韧性农业对气候的预期性理解
计算机视觉与模式识别
2024-11-12 v2 机器学习
应用统计
摘要
由于气候变化和地缘政治事件的影响，全球粮食供应的韧性将日益受到关注。数十亿人面临中度或严重粮食不安全。本文描述了一个框架，用于更好地识别粮食安全热点区域，结合遥感、深度学习、作物产量建模和粮食分配系统的因果建模。虽然我们认为这些方法适用于世界其他地区，但我们聚焦于小麦主产区——印度北部，该地区供给了全球人口的很大比例。我们对基于德国 curated 遥感数据的小麦农场识别进行深度学习域适应方法的定量分析。我们使用现有的作物产量建模工具WOFOST对气候变化对作物产量的影响进行建模，并使用纵向惩罚函数回归识别作物模拟误差的关键驱动因素。还描述了一个印度粮食分配系统的系统动力学模型，并基于预测作物产量对粮食不安全进行识别。
引用
@article{arxiv.2411.05219,
title = {Anticipatory Understanding of Resilient Agriculture to Climate},
author = {David Willmes and Nick Krall and James Tanis and Zachary Terner and Fernando Tavares and Chris Miller and Joe Haberlin and Matt Crichton and Alexander Schlichting},
journal= {arXiv preprint arXiv:2411.05219},
year = {2024}
}