Learning-based agricultural management in partially observable environments subject to climate variability

要約

農業経営は、特に施肥戦略に重点を置き、作物の収量、経済的収益性、環境の持続可能性を形成する上で中心的な役割を果たしています。
従来のガイドラインは貴重な洞察を提供しますが、熱波や干ばつなどの極端な気象条件に直面すると、その有効性は低下します。
この研究では、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紹介します。
Gym-DSSAT シミュレーターを活用して、最適な窒素施肥管理を習得するインテリジェント エージェントをトレーニングします。
アイオワ州のトウモロコシ作物に対して行われた一連のシミュレーション実験を通じて、部分的に観察可能なマルコフ決定過程 (POMDP) モデルとマルコフ決定過程 (MDP) モデルを比較しました。
私たちの研究は、より効率的な窒素投入政策を開発する際に連続観測を利用する利点を強調しています。
さらに、特に異常気象時の気候変動が農業の成果と管理に及ぼす影響を調査します。
私たちの調査結果は、施肥政策がさまざまな気候条件に適応できることを示しています。
特に、固定政策は、わずかな気候変動に直面しても回復力を示し、賞賛に値するトウモロコシの収量、費用対効果、および環境保全につながります。
しかし、私たちの研究は、異常気象下で新しい最適なポリシーを獲得するためにエージェントを再トレーニングする必要があることを明らかにしています。
この研究は、動的な気候シナリオにシームレスに適応できる適応可能な施肥戦略に向けた有望な道筋を示し、最終的に作物管理実践の最適化に貢献します。

要約(オリジナル)

Agricultural management, with a particular focus on fertilization strategies, holds a central role in shaping crop yield, economic profitability, and environmental sustainability. While conventional guidelines offer valuable insights, their efficacy diminishes when confronted with extreme weather conditions, such as heatwaves and droughts. In this study, we introduce an innovative framework that integrates Deep Reinforcement Learning (DRL) with Recurrent Neural Networks (RNNs). Leveraging the Gym-DSSAT simulator, we train an intelligent agent to master optimal nitrogen fertilization management. Through a series of simulation experiments conducted on corn crops in Iowa, we compare Partially Observable Markov Decision Process (POMDP) models with Markov Decision Process (MDP) models. Our research underscores the advantages of utilizing sequential observations in developing more efficient nitrogen input policies. Additionally, we explore the impact of climate variability, particularly during extreme weather events, on agricultural outcomes and management. Our findings demonstrate the adaptability of fertilization policies to varying climate conditions. Notably, a fixed policy exhibits resilience in the face of minor climate fluctuations, leading to commendable corn yields, cost-effectiveness, and environmental conservation. However, our study illuminates the need for agent retraining to acquire new optimal policies under extreme weather events. This research charts a promising course toward adaptable fertilization strategies that can seamlessly align with dynamic climate scenarios, ultimately contributing to the optimization of crop management practices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google