論文の概要: Remote Sensing Reveals Adoption of Sustainable Rice Farming Practices Across Punjab, India

• arxiv url: http://arxiv.org/abs/2507.08605v1
• Date: Fri, 11 Jul 2025 14:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.378741
• Title: Remote Sensing Reveals Adoption of Sustainable Rice Farming Practices Across Punjab, India
• Title（参考訳）: インド・パンジャブにおける持続的稲作慣行のリモートセンシング
• Authors: Ando Shah, Rajveer Singh, Akram Zaytar, Girmaw Abebe Tadesse, Caleb Robinson, Negar Tafti, Stephen A. Wood, Rahul Dodhia, Juan M. Lavista Ferres,
• Abstract要約: 水稲栽培は世界の淡水の24～30%を消費し、主要水田地域で水管理の課題を生んでいる。 インド・パンジャブで,持続可能な水管理の実践を大規模に監視する新しいリモートセンシングフレームワークを開発した。 本研究は, 持続可能な水管理の導入, 目標介入, 大規模プログラムへの影響測定を行うための強力なツールを政策立案者に提供した。
• 参考スコア（独自算出の注目度）: 3.1462853484338305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rice cultivation consumes 24-30% of global freshwater, creating critical water management challenges in major rice-producing regions. Sustainable irrigation practices like direct seeded rice (DSR) and alternate wetting and drying (AWD) can reduce water use by 20-40% while maintaining yields, helping secure long-term agricultural productivity as water scarcity intensifies - a key component of the Zero Hunger Sustainable Development Goal. However, limited data on adoption rates of these practices prevents evidence-based policymaking and targeted resource allocation. We developed a novel remote sensing framework to monitor sustainable water management practices at scale in Punjab, India - a region facing severe groundwater depletion of 41.6 cm/year. To collect essential ground truth data, we partnered with the Nature Conservancy's Promoting Regenerative and No-burn Agriculture (PRANA) program, which trained approximately 1,400 farmers on water-saving techniques while documenting their field-level practices. Using this data, we created a classification system with Sentinel-1 satellite imagery that separates water management along sowing and irrigation dimensions. Our approach achieved a 78% F1-score in distinguishing DSR from traditional puddled transplanted rice without requiring prior knowledge of planting dates. We demonstrated scalability by mapping DSR adoption across approximately 3 million agricultural plots in Punjab, with district-level predictions showing strong correlation (Pearson=0.77, RBO= 0.77) with government records. This study provides policymakers with a powerful tool to track sustainable water management adoption, target interventions, and measure program impacts at scale.
• Abstract（参考訳）: 水稲栽培は世界の淡水の24～30%を消費し、主要水田地域では重要な水管理課題を生み出している。 直接播種米(DSR)や代替湿潤乾燥(AWD)のような持続的な灌水は、収量を維持しながら水の使用を20-40%削減し、水不足が増すにつれて農業生産性の長期化に寄与する。 しかしながら、これらのプラクティスの採用率に関する制限されたデータは、エビデンスベースのポリシー作成とリソース割り当てを妨げます。 インド・パンジャブでは, 年間41.6cmの深刻な地下水枯渇に直面した地域において, 持続可能な水管理の実践を大規模に監視するための新しいリモートセンシングフレームワークを開発した。 本研究は,自然保護区の再生・無火農業推進プログラム(PRANA)と協力し,約1,400人の農夫が現場レベルの実践を文書化しながら節水技術について訓練を行った。 このデータを用いて,水管理を分離したSentinel-1衛星画像を用いた分類システムを構築した。 本手法は, 植え付け時期を事前に知ることなく, 従来の水稲移植米とDSRを区別し, 78%のF1スコアを得た。 我々は、パンジャブの約300万の農業区画にDSRの採用をマッピングし、地域レベルの予測(Pearson=0.77, RBO=0.77)と政府の記録との強い相関を示した。 本研究は, 持続可能な水管理の導入, 目標介入, 大規模プログラムへの影響測定を行うための強力なツールを政策立案者に提供した。

関連論文リスト

• AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
  作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。 これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。 本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
  論文  参考訳（メタデータ） (2025-07-29T17:59:48Z)
• Development of a Smart Autonomous Irrigation System Using Iot and AI [0.0]
  管理不能な管理は、農業生産性を低下させながら、水の無駄につながる可能性がある。 ドリップ灌水システムは1970年代以来、最も効率的な方法の1つである。 システムの目的は、労働生産性を高め、水資源の保全に貢献することである。
  論文  参考訳（メタデータ） (2025-06-13T14:37:34Z)
• Accurate Water Level Monitoring in AWD Rice Cultivation Using Convolutional Neural Networks [1.2058600649065618]
  気候変動により農業セクターは困難に陥り、特に地球規模の水資源はますます不足している。 バングラデシュでは、特にボローライスは栽培中にかなりの水を入れる必要がある。 伝統的に、農家は水位を手動で測定する。 本稿では,コンピュータビジョン,特に畳み込みニューラルネットワークを用いて水位測定を自動化する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-11T15:44:08Z)
• 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)
• 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)
• Optimizing Irrigation Efficiency using Deep Reinforcement Learning in the Field [4.091593765662773]
  農業用水は淡水消費に大きく寄与している。 現在の灌水システムでは、将来の土壌の水分損失は考慮されていない。 本稿では, ドライカと呼ばれる灌水効率を向上する手法を提案する。
  論文  参考訳（メタデータ） (2023-04-04T01:04:53Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Self-supervised Contrastive Learning for Irrigation Detection in Satellite Imagery [0.7584685045934025]
  気候変動は河川流出の減少と帯水層再資源化を招き、淡水利用率の低下による農業用水需要の持続不可能さが増している。 農業用水の利用状況の監視・追跡を慎重に行う必要があるため、持続可能な方法での食料の確保は引き続き大きな課題となる。 光リモートセンシングデータに最先端の自己教師型深層学習技術を適用し,従来の教師付き学習法に比べて最大9倍の精度,90%のリコール,40%の一般化能力で灌水を検出できることを確認した。
  論文  参考訳（メタデータ） (2021-08-12T01:13:04Z)
• High-resolution global irrigation prediction with Sentinel-2 30m data [0.8137198664755597]
  地球規模の灌水利用の正確かつ正確な理解は、様々な気候科学の取り組みに不可欠である。 我々は,世界中の農地の30万分解能灌水予測を生成するために,新しい灌水モデルとpythonパッケージ(irrigation30)を開発した。 本モデルでは, ランダムにサンプリングされた小標本群において, 97%以上の一貫性スコアと92%の精度を達成できた。
  論文  参考訳（メタデータ） (2020-12-09T17:26:43Z)
• 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)

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。