基于因果推断的可持续农业数字工具评估
机器学习
2022-11-08 v1 人工智能
摘要
与若干行业的快速数字化形成对比，农业在气候智慧型农具的采用上较为滞后。尽管 AI 驱动的数字农业可提供高性能的预测功能，但其对农民收益的切实定量证据不足。田间试验可得出此类证据，但往往成本高且耗时。为此，我们提出一种观测性因果推断框架，用于实证评估数字工具对目标农场绩效指标的影响。借此，我们可通过提升数字农业市场的透明度来增强农民信任，进而加速那些旨在提高生产力并保障农业在气候变化下具备可持续性与韧性的技术的采用。作为一个案例研究，我们对一个最优棉花播种推荐系统进行了实证评估，该系统由某农民合作社在 2021 年生长季中使用。我们利用农业知识构建农场系统的因果图，使用后门准则识别推荐对产量的影响，并随后在观测数据上采用多种方法进行估计。结果显示，依据我们的推荐播种的田地产量显著增加了 12% 至 17%。
引用
@article{arxiv.2211.03195,
title = {Evaluating Digital Tools for Sustainable Agriculture using Causal Inference},
author = {Ilias Tsoumas and Georgios Giannarakis and Vasileios Sitokonstantinou and Alkiviadis Koukos and Dimitra Loka and Nikolaos Bartsotas and Charalampos Kontoes and Ioannis Athanasiadis},
journal= {arXiv preprint arXiv:2211.03195},
year = {2022}
}
备注
Accepted for publication and spotlight presentation at Tackling Climate Change with Machine Learning: workshop at NeurIPS 2022