基于因果和对比约束最小化的可持续土壤管理域适应
机器学习
2024-01-17 v1
摘要
监测有机质对于维持土壤健康至关重要，并有助于指导可持续土壤管理实践。虽然基于传感器的土壤信息能提供关于有机质变化的高保真可靠见解，但采样和测量传感器数据成本高昂。我们提出了一个多模态、可扩展的框架，该框架可以从遥感数据（一种更易获取的数据源）估计有机质，同时利用稀疏的土壤信息来提高泛化能力。利用传感器数据，我们保留了传感器属性与有机质之间的潜在因果关系。同时，我们利用数据中的固有结构，通过对比学习训练模型以区分不同域。这种因果和对比约束的最小化确保了改进的泛化能力和对其他域的适应。我们还通过识别对提高泛化能力重要的属性，阐明了该框架的可解释性。识别这些影响有机质的关键土壤属性将有助于标准化数据收集工作。
引用
@article{arxiv.2401.07175,
title = {Domain Adaptation for Sustainable Soil Management using Causal and Contrastive Constraint Minimization},
author = {Somya Sharma and Swati Sharma and Rafael Padilha and Emre Kiciman and Ranveer Chandra},
journal= {arXiv preprint arXiv:2401.07175},
year = {2024}
}
备注
Neurips workshop on Tackling Climate Change 2023