論文の概要: AutoML-based Almond Yield Prediction and Projection in California
- arxiv url: http://arxiv.org/abs/2211.03925v1
- Date: Tue, 8 Nov 2022 00:48:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 17:03:04.391589
- Title: AutoML-based Almond Yield Prediction and Projection in California
- Title(参考訳): カリフォルニアにおけるAutoMLベースのAlmond収量予測と予測
- Authors: Shiheng Duan, Shuaiqi Wu, Erwan Monier, Paul Ullrich
- Abstract要約: アーモンドはカリフォルニア州で最も生産性の高い商品の1つだが、気候変動に最も敏感である。
気候要因とアーモンド収量との関係をよりよく理解するために、自動機械学習フレームワークが使用される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Almonds are one of the most lucrative products of California, but are also
among the most sensitive to climate change. In order to better understand the
relationship between climatic factors and almond yield, an automated machine
learning framework is used to build a collection of machine learning models.
The prediction skill is assessed using historical records. Future projections
are derived using 17 downscaled climate outputs. The ensemble mean projection
displays almond yield changes under two different climate scenarios, along with
two technology development scenarios, where the role of technology development
is highlighted. The mean projections and distributions provide insightful
results to stakeholders and can be utilized by policymakers for climate
adaptation.
- Abstract(参考訳): アーモンドはカリフォルニアで最も収益性の高い製品の一つであるが、気候変動に最も敏感な製品でもある。
気候要因とアーモンド収量との関係をよりよく理解するために、自動機械学習フレームワークを使用して機械学習モデルのコレクションを構築する。
予測スキルは歴史記録を用いて評価される。
将来の予測は17のダウンスケールの気候出力を用いて導出される。
アンサンブル平均プロジェクションは、2つの異なる気候シナリオの下でのアーモンドの収率変化と、技術開発の役割を強調する2つの技術開発シナリオを表示する。
平均的な予測と分布は利害関係者に洞察に富んだ結果をもたらし、政策立案者が気候適応のために利用できる。
関連論文リスト
- Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳(メタデータ) (2023-01-24T23:19:01Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Climate-Invariant Machine Learning [0.8831201550856289]
現在の気候モデルは、モデルグリッドサイズよりも小さなスケールで発生するプロセスの表現を必要とする。
最近の機械学習(ML)アルゴリズムは、そのようなプロセス表現を改善することを約束するが、訓練されていない気候体制に悪影響を及ぼす傾向がある。
我々は、気候プロセスの知識をMLアルゴリズムに取り入れた「気候不変」MLと呼ばれる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-14T07:02:57Z) - Remote sensing, AI and innovative prediction methods for adapting cities
to the impacts of the climate change [0.0]
リモートセンシング画像からインジケータを抽出するのに有用なAIベースのフレームワークを提案する。
これは多くの科学者にとってオープンフィールドであり、現在進行中の研究であり、AIベースの手法の課題と限界について深く議論しています。
論文 参考訳(メタデータ) (2021-07-06T15:55:26Z) - 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) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z) - Crop Yield Prediction Integrating Genotype and Weather Variables Using
Deep Learning [8.786816847837976]
我々は,北米のUniform Soybean Tests (UST) から13年間のデータにまたがる過去のパフォーマンス記録を用いて,複数環境でジェノタイプ応答を検出・予測するために,Long Short Term Memory - Recurrent Neural Network based modelを構築した。
我々は、このディープラーニングフレームワークを「仮説生成ツール」としてデプロイし、GxExM関係を解き放つ。
異なる気候条件下でのダイズおよび他の作物に対するこのアプローチの適用性(感度分析および「What-if」シナリオ)について検討した。
論文 参考訳(メタデータ) (2020-06-24T16:20:12Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳(メタデータ) (2020-06-14T18:39:27Z)
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。