論文の概要: Understanding the impacts of crop diversification in the context of
climate change: a machine learning approach
- arxiv url: http://arxiv.org/abs/2307.08617v1
- Date: Mon, 17 Jul 2023 16:32:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 12:18:00.763089
- Title: Understanding the impacts of crop diversification in the context of
climate change: a machine learning approach
- Title(参考訳): 気候変動の文脈における作物多様化の影響の理解--機械学習によるアプローチ
- Authors: Georgios Giannarakis, Ilias Tsoumas, Stelios Neophytides, Christiana
Papoutsa, Charalampos Kontoes, Diofantos Hadjimitsis
- Abstract要約: 気候変動の文脈における作物の多様化が生産性に与える影響について検討する。
作物の多様化は作物の一次生産性を著しく向上させ、2.8%増加させた。
温暖で乾燥しやすい気候では、作物の多様化は有望な適応可能性を示すと結論付けている。
- 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: The concept of sustainable intensification in agriculture necessitates the
implementation of management practices that prioritize sustainability without
compromising productivity. However, the effects of such practices are known to
depend on environmental conditions, and are therefore expected to change as a
result of a changing climate. We study the impact of crop diversification on
productivity in the context of climate change. We leverage heterogeneous Earth
Observation data and contribute a data-driven approach based on causal machine
learning for understanding how crop diversification impacts may change in the
future. We apply this method to the country of Cyprus throughout a 4-year
period. We find that, on average, crop diversification significantly benefited
the net primary productivity of crops, increasing it by 2.8%. The effect
generally synergized well with higher maximum temperatures and lower soil
moistures. In a warmer and more drought-prone climate, we conclude that crop
diversification exhibits promising adaptation potential and is thus a sensible
policy choice with regards to agricultural productivity for present and future.
- Abstract(参考訳): 農業における持続可能な強化という概念は、生産性を損なうことなく持続可能性に優先順位をつける経営慣行の実施を必要とする。
しかし、こうした慣行の効果は環境条件に依存することが知られており、気候の変化による変化が期待されている。
気候変動における作物の多様化が生産性に及ぼす影響について考察した。
我々は、異種地球観測データを活用し、因果機械学習に基づくデータ駆動型アプローチで、将来、作物の多様化の影響がどのように変化するかを理解する。
この手法をキプロスに4年間にわたって適用した。
平均して、作物の多様化は作物の一次生産性を著しく向上させ、2.8%増加させた。
この効果は, 最大温度と土壌水分の低下と相乗効果が良好であった。
温暖で干ばつしやすい気候下では,作物の多様化は適応可能性が高く,現在と将来の農業生産性に関して賢明な政策選択であると結論づける。
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) - Learning-based agricultural management in partially observable
environments subject to climate variability [5.5062239803516615]
農業経営は、作物の収量、経済的な利益性、環境の持続可能性において中心的な役割を担っている。
我々は、深層強化学習(DRL)とリカレントニューラルネットワーク(RNN)を統合する革新的なフレームワークを導入する。
本研究は,極度の気象条件下での新たな最適政策を得るために,エージェント再訓練の必要性を照らすものである。
論文 参考訳(メタデータ) (2024-01-02T16:18:53Z) - 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) - 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) - Personalizing Sustainable Agriculture with Causal Machine Learning [0.0]
気候変動に対処し、人口増加に対応するためには、世界の作物生産が強化されなければならない。
農業の「持続可能強度」を達成するためには、炭素エミッターから炭素シンクに転換することが最優先事項である。
リトアニアの土壌有機炭素含有量に及ぼす持続的プラクティスの不均一性の影響を推定した。
論文 参考訳(メタデータ) (2022-11-06T17:14:14Z) - 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) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳(メタデータ) (2021-02-16T16:56:27Z) - 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) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳(メタデータ) (2020-11-03T21:22:42Z) - 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)
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。