Oct, 2023

气候变化对农业土地适宜性的影响：可解释的基于机器学习的亚欧案例研究

PDF
TL;DR通过机器学习方法预测气候变化对农业土地适宜性的风险，以应对全球范围内的粮食短缺和社会冲突。
food securityhungerclimate changemachine learningagricultural land suitability
发现论文，激发创造
  • 基于因果机器学习的农业土地适宜性评估

    利用机器学习模型评估农业管理实践对农田适宜性的影响，研究发现在比利时的 Flanders 地区，农作物轮作对 NPP 没有显著影响，而景观作物多样性对 NPP 有小幅负面影响，并发现在空间上存在显著的异质性效应。

    Apr, 2022

  • 使用因果机器学习实现可持续农业的个性化

    为了实现气候变化和人口增长的双重挑战，需要加强全球农作物生产并将农业从碳排放转变为碳汇，了解农业管理实践的环境影响是必要的前提。在此基础上，个性化的可持续农业是提高绿色指标的有效途径和即将出台的政策中的一个重要发展方向。本文将个性化可持续农业定义为条件平均处理效应的估计任务，并使用因果机器学习来处理。利用气候数据、土地利用信息和双重机器学习，我们估计了立陶宛的田间土壤有机碳含量在可持续农业实践方面的异质性影响，为实现可持续农业的目标提供了数据驱动的视角并扩大了全球碳汇。

    Nov, 2022

  • 作物多样化对气候变化影响的理解：一种机器学习方法

    在未来变暖和更干旱的气候下，农作物多样性可以提高作物的净初级生产力，从而有望成为现在和未来农业生产力的明智政策选择。

    Jul, 2023

  • 在数据稀缺环境下使用深度学习进行大规模农田绘制：尼日利亚案例研究

    利用机器学习技术结合全球农田数据集和手工标注数据，对尼日利亚进行了 10 米分辨率的新农田图生成，通过评估和比较不同模型及全球土地覆盖地图的性能，发现现有的 WorldCover 地图在测试集上表现最佳。

    Dec, 2023

  • 大地数据和机器学习支持可持续和有弹性的农业

    本研究利用地球观测数据、机器学习和大数据方法开发应用程序，致力于监测共同农业政策（CAP）、食品安全及智能耐荒农业等领域，在解决机器学习模型训练的注释数据不足以及推导的价值落实到实际决策之间的差距等问题上取得了一定的方法创新和研究进展。具体来说，通过数据立方体、分布式学习和数据语义化等技术，不仅实现了农作物类型和生长状态估计的预测，也为应对实际农业问题提供了因果解释等机器学习技术支撑。

    Nov, 2022

  • 利用机器学习应对气候变化

    介绍了机器学习如何在减少温室气体排放和帮助社会适应气候变化方面发挥重要作用。提出了许多合作机会和有前途的商业机会，并呼吁机器学习社区为应对气候变化加入全球行动。

    Jun, 2019

  • 利用 GNN-RNN 方法捕捉地理空间和时间信息：应用于农作物产量预测

    本文通过引入新的图形循环神经网络，将地理和时间信息嵌入到机器学习模型中，进一步提高了作物产量预测的预测能力，并验证了其在各种指标上优于现有的先进方法，为未来的研究提供了坚实的基础。

    Nov, 2021

  • 农业精密种植：利用机器学习和 Sentinel-2 卫星图像进行作物映射

    本研究利用来自 Sentinel-2 卫星图像的各种光谱波段组合，采用深度学习和基于像素的机器学习方法，对熏衣草田进行精准农业的精确分割，得出了 Dice 系数为 0.8324 的 U-Net 结构的最终模型，同时，我们的研究还强调了像素方法和红绿蓝光谱波段组合在这一任务中的意外功效。

    Nov, 2023

  • 机器学习在作物产量和疾病预测中的应用：结合土壤营养和天气因素

    为了解决孟加拉国农业领域中作物选择和疾病预测的问题，本研究开发了一种智能农业决策支持系统。通过利用机器学习方法和实际数据集，该系统结合了作物生产、土壤条件、农业气象区域、作物疾病和气象因素的综合数据，为用户推荐作物列表并预测可能的疾病，并通过决策树回归模型预测作物产量，帮助农民选择高产作物和预防作物疾病，提高孟加拉国的农业实践水平。

    Mar, 2024

  • 机器学习、遥感和物联网在产量预测中的最新应用：一次关键性综述

    将遥感技术和机器学习运用于农业领域可以提高农业生产效率，改善产量预测和水资源管理，以实现联合国《可持续发展目标》中 “零饥饿” 的目标。通过综述现有文献，该研究探究了采用遥感、机器学习等技术进行农作物产量预测与水资源管理的方法，并探讨了如何将这些方法应用于实时决策，为农业生产提供决策依据。

    Jun, 2023