독일 작센의 지역 규모에서 농작물 수확량 추정 불확실성

요약 기후 변화와 세계 인구 증가의 시대에 농업 수확량 예측은 점점 더 중요한 역할을 하고 있다. 예를 들어, 가뭄 발생 시 가능한 한 빨리 수확량을 예측하는 것은 정치, 정부 및 비즈니스의 의사 결정자에게 매우 중요하다. 본 연구의 목표는 최소한의 기상 데이터를 활용하여 농업 지역에서 가능한 한 빠른 정확한 수확량 예측을 제공하는 것이었다. 이를 위해 랜덤 포레스트 모델이 사용되었다. 290,000개 이상의 데이터셋이 분석을 위해 제공되었지만, 모든 모델은 작물, 지역 및 예측 시간에 의한 입력 데이터의 강한 분산으로 인해 심각한 과적합 경향을 보였다. 모델은 알려지지 않은 데이터셋에 매우 다르게 반응했다. 지역적으로 훈련된 모델이 초지역적으로 훈련된 모델보다 낮은 (≥10%) 상대 제곱근 평균 제곱 오차(RRMSE)를 달성한 것으로 나타났다. 유채와 보리는 좋은 예측을 달성하였다. 밀도 좋은 잠재력을 가지고 있었다. 옥수수, 감자, 사탕무는 톱 주 RRMSE를 자주 초과하였다. 결과는 각 지역에 대한 목표 모델 선택과 훈련 시계열의 연장이 향후 유채 및 곡물에 대한 매우 좋은 지역 수확량 예측을 가능하게 할 수 있음을 보여주었다.