DeepG2P：融合多模态数据以提升作物产量
机器学习
2022-11-14 v1 计算机与社会
摘要
农业是实现全球人口粮食可持续供给解决方案的核心，但仍需深化我们对农业产出如何应对气候变异性的理解。精准农业（PA）是一种利用遥感、地理信息系统（GIS）和机器学习等技术进行田间决策的管理策略，已成为提升作物生产、增加产量并减少水肥流失与环境影响的有前景途径。在此背景下，人们已开发多种从基因组（G）、环境（E）、天气与土壤以及田间管理措施（M）预测作物产量等农业表型的模型。这些模型传统上基于机理或统计方法。然而，人工智能方法天然适合建模复杂交互，近年来被开发出来并超越了经典方法。本文提出一种基于自然语言处理（NLP）的神经网络架构，用于处理 G、E 和 M 输入及其交互。我们表明，通过将 DNA 建模为自然语言，该方法在新环境测试中表现优于以往方法，对未知种子品种的表现与其他方法相当。
引用
@article{arxiv.2211.05986,
title = {DeepG2P: Fusing Multi-Modal Data to Improve Crop Production},
author = {Swati Sharma and Aditi Partap and Maria Angels de Luis Balaguer and Sara Malvar and Ranveer Chandra},
journal= {arXiv preprint arXiv:2211.05986},
year = {2022}
}
备注
Under review in AISTATS2023