Causality and Explainability for Trustworthy Integrated Pest Management

要約

殺虫剤は農業害虫駆除の一般的なツールとして機能しますが、気候危機に大きく貢献します。
これに対抗するため、統合害虫管理 (IPM) は気候に配慮した代替手段として機能します。
IPM はその可能性にもかかわらず、その有効性について農家が懐疑的であるため、低い導入率に直面しています。
この課題に対処するために、IPM の導入を強化するために調整された高度なデータ分析フレームワークを導入します。
私たちのフレームワークは、i) 不変かつ因果関係の学習による多様な環境にわたる堅牢な害虫個体数予測、ii) 透明なモデルを使用した解釈可能な害虫存在予測、iii) 季節中の IPM 介入に対する反事実的な説明による実用的なアドバイス、iv) 分野固有の治療効果の推定を提供します。
、および v) 因果推論を使用したアドバイスの有効性の評価。
これらの機能を組み込むことで、私たちのフレームワークは懐疑的な考えを軽減し、農家の間での IPM 実践の広範な採用を促進することを目的としています。

要約(オリジナル)

Pesticides serve as a common tool in agricultural pest control but significantly contribute to the climate crisis. To combat this, Integrated Pest Management (IPM) stands as a climate-smart alternative. Despite its potential, IPM faces low adoption rates due to farmers’ skepticism about its effectiveness. To address this challenge, we introduce an advanced data analysis framework tailored to enhance IPM adoption. Our framework provides i) robust pest population predictions across diverse environments with invariant and causal learning, ii) interpretable pest presence predictions using transparent models, iii) actionable advice through counterfactual explanations for in-season IPM interventions, iv) field-specific treatment effect estimations, and v) assessments of the effectiveness of our advice using causal inference. By incorporating these features, our framework aims to alleviate skepticism and encourage wider adoption of IPM practices among farmers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google