文献

J-GLOBAL ID：201902251088832673   整理番号：19A2678269

サヘルにおける気候変動下の陸稲収量を予測するためのブースト木回帰と人工神経回路網の使用【JST・京大機械翻訳】

Using boosted tree regression and artificial neural networks to forecast upland rice yield under climate change in Sahel

著者 (11件)： Zhang Lei (School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China) ,  Zhang Lei (Department of Biological and Agricultural Engineering, Texas A&M University, Scoates Hall, Room#322, College Station, TX 77843, USA) ,  Zhang Lei (State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan, Hubei 430072, China) ,  Traore Seydou (Department of Biological and Agricultural Engineering, Texas A&M University, Scoates Hall, Room#322, College Station, TX 77843, USA) ,  Ge Jiankun (School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China) ,  Li Yanbin (School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China) ,  Wang Shunsheng (School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China) ,  Zhu Ge (School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China) ,  Cui Yuanlai (State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan, Hubei 430072, China) ,  Fipps Guy (Department of Biological and Agricultural Engineering, Texas A&M University, Scoates Hall, Room#322, College Station, TX 77843, USA) ,  Metropolitan Solar Inc., Washington, DC 20032, USA
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 166  ページ： Null  発行年： 2019年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 気候運転者は,地域が好ましくない天候に対して脆弱であり,非常に低い適応能力を持つので,Sahelにおける陸稲収量に影響を及ぼす重要なストレス因子である。本研究では,多重線形回帰,ブースティングツリー回帰および人工ニューラルネットワーク(ANNs)を用いて,気候因子に対する高地イネ収量応答をモデル化した。4つのANNsを調査した:ANN_MLP(多層パーセプトロン),ANN_PNN(確率的ニューラルネットワーク),ANN_GFF(一般化フィードフォワード),およびANN_LR(線形回帰)。次に,モデル化されたイネ収量関数を較正し,観測された収率データと,西アフリカのバーキナ州の3つの省の気候変数に対して試験した。AR4-SR-A1B,A2,およびB1平均集合CO2排出シナリオの下での地球規模気候モデル(GCM)出力を,2052年以上の収率傾向を予測するために,較正された収率応答モデルの入力として使用した。結果は3倍である:最初に,降雨(R=0.402)はSahelにおける最も支配的な気候ドライバであり,最大と最低気温(それぞれR=0.313とR=-0.237)が続き,それは明らかに収率を減少させる。第二に,ANN_PNN([数式:原文を参照])は,ブースティングツリー([数式:原文を参照])を実行するイネ収率応答関数モデリングと多重線形回帰([数式:原文を参照])において大きな能力を持っている。すべての線形モデルは,不満足に実行した。第3に,予測された収率は,2052を超えるサイト記録最大平均収率で57.29%のギャップを示した。ANN_PNNの適用から,降雨が減少し,温度が上昇すると,地域固有のイネ収量が気候変動により実質的に低下する可能性があると予想した。これらの結果は,農作物の回復力を強化するために,適応灌漑技術を補充した集落雨水流域のようなSahelに対する優先度適応対策を同定する助けとなるはずである。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アフリカ西部 ,  農作物 ,  モデリング ,  最低気温 ,  *気候変動 ,  *陸稲 ,  モデル ,  降雨 ,  *気候 ,  高地 ,  灌漑 ,  流域
準シソーラス用語： 線形回帰 ,  脆弱性 ,  *サヘル , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  ブースト木 ,  イネ収量予測 ,  気候変動 ,  サヘル

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： サヘル ,  気候変動 ,  陸稲 ,  収量 ,  予測 ,  木 ,  人工神経回路網