等生物物理因素影响，也受市场价格、贸易政策、关税等经济因素驱动。这两类系统紧密耦合，使得任何单一领域的冲击都可能迅速传导至整个供应链。例如，一场干旱不仅会降低作物产量，还会引发价格上涨和贸易流动变化，进而影响全球粮食安全。为应对这一挑战，来自多所研究机构的科学家们开发了一款AI驱动的新型评估工具。该工具创新性地整合了两个世界领先的模型：全球贸易分析项目（GTAP）——一个被广泛用于模拟全球经济与贸易政策的可计算一般均衡模型，以及农业系统模拟（APSIM）——一个能够精细模拟作物生长、土壤水分、养分循环的生物物理模型。通过人工智能技术，特别是自然语言处理（NLP）接口，用户无需具备深厚的建模背景即可与系统交互。例如，政策制定者可以询问“如果东南亚地区气温上升2摄氏度且大米出口关税提高10%，供应链将如何变化？”系统随即调用GTAP和APSIM进行联合模拟，并以自然语言返回结果，包括预测的产量变化、价格波动、贸易路线调整等。该工具的开发标志着农业韧性评估从传统的单一学科分析向跨学科集成迈出了重要一步。论文作者包括Joshua R. Waite等11人，于2026年7月8日提交至arXiv（编号2607.07759，类别cs.AI）。研究团队强调，该工具的设计初衷并非取代专业模型，而是作为决策支持系统，帮助非专家用户快速理解复杂情景。未来，研究计划进一步集成实时数据源，并扩展至畜牧业和渔业供应链。此外，该框架有望应用于其他面临类似耦合风险的领域，如能源-水-粮食纽带关系。