杨海顺（音译）认为有。杨是内布拉斯加大学的农学教授，同时也是计算机建模专家。他正在尝试使用程序来处理数字，使之转化为对农民有用的数据。
他开发的程序叫做“混合玉米”（Hybrid-Maize），你可以上传所有农场相关的天气和农学状况。在生长季节的任何时间，“混合玉米”都可以综合降雨、土壤水分、每日温度、种植日期和种植数量，提供一个估算的玉米产量。杨说“混合玉米”的图形界面非常友好，易于使用。
所有数值输入都可以在首页完成
据杨介绍，该模型主要综合分析实时气象资料、历史天气数据和玉米产量的最大单一影响因素，从而得出结果。在生产季节的任何时间点估计产量，它首先调取这个生产季最新的天气数据，然后利用往年的历史数据代替本生产季余下时间的数据。
举例来说，如果你在6月15日运行程序，它会调取从本季开始直到6月15日的天气数据，并且假定6月15日之后的天气情况与以往每年的历史天气情况相似。
随着生长季的进行，不断更新当前天气数据，使产量预测的精度越来越高。
“如果你有20年的历史数据，该程序会计算出20种可能的结果，从最好的到最糟糕的，然后给你一个平均值。”杨说。“随着生长季的进行，预测值会越来越接近实际最终产量，因为使结果偏离平均值的数据越来越少”。
在2014年，杨的团队与来自全国玉米带（从堪萨斯州到俄亥俄州）的25个地区的推广合作者一同测试了“混合玉米”模型。他们从各种官方报告中找到当地的数据，输入到程序中估算当地产量。
“混合玉米”使用区域
如果有足够多的当地合作者（包括农民）集合在一起，杨说，这些数据可以用来估算整个生长季节地区、州及国家的玉米产量。参与者和历史数据越多，最终产量预测就变得越准确。
“当‘混合玉米’模拟某一片农田的玉米产量时，它假定这一片农田的作物管理水平和土壤性质是相同。”杨说。“这样的农田可以代表一个天气、作物管理及土壤性质条件相似的地区。”
好消息是，大部分需要的数据在公共记录中都可以找到，如美国国家气象局数据或美国农业部数字土壤地图。其他相关数据，包括种植日期、种植数量以及杂交品种的成熟期，也可以输入到模型中。“所有数据都可以找到。”杨说。
出人意料的是，国家气象局的数据没有想象的那么容易获取。部分观测站没有纳入全国联网，所以不能自动获取数据并上传到“混合玉米”。
当然，预测产量有一定的局限性。“混合玉米”不能理解养分严重不足、冰雹灾害、杂草侵袭及作物病害等情况，它假定这些情况都符合历史平均水平。
“当农作物病害异常严重时，程序不能理解这种情况，因为这与以前收集到的数据不符。”杨说。
他以2012年为例来说明这一点。这一年，随着夏季的进行变得越来越干旱。每两周一次的产量预测是以平均或正常的天气来预测的，但实际的天气却越来越干旱，直到收获才能得知产量受损的具体情况。
在2014年，由于当年的天气状况与历史记录相似，“混合玉米”在早期就预测出了准确的产量。
“值得注意的是，在2014年7月20日进行当年第一次产量预测时，我们预测有14块旱地玉米田的产量会超过平均水平，最后证明其中11块都与预测相符。”杨指出。
在2014年，由于过多的降雨，一些玉米田在生长季后期遇到了氮短缺的问题，他继续说道。“混合玉米”模型并没有考虑到这一点，在少数情况下，预计产量比实际产量高。
利用“混合玉米”分析生长动态
杨说，许多人都对他的计算机模型表现出兴趣。首先是农民，此外还有保险公司、种业公司、食品公司，以及生物燃料行业都对作物产量的早期预测产生了极大的兴趣。
“你掌握的数据越多，效果越好。”杨说。针对的大豆类似模型正处在研发的初始阶段。
在未来，他希望增加可输入的数据类型，例如免耕面积和节水技术，让“混合玉米”变得更准确。
“我们希望知道更多关于水分胁迫在不同生长阶段对作物的影响。”他补充道。
美国农业部已经连续多年提供生长季中作物产量预测报告。与“混合玉米”相比，美国农业部的预测报告包含更多当地作物状况的样本数据。
杨认为这两种系统都有效，但组合使用可能效果更好。“混合玉米”在收集各方面数据上更有效率，他说，因为它不需要人们真正下田监测作物。
