Machine Learning-based Nutrient Application’s Timeline Recommendation for Smart Agriculture: A Large-Scale Data Mining Approach

要約

この研究は、作物栽培における肥料散布を監視する際のデータ分析の重要な役割に取り組んでいます。
肥料散布の決定が不正確だと、多大な費用がかかり、食糧生産が妨げられ、環境に悪影響を与える可能性があります。
私たちは、季節全体に必要な肥料の量を決定することによって、養分の施用を予測するソリューションを提案します。
提案されたソリューションでは、費用対効果が高く環境に優しい農業を促進するために、気象条件や土壌の特性に基づいて肥料の量を調整することを推奨しています。
収集されたデータセットは高次元かつ異質です。
私たちの研究では、データ収集と分析を含む意思決定プロセスの文脈で大規模な異種データセットを調査します。
また、冬小麦作物をケーススタディとして使用し、肥料施用と気象データを組み合わせた作物収量への影響も研究しています。
地域の状況や地理的要因を理解することで、作物の発育を促進しながら、農業栄養素の需要を安定化、さらには削減することを目指しています。
提案されたアプローチは、現実世界の大規模なデータセットを使用して検証されているため、効率的でスケーラブルであることが証明されています。

要約(オリジナル)

This study addresses the vital role of data analytics in monitoring fertiliser applications in crop cultivation. Inaccurate fertiliser application decisions can lead to costly consequences, hinder food production, and cause environmental harm. We propose a solution to predict nutrient application by determining required fertiliser quantities for an entire season. The proposed solution recommends adjusting fertiliser amounts based on weather conditions and soil characteristics to promote cost-effective and environmentally friendly agriculture. The collected dataset is high-dimensional and heterogeneous. Our research examines large-scale heterogeneous datasets in the context of the decision-making process, encompassing data collection and analysis. We also study the impact of fertiliser applications combined with weather data on crop yield, using the winter wheat crop as a case study. By understanding local contextual and geographic factors, we aspire to stabilise or even reduce the demand for agricultural nutrients while enhancing crop development. The proposed approach is proven to be efficient and scalable, as it is validated using a real-world and large dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google