基于人工智能方法与作物模拟模型的作物产量预测综合建模方法
机器学习
2023-06-21 v1 人工智能
摘要
大量的产量估算方案要么基于数据驱动模型，要么基于作物模拟模型（CSM）。研究者倾向于利用美国农业部（USDA）等机构提供的全国性作物信息数据库来构建数据驱动模型。与之相反，CSM需要精细数据，难以从少数田块中推广。本文提出一种用于产量预测的综合方法，结合数据驱动方案、作物模拟模型及模型代理，以在作物管理决策中支持多种用户画像与需求。为实现该目标，我们开发了大规模校准CSM的方案、保证更快执行的CSM代理模型，以及在此类设定下执行高效风险评估的基于神经网络的方法。我们的数据驱动建模方法以接近91%的产量相关性预测优于以往工作。作物模拟建模架构达到6%误差；所提出的作物模拟模型代理以相近精度水平实现比所采用作物模拟器快近100倍的预测。
引用
@article{arxiv.2306.10121,
title = {A Comprehensive Modeling Approach for Crop Yield Forecasts using AI-based Methods and Crop Simulation Models},
author = {Renato Luiz de Freitas Cunha and Bruno Silva and Priscilla Barreira Avegliano},
journal= {arXiv preprint arXiv:2306.10121},
year = {2023}
}