人工ニューラルネットワークによる天候-収量ネクサスの調査【JST・京大機械翻訳】

Schmidt Lorenz; Odening Martin; Schlanstein Johann; Ritter Matthias; Ritter Matthias

文献

J-GLOBAL ID：202202273113206753 整理番号：22A0436210

人工ニューラルネットワークによる天候-収量ネクサスの調査【JST・京大機械翻訳】

Exploring the weather-yield nexus with artificial neural networks

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0436210&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0436210&from=J-GLOBAL&jstjournalNo=D0268C") }}

著者 (5件)： , , , ,
資料名：
巻： 196 ページ： Null 発行年： 2022年
JST資料番号： D0268C ISSN： 0308-521X 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)

気象は,高度に揮発性であり,農場管理慣行によってほとんど制御できないので,作物生産にとって極めて重要な因子である。将来の気象極値が増加する傾向があるので,気象関連収量要因の理解は,収量予測だけでなく保険製品の設計にとってもますます重要になる。保険製品は農民の財政的損失を緩和するが,それらはかなりの基礎リスク,すなわち損失と不経済支払いの間の不一致に悩まされている。この論文の目的は,農場レベルでの作物収量と気象条件間の関係を推定するための機械学習の可能性を調べ,指標保険適用における基礎リスクを低減するためのツールとしてそれを使用することである。2003年から2018年までの期間をカバーするドイツの農場レベルの収量データの豊富なセットに人工ニューラルネットワークをセットアップし,較正した。収量偏差のための説明変数として降雨,温度,および土壌水分を使用する非線形回帰モデルをベンチマークとして用いた。経験的応用は,従来の推定手法と比較して,機械学習技術を用いた予測精度の利得が実質的であることを明らかにした。さらに,地域化モデルおよび分解高分解能気象データの使用は,人工ニューラルネットワークの性能を改善した。しかし,農場レベルでの収量変動のかなりの部分は,単に「ビッグ気象データ」を使用する統計的方法によって捉えられなかった。著者らの知見は,もし保険製品が気象-収量関係の推定に基づくならば,むしろ高いレベルの基底リスクが残されているので,気象指数ベースの保険の設計に重要な含意を持つ。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

農業気象

, , , ,

前のページに戻る