論文の概要: Remote Sensing and Machine Learning for Food Crop Production Data in
Africa Post-COVID-19
- arxiv url: http://arxiv.org/abs/2108.10054v1
- Date: Wed, 14 Jul 2021 13:14:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 07:14:36.638029
- Title: Remote Sensing and Machine Learning for Food Crop Production Data in
Africa Post-COVID-19
- Title(参考訳): アフリカにおける食品作物生産データのリモートセンシングと機械学習
- Authors: Racine Ly, Khadim Dia, Mariam Diallo
- Abstract要約: 旅行禁止や国境閉鎖、農業用インプットの使用が遅れたことで、食糧生産の成績は悪化した。
この章は、2020年のアフリカ全地域での食糧生産量と、トウモロコシ、キャッサバ、米、小麦の4つの主食を評価する。
衛星画像から取得した生物地球物理学的リモートセンシングデータと機械学習人工ニューラルネットワーク(ANN)技術を組み合わせて,生産レベルの予測を行う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In the agricultural sector, the COVID-19 threatens to lead to a severe food
security crisis in the region, with disruptions in the food supply chain and
agricultural production expected to contract between 2.6% and 7%. From the food
crop production side, the travel bans and border closures, the late reception
and the use of agricultural inputs such as imported seeds, fertilizers, and
pesticides could lead to poor food crop production performances. Another layer
of disruption introduced by the mobility restriction measures is the scarcity
of agricultural workers, mainly seasonal workers. The lockdown measures and
border closures limit seasonal workers' availability to get to the farm on time
for planting and harvesting activities. Moreover, most of the imported
agricultural inputs travel by air, which the pandemic has heavily impacted.
Such transportation disruptions can also negatively affect the food crop
production system.
This chapter assesses food crop production levels in 2020 -- before the
harvesting period -- in all African regions and four staples such as maize,
cassava, rice, and wheat. The production levels are predicted using the
combination of biogeophysical remote sensing data retrieved from satellite
images and machine learning artificial neural networks (ANNs) technique. The
remote sensing products are used as input variables and the ANNs as the
predictive modeling framework. The input remote sensing products are the
Normalized Difference Vegetation Index (NDVI), the daytime Land Surface
Temperature (LST), rainfall data, and agricultural lands' Evapotranspiration
(ET). The output maps and data are made publicly available on a web-based
platform, AAgWa (Africa Agriculture Watch, www.aagwa.org), to facilitate access
to such information to policymakers, deciders, and other stakeholders.
- Abstract(参考訳): 農業分野では、新型コロナウイルスが深刻な食料安全保障危機を引き起こす恐れがあり、食品サプライチェーンの混乱と農業生産は2.6%から7%の縮小が見込まれている。
農作物生産の面から、旅行禁止や国境閉鎖、レセプションの遅れ、輸入種子、肥料、農薬などの農業用インプットの使用は、農作物生産性能の低下につながる可能性がある。
移動制限措置によってもたらされたもう1つの破壊層は、主に季節労働者の不足である。
ロックダウン対策と国境閉鎖は、季節労働者が植林や収穫活動に間に合うように農場に着くのを制限している。
さらに、輸入された農業用インプットのほとんどは、パンデミックの影響が大きい空気による移動である。
このような輸送障害は食料生産システムにも悪影響を及ぼす可能性がある。
この章は、収穫期前の2020年に、すべてのアフリカ地域と、トウモロコシ、キャッサバ、米、小麦の4つの主食地で作物の生産水準を評価する。
衛星画像から取得した生物物理リモートセンシングデータと機械学習人工ニューラルネットワーク(ANN)技術を組み合わせて,生産レベルの予測を行う。
リモートセンシング製品は入力変数として、ANNは予測モデリングフレームワークとして使用される。
入力されたリモートセンシング製品は、正規化差植生指数(NDVI)、昼間土地表面温度(LST)、降雨データ、農地の蒸発散量(ET)である。
出力マップとデータはWebベースのプラットフォームであるAAgWa (Africa Agriculture Watch, www.aagwa.org)で公開されており、政策立案者、決定者、その他の利害関係者にそのような情報へのアクセスを容易にする。
関連論文リスト
- Agricultural Recommendation System based on Deep Learning: A
Multivariate Weather Forecasting Approach [0.0]
本稿では,天気予報モデルを用いたコンテキスト型作物推薦システムを提案する。
提案された気象モデルは、バングラデシュの任意の場所において降雨、気温、湿度、日差しを平均して0.9824で予測することができる。
論文 参考訳(メタデータ) (2024-01-21T06:33:45Z) - Climate Change Impact on Agricultural Land Suitability: An Interpretable
Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。
気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。
本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文 参考訳(メタデータ) (2023-10-24T15:15:28Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳(メタデータ) (2023-08-23T11:03:28Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳(メタデータ) (2023-05-03T05:16:54Z) - Automated Wheat Disease Detection using a ROS-based Autonomous Guided
UAV [0.0]
小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。
画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。
ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
論文 参考訳(メタデータ) (2022-06-30T06:12:48Z) - Readiness of the South African Agricultural Sector to Implement IoT [0.0]
農業における技術利用は、食品生産と食品持続可能性を改善する可能性があるという証拠がある。
IoT(Internet of Things)は、気候変動が食料安全保障に与える影響を克服するための潜在的なツールとして提案されている。
本研究は,IoTの広範な実装に向けた南アフリカの農業部門の準備について検討する。
論文 参考訳(メタデータ) (2021-08-23T11:25:20Z) - A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit
Plant Leaves [0.5485240256788552]
この研究は2つの主要な病気(ウイルス)と茶色の斑点(真菌)に焦点を当てている。
我々はウガンダ国立作物研究所(NaCRRI)と共同で、熱心にラベル付けされた果物の葉と果実のデータセットを開発しました。
論文 参考訳(メタデータ) (2020-07-28T10:17:43Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳(メタデータ) (2020-07-07T12:44:17Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳(メタデータ) (2020-04-11T19:49:09Z) - Artificial Intelligence for Digital Agriculture at Scale: Techniques,
Policies, and Challenges [1.1245087602142634]
デジタル農業は農業のスループットを変えるという約束を持っている。
データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。
この論文は、次世代のデジタル農業ソリューションの進化に向けて、エンドツーエンドパイプラインを導く重要な疑問をまとめる最初のものである。
論文 参考訳(メタデータ) (2020-01-21T06:02:38Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳(メタデータ) (2020-01-05T20:19:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。