文献

J-GLOBAL ID：202002285656782345   整理番号：20A0881119

深層学習に基づくトウモロコシ成長段階の予測【JST・京大機械翻訳】

Prediction of maize growth stages based on deep learning

著者 (19件)： Yue Yang (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Yue Yang (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Li Jin-Hai (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Li Jin-Hai (Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, Beijing 100083, China) ,  Fan Li-Feng (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Fan Li-Feng (Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, Beijing 100083, China) ,  Zhang Li-Li (Dandong Academy of Agricultural Sciences, Fengcheng, Liaoning 118109, China) ,  Zhao Peng-Fei (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Zhao Peng-Fei (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Zhou Qiao (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Zhou Qiao (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Wang Nan (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Wang Nan (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Wang Zhong-Yi (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Wang Zhong-Yi (Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, Beijing 100083, China) ,  Wang Zhong-Yi (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Huang Lan (College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China) ,  Huang Lan (Key Laboratory of Agricultural Information Acquisition Technology (Beijing), Ministry of Agriculture, Beijing 100083, China) ,  Dong Xue-Hui (College of Agriculture, China Agricultural University, Beijing 100193, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 172  ページ： Null  発行年： 2020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： 年間を通しての日々の気象要因の正確な予測は,ある地域における気候傾向の研究にとって非常に重要であるだけでなく,作物成長段階の予測も可能にする。さらに,作物成長段階の予測は,植え付けと耕うんのスケジューリング,機械収穫時期の決定,および作物収量の予測に関連している。しかし,高度に複雑な動力学は気象要因において大きな揮発性を引き起こすので,気象データに基づいて作物成長段階を正確に予測することは非常に困難である。この問題を解決するために,著者らは,長い短期記憶(LSTM)と畳込みLSTM(ConvLSTM)を用いて,データ駆動符号器-復号器モデルを提案した。これは,年間の日照時間,累積降水量,および平均気温を予測するために適用できる。ConvLSTMベースのモデルの性能をさらにテストするために,従来のLSTM符号器-復号器モデルおよび畳込みニューラルネットワーク(CNN)-LSTM符号器-復号器モデルと比較した。結果は,ConvLSTMベースのモデルが,2014~2016年に,予測温度(MAE=2.602°C,RMSE=3.456°C),降水量(MAE=3.878mm,RMSE=10.503mm),日照時間(MAE=3.445h,RMSE=4.172h)に対する他より正確であることを示した。さらに,気象因子の正確な予測により,各成長段階の予測のためのハイブリッドモデルとデータ駆動モデルを別々に開発することができる。ハイブリッドモデルはConvLSTM符号器-復号器モデルを経験的モデルと結合するが,データ駆動モデルはConvLSTM符号器-復号器モデルと従来のニューラルネットワーク構造から成る。最後に,Dandongからの実世界のデータセットに関する2つのタイプのモデルを比較し,データ駆動モデルが,0.75~0.883,MAE0.588~2.205日,RMSE0.978~2.729日の範囲で,R2によるトウモロコシ成長段階の予測のためのハイブリッドモデルより正確であると結論した。将来,これらのモデルは他の作物の成長段階の予測にも使用できる。Copyright 2020 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： ニューラルネットワーク ,  *成長段階 ,  スケジューリング ,  畳込み ,  降水量 ,  符号器 ,  天気予報 ,  平均気温 ,  気候 ,  農作物 ,  復号器 ,  作物収量 ,  気象データ ,  日照時間 ,  気象要素

著者キーワード (5件)： 日天気予報 ,  ConvLSTM符号器-復号器モデル ,  トウモロコシ成長段階 ,  ハイブリッドモデル ,  データ駆動モデル

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (4件)： 深層学習 ,  トウモロコシ ,  成長段階 ,  予測