Key points are not available for this paper at this time.
الملخص. قد يتيح زيادة دقة تقديرات غلات المحاصيل تحسينات في سلسلة إنتاج المحاصيل بالكامل، مما يتيح للمزارعين التخطيط بشكل أفضل للحصاد، ولشركات التأمين فهم مخاطر الإنتاج بشكل أفضل، على سبيل المثال. لغرض إجراء توقعاتهم، يستخدم معظم نماذج التعلم الآلي الحالية بيانات NDVI، والتي يمكن أن يكون من الصعب استخدامها، بسبب وجود السحب وظلالها في الصور الملتقطة، ولغياب أقنعة المحاصيل الموثوقة لمناطق واسعة، خاصة في البلدان النامية. في هذه الورقة، نقدم نموذج تعلم عميق قادر على إجراء التوقعات قبل الموسم وفي الموسم لخمس محاصيل مختلفة. يستخدم نموذجنا تقاويم المحاصيل، وبيانات الاستشعار عن بعد السهلة الحصول عليها ومعلومات توقعات الطقس لتوفير تقديرات دقيقة للغلة.
د studied Cunha et al. (Thu).