論文の概要: Evaluating Digital Tools for Sustainable Agriculture using Causal
Inference
- arxiv url: http://arxiv.org/abs/2211.03195v1
- Date: Sun, 6 Nov 2022 18:22:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 15:52:23.056162
- Title: Evaluating Digital Tools for Sustainable Agriculture using Causal
Inference
- Title（参考訳）: 因果推論を用いた持続的農業のためのデジタルツールの評価
- Authors: Ilias Tsoumas, Georgios Giannarakis, Vasileios Sitokonstantinou,
Alkiviadis Koukos, Dimitra Loka, Nikolaos Bartsotas, Charalampos Kontoes,
Ioannis Athanasiadis
- Abstract要約: 本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
このように、デジタル農業市場の透明性を高めることで、農家の信頼を高めることができる。
- 参考スコア（独自算出の注目度）: 0.9213852038999553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In contrast to the rapid digitalization of several industries, agriculture
suffers from low adoption of climate-smart farming tools. Even though AI-driven
digital agriculture can offer high-performing predictive functionalities, it
lacks tangible quantitative evidence on its benefits to the farmers. Field
experiments can derive such evidence, but are often costly and time consuming.
To this end, we propose an observational causal inference framework for the
empirical evaluation of the impact of digital tools on target farm performance
indicators. This way, we can increase farmers' trust by enhancing the
transparency of the digital agriculture market, and in turn accelerate the
adoption of technologies that aim to increase productivity and secure a
sustainable and resilient agriculture against a changing climate. As a case
study, we perform an empirical evaluation of a recommendation system for
optimal cotton sowing, which was used by a farmers' cooperative during the
growing season of 2021. We leverage agricultural knowledge to develop a causal
graph of the farm system, we use the back-door criterion to identify the impact
of recommendations on the yield and subsequently estimate it using several
methods on observational data. The results show that a field sown according to
our recommendations enjoyed a significant increase in yield (12% to 17%).
- Abstract（参考訳）: いくつかの産業の急速なデジタル化とは対照的に、農業は温暖化による農業ツールの採用が低い。
ai駆動のデジタル農業は高いパフォーマンスの予測機能を提供できるが、農家の利益に関する具体的な定量的な証拠が欠けている。
フィールド実験はそのような証拠を導き出すことができるが、しばしばコストと時間を要する。
そこで本研究では,デジタルツールが農業パフォーマンス指標に与える影響を実証的に評価するための観察的因果推論フレームワークを提案する。
このようにして、デジタル農業市場の透明性を高め、生産性を高め、気候変動に対して持続可能で弾力的な農業を確保する技術の採用を加速することで、農家の信頼を高めることができる。
事例研究として,2021年の生育期において,農業協同組合が利用した最適綿播栽培の推薦システムについて,実証的な評価を行った。
農学の知識を活用して農業システムの因果グラフを作成し,バックドア基準を用いて収量に対するレコメンデーションの影響を同定し,観察データを用いた推定を行った。
結果から,畑の播種は収量の増加(12%から17%)を示した。
関連論文リスト
- Enabling Adoption of Regenerative Agriculture through Soil Carbon Copilots [11.63518622433838]
我々は、土壌の健康と再生の実践に関する洞察を提供するために、AI駆動の土壌有機炭素コパイロットを導入する。
私たちのデータには、極端な気象イベントデータ、ファームマネジメントデータ、SOC予測が含まれています。
カリフォルニア郡全体で農業の実践を比較すると、多様な農業活動が耕作の悪影響を緩和する証拠が見つかる。
論文 参考訳（メタデータ） (2024-11-25T19:11:41Z) - Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。
我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文 参考訳（メタデータ） (2024-11-07T22:29:05Z) - Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues [6.0460261046732455]
食品生産は重要な世界的関心事であり、人工知能(AI)による農業革命の可能性はほとんど解明されていない。
本稿では,農業における機械学習(ML)の適用に焦点をあてた総合的なレビューを行い,農業実践におけるその変革的ポテンシャルと効率向上を探求する。
論文 参考訳（メタデータ） (2024-05-23T17:53:31Z) - 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) - Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review [0.0]
農業におけるリモートセンシングと機械学習の統合は、業界を変えつつある。
本稿では、作物収量予測にRS、ML、クラウドコンピューティング、IoTを使用した関連記事についてレビューする。
論文 参考訳（メタデータ） (2023-06-07T16:13:16Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
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) - Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。
バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
論文 参考訳（メタデータ） (2022-11-30T12:20:08Z) - Towards assessing agricultural land suitability with causal machine
learning [0.0]
我々は,ベルギーのフランダース地域における作物の回転と景観作物の多様性が純生産性に及ぼす影響を因果機械学習を用いて推定する。
植生の多様性がNPPに悪影響を及ぼすのに対して, 作物の回転の影響は重要でないことが判明した。
論文 参考訳（メタデータ） (2022-04-27T14:13:47Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - 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) - 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。