楊海順（音譯）認為有。楊是內布拉斯加大學的農學教授，同時也是計算機建模專家。他正在嘗試使用程序來處理數字，使之轉化為對農民有用的數據。

他開發的程序叫做“混合玉米”（Hybrid-Maize），你可以上傳所有農場相關的天氣和農學狀況。在生長季節的任何時間，“混合玉米”都可以綜合降雨、土壤水分、每日溫度、種植日期和種植數量，提供一個估算的玉米產量。楊說“混合玉米”的圖形界面非常友好，易于使用。

所有數值輸入都可以在首頁完成

據楊介紹，該模型主要綜合分析實時氣象資料、歷史天氣數據和玉米產量的最大單一影響因素，從而得出結果。在生產季節的任何時間點估計產量，它首先調取這個生產季最新的天氣數據，然后利用往年的歷史數據代替本生產季余下時間的數據。

舉例來說，如果你在6月15日運行程序，它會調取從本季開始直到6月15日的天氣數據，并且假定6月15日之后的天氣情況與以往每年的歷史天氣情況相似。

隨著生長季的進行，不斷更新當前天氣數據，使產量預測的精度越來越高。

“如果你有20年的歷史數據，該程序會計算出20種可能的結果，從最好的到最糟糕的，然后給你一個平均值。”楊說。“隨著生長季的進行，預測值會越來越接近實際最終產量，因為使結果偏離平均值的數據越來越少”。

在2014年，楊的團隊與來自全國玉米帶（從堪薩斯州到俄亥俄州）的25個地區的推廣合作者一同測試了“混合玉米”模型。他們從各種官方報告中找到當地的數據，輸入到程序中估算當地產量。

“混合玉米”使用區域

如果有足夠多的當地合作者（包括農民）集合在一起，楊說，這些數據可以用來估算整個生長季節地區、州及國家的玉米產量。參與者和歷史數據越多，最終產量預測就變得越準確。

“當‘混合玉米’模擬某一片農田的玉米產量時，它假定這一片農田的作物管理水平和土壤性質是相同。”楊說。“這樣的農田可以代表一個天氣、作物管理及土壤性質條件相似的地區。”

好消息是，大部分需要的數據在公共記錄中都可以找到，如美國國家氣象局數據或美國農業部數字土壤地圖。其他相關數據，包括種植日期、種植數量以及雜交品種的成熟期，也可以輸入到模型中。“所有數據都可以找到。”楊說。

出人意料的是，國家氣象局的數據沒有想象的那么容易獲取。部分觀測站沒有納入全國聯網，所以不能自動獲取數據并上傳到“混合玉米”。

當然，預測產量有一定的局限性。“混合玉米”不能理解養分嚴重不足、冰雹災害、雜草侵襲及作物病害等情況，它假定這些情況都符合歷史平均水平。

“當農作物病害異常嚴重時，程序不能理解這種情況，因為這與以前收集到的數據不符。”楊說。

他以2012年為例來說明這一點。這一年，隨著夏季的進行變得越來越干旱。每兩周一次的產量預測是以平均或正常的天氣來預測的，但實際的天氣卻越來越干旱，直到收獲才能得知產量受損的具體情況。

在2014年，由于當年的天氣狀況與歷史記錄相似，“混合玉米”在早期就預測出了準確的產量。

“值得注意的是，在2014年7月20日進行當年第一次產量預測時，我們預測有14塊旱地玉米田的產量會超過平均水平，最后證明其中11塊都與預測相符。”楊指出。

在2014年，由于過多的降雨，一些玉米田在生長季后期遇到了氮短缺的問題，他繼續說道。“混合玉米”模型并沒有考慮到這一點，在少數情況下，預計產量比實際產量高。

利用“混合玉米”分析生長動態

楊說，許多人都對他的計算機模型表現出興趣。首先是農民，此外還有保險公司、種業公司、食品公司，以及生物燃料行業都對作物產量的早期預測產生了極大的興趣。

“你掌握的數據越多，效果越好。”楊說。針對的大豆類似模型正處在研發的初始階段。

在未來，他希望增加可輸入的數據類型，例如免耕面積和節水技術，讓“混合玉米”變得更準確。

“我們希望知道更多關于水分脅迫在不同生長階段對作物的影響。”他補充道。

美國農業部已經連續多年提供生長季中作物產量預測報告。與“混合玉米”相比，美國農業部的預測報告包含更多當地作物狀況的樣本數據。

楊認為這兩種系統都有效，但組合使用可能效果更好。“混合玉米”在收集各方面數據上更有效率，他說，因為它不需要人們真正下田監測作物。