一种用于高分辨率作物产量预测的微弱监督框架
机器学习
2022-05-19 v1
摘要
作物产量预测中的预测输入与标签数据并非总在相同的空间分辨率下可用。我们提出了一种深度学习框架，其使用高分辨率输入与低分辨率标签来为两个空间层级生成作物产量预测。该预测模型通过来自低分辨率作物面积与产量统计的微弱监督进行校准。我们通过对欧洲五个国家（德国、西班牙、法国、匈牙利、意大利）与两种作物（软小麦与马铃薯）的父统计区到子区域的区域产量进行分解来评估该框架。将微弱监督模型与线性趋势模型及梯度提升决策树（GBDT）的性能进行比较。更高分辨率的作物产量预测对政策制定者与其他利益相关者有用。微弱监督深度学习方法提供了一种即便在缺乏高分辨率产量数据时也能生成此类预测的途径。
引用
@article{arxiv.2205.09016,
title = {A weakly supervised framework for high-resolution crop yield forecasts},
author = {Dilli R. Paudel and Diego Marcos and Allard de Wit and Hendrik Boogaard and Ioannis N. Athanasiadis},
journal= {arXiv preprint arXiv:2205.09016},
year = {2022}
}
备注
Appeared at the AI for Earth Sciences workshop at @ICLR2022, April 29, 2022. https://ai4earthscience.github.io/iclr-2022-workshop/