Pentru fermieri, fiecare decizie implică riscuri, iar multe dintre aceste riscuri cresc odată cu schimbările climatice. Unul dintre cele mai importante este cel legat de vreme, care poate afecta randamentele culturilor și mijloacele de trai. O perioadă de îngheț târziu de primăvară, de exemplu, poate forța un cultivator să replanteze sau să schimbe complet culturile, pierzând atât timp, cât și bani.
Accesul la prognoze meteo fiabile și la timp poate ajuta fermierii să se pregătească pentru săptămânile următoare, să găsească cel mai bun moment pentru plantare și recoltare sau să determine cât de mult îngrășământ va fi necesar, rezultând randamente mai bune ale culturilor și costuri mai mici. În multe țări, prognozele meteorologice precise rămân inaccesibile, limitate de costurile ridicate ale tehnologiei și de cerințele de infrastructură ale modelelor tradiționale de prognoză.
Un nou val de modele de prognoză meteo bazate pe inteligență artificială are potențialul de a schimba acest lucru.
Prin utilizarea inteligenței artificiale, aceste modele pot oferi predicții precise și localizate, la o fracțiune din costul de calcul al modelelor convenționale bazate pe fizică, ceea ce face posibil ca agențiile meteorologice naționale să ofere fermierilor informațiile localizate și în timp util despre schimbarea modelelor de precipitații de care aceștia au nevoie.
Provocarea este de a aduce această tehnologie acolo unde este nevoie de ea.
De ce este importantă previziunea bazată pe inteligență artificială
Modelele de predicție meteorologică bazate pe fizică, utilizate de principalele centre meteorologice din întreaga lume, sunt puternice, dar costisitoare. Acestea simulează fizica atmosferică pentru a prognoza condițiile meteorologice viitoare, dar necesită o infrastructură de calcul costisitoare. Costul le face inaccesibile pentru majoritatea țărilor în curs de dezvoltare.
Mai mult, aceste modele au fost dezvoltate și optimizate în principal de țările nordice, dar acestea tind să se concentreze pe regiunile temperate, unde sunt localizate țările cu venituri ridicate și acordă mai puțină atenție zonelor tropicale, unde se află multe țări cu venituri mici și medii.
O schimbare majoră în modelele meteorologice a început în 2022, odată cu dezvoltarea modelelor de învățare profundă, care puteau genera prognoze precise pe termen scurt și mediu pentru locații din întreaga lume, cu până la două săptămâni înainte.
Aceste modele funcționau la viteze cu câteva ordine de mărime mai mari decât modelele bazate pe fizică și puteau rula pe laptopuri în loc de supercomputere. Modele mai noi, cum ar fi Pangu-Weather și GraphCast, au egalat sau chiar au depășit performanțele sistemelor bazate pe fizică de top pentru unele predicții, cum ar fi cele privind temperatura.
Modelele bazate pe inteligență artificială necesită mult mai puțină putere de calcul decât sistemele tradiționale. În timp ce sistemele bazate pe fizică pot necesita mii de ore de utilizare a procesorului pentru a rula un singur ciclu de prognoză, modelele moderne de inteligență artificială pot face acest lucru folosind un singur procesor în câteva minute, odată ce modelul a fost antrenat. Acest lucru se datorează faptului că partea intensivă a antrenamentului modelului de inteligență artificială, care învață relațiile climatice din date, poate utiliza aceste relații învățate pentru a produce o prognoză fără calcule suplimentare extinse. În schimb, modelele bazate pe fizică trebuie să calculeze parametrii fizici pentru fiecare variabilă, în fiecare loc și timp, pentru fiecare prognoză produsă.
Deși antrenarea acestor modele utilizând date bazate pe fizică necesită o investiție inițială semnificativă, odată ce inteligența artificială este antrenată, modelul poate genera previziuni de ansamblu mare – seturi de rulări multiple de prognoză – la o fracțiune din costul computațional al modelelor bazate pe fizică.
Chiar și pasul costisitor de antrenare a unui model meteorologic bazat pe inteligență artificială implică economii considerabile din punct de vedere al costurilor de calcul. Modelul inițial FourCastNet putea fi antrenat în aproximativ o oră pe un supercomputer. Acest lucru a făcut ca o prognoză să fie finalizată de mii de ori mai rapid decât modelele de ultimă generație bazate pe fizică.
Rezultatul tuturor acestor progrese a fost elaborarea de previziuni de înaltă rezoluție la nivel global, în câteva secunde, utilizând doar un laptop sau computer personal.
De asemenea, cercetările avansează rapid pentru a extinde utilizarea inteligenței artificiale pentru prognoze cu săptămâni sau luni înainte, ceea ce îi ajută pe fermieri să facă alegeri privind lucrările agricole. Modelele de inteligență artificială sunt deja testate pentru îmbunătățirea predicțiilor meteorologice extreme, cum ar fi influența cicloanelor extratropicale și perioadele cu precipitații anormale.
Adaptarea previziunilor pentru deciziile din lumea reală
Deși modelele meteorologice bazate pe inteligență artificială oferă capabilități tehnice impresionante, acestea nu sunt soluții plug-and-play. Impactul lor depinde de cât de bine sunt calibrate la vremea locală, comparate cu condițiile agricole reale și aliniate cu deciziile concrete pe care fermierii trebuie să le ia, cum ar fi ce și când să planteze sau când este probabilă seceta.
Pentru a-și valorifica întregul potențial, prognoza bazată pe inteligență artificială trebuie să fie conectată cât mai direct la persoanele ale căror decizii ar trebui să le ghideze.
De aceea, grupuri precum AIM for Scale, organizație specializată în analiza politicilor publice și sustenabilitate, ajută guvernele să dezvolte instrumente de inteligență artificială care să răspundă nevoilor lumii reale, inclusiv instruirea utilizatorilor și adaptarea prognozelor la nevoile fermierilor. Instituțiile internaționale de dezvoltare și Organizația Meteorologică Mondială lucrează, de asemenea, la extinderea accesului la modelele de prognoză bazate pe inteligență artificială în țările cu venituri mici și medii.
Previziunile bazate pe inteligență artificială pot fi adaptate nevoilor agricole specifice contextului, cum ar fi identificarea ferestrelor optime de plantare, prezicerea perioadelor de secetă sau planificarea gestionării dăunătorilor. Diseminarea acestor previziuni prin mesaje text, emisiuni radio sau aplicații mobile asigură informarea fermierilor care pot utiliza datele în beneficiul propriu. Acest lucru este valabil mai ales atunci când mesajele în sine sunt analizate și îmbunătățite constant, pentru a satisface nevoile reale ale fermierilor.
Un studiu recent realizat în India a constatat că, atunci când fermierii de acolo au primit prognoze musonice mai precise, au luat decizii mai informate cu privire la ce și cât să planteze, sau dacă să planteze, rezultând rezultate mai bune ale investițiilor și un risc redus.
O nouă eră în adaptarea la schimbările climatice
Prognoza meteo bazată pe inteligență artificială a ajuns într-un moment crucial. Instrumente care erau experimentale în urmă cu doar câțiva ani sunt acum integrate în sistemele guvernamentale de prognoză meteo. Cu sprijinul inteligenței artificiale, țările își pot dezvolta capacitatea de a genera, evalua și acționa pe baza propriilor prognoze, oferind fermierilor informații valoroase în domeniul serviciilor meteorologice, care în trecut erau indisponibile sau incerte.
Surse:
Fiona Burlig, Amir Jina, Erin M. Kelley, Gregory V. Lane & Harshil Sahai, The value of forecasts: Experimental evidence from India, National Bureau of Economic Research, 2025, DOI 10.3386/w32173
Jaideep Pathak, Shashank Subramanian, Peter Harrington, Sanjeev Raja, Ashesh Chattopadhyay, Morteza Mardani, Thorsten Kurth, David Hall, Zongyi Li, Kamyar Azizzadenesheli, Pedram Hassanzadeh, Karthik Kashinath, Animashree Anandkumar, FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators, 22 feb. 2022, DOI: 10.48550/arXiv.2202.11214,
Paul Winters, Amir Jina, AI is transforming weather forecasting − and that could be a game changer for farmers around the world, The Conversation, 3 sept. 2025
European Centre for Medium-Range Weather Forecasts, ECMWF’s AI forecasts become operational, 25 feb 2025
Foto: Pixabay
