論文の概要: Evaluating Digital Agriculture Recommendations with Causal Inference
- arxiv url: http://arxiv.org/abs/2211.16938v1
- Date: Wed, 30 Nov 2022 12:20:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 15:55:18.050912
- Title: Evaluating Digital Agriculture Recommendations with Causal Inference
- Title（参考訳）: 因果推論によるデジタル農業勧告の評価
- 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。
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。
- 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 smart farming tools. While AI-driven digital
agriculture tools can offer high-performing predictive functionalities, they
lack tangible quantitative evidence on their benefits to the farmers. Field
experiments can derive such evidence, but are often costly, time consuming and
hence limited in scope and scale of application. 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 (e.g., yield in
this case). This way, we can increase farmers' trust via enhancing the
transparency of the digital agriculture market and accelerate the adoption of
technologies that aim to secure farmer income resilience and global
agricultural sustainability. As a case study, we designed and implemented a
recommendation system for the optimal sowing time of cotton based on numerical
weather predictions, which was used by a farmers' cooperative during the
growing season of 2021. We then leverage agricultural knowledge, collected
yield data, and environmental information to develop a causal graph of the farm
system. Using the back-door criterion, we identify the impact of sowing
recommendations on the yield and subsequently estimate it using linear
regression, matching, inverse propensity score weighting and meta-learners. The
results reveal that a field sown according to our recommendations exhibited a
statistically significant yield increase that ranged from 12% to 17%, depending
on the method. The effect estimates were robust, as indicated by the agreement
among the estimation methods and four successful refutation tests. We argue
that this approach can be implemented for decision support systems of other
fields, extending their evaluation beyond a performance assessment of internal
functionalities.
- 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、農業はスマート農業ツールの採用が低い。
ai駆動のデジタル農業ツール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、しばしばコストがかかり、時間がかかり、適用範囲や規模が制限される。
そこで本研究では,デジタルツールが農作物のパフォーマンス指標(例えば,この場合の収量)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、農家所得の回復力とグローバル農業の持続可能性を確保する技術の導入を促進することで、農家の信頼を高めることができる。
本研究では,2021年の成長期に農民協同組合が行った数値気象予測に基づいて,綿花の最適播種時期の推薦システムを設計・実装した。
次に、農業知識、収量データ、環境情報を活用して、農業システムの因果グラフを作成する。
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。
以上の結果から, 提案手法により, 畑の播種が統計的に有意な収率増加を示し, 方法によっては12%から17%に変化した。
効果評価は, 評価方法の一致と4回の反論試験が成功したことから, 頑健であった。
このアプローチは他の分野の意思決定支援システムにも適用でき、内部機能の性能評価を超えて評価を拡大できると論じる。
関連論文リスト
- 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) - Naïve Bayes and Random Forest for Crop Yield Prediction [0.0]
本研究は、1997年から2020年までのインドにおける作物収量予測を、様々な作物や重要な環境要因に着目して分析した。
これは、線形回帰、決定木、KNN、ナイーブベイズ、K平均クラスタリング、ランダムフォレストといった先進的な機械学習技術を活用することで、農業の収量を予測することを目的としている。
論文 参考訳（メタデータ） (2024-04-23T16:55:45Z) - A Machine Learning Approach for Crop Yield and Disease Prediction Integrating Soil Nutrition and Weather Factors [0.0]
バングラデシュにおける作物選択・病気予測のための知的農業意思決定支援システムの開発が主な目的である。
推奨されるアプローチは、作物の生産、土壌条件、農業・気象地域、作物病、気象要因に関する様々なデータセットを使用する。
論文 参考訳（メタデータ） (2024-03-28T09:57:50Z) - 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 Tools for Sustainable Agriculture using 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。
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。
論文 参考訳（メタデータ） (2022-11-06T18:22:17Z) - 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) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - 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) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z)
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。