日本語版
最新ニュース
科学&テクノロジー

惑星変数を使用したノースダコタ州の干し草の収量の予測

著者: トーマス フレデリクセ & ステファニー ギスバース 作物の収量を予測する機能は、農業生産性の最適化、食料安全保障の管理、サプライチェーン業務の合理化に不可欠です。従来の予測方法では、限られた一貫性のないデータに対処することが多く、信頼性の高い長期的な相関関係を確立することが困難です。ただし、衛星データは、作物の成長に影響を与える地面の状態を測定するための信頼できるほぼ毎日のデータのベースラインを提供します。 Planetary Variables は、Planet の堅牢でグローバルな高解像度の衛星群に基づいて構築されており、以下を含む多数の重要な地盤条件についてすぐに分析できる洞察を提供します。 土壌水分含有量 (SWC)、 地表面温度 (LST)、 そして 植生の光学的深さ (VOD)。 これらのほぼリアルタイムの測定値を直接使用して、作物の成長と収量を予測できます。 SWC は植物が利用できる水の量を直接測定するものですが、LST は植物の成長に影響を与える熱ストレスについての洞察を提供します。 VOD は植生内の水分量の指標であり、植物の健康状態を反映します。 高レベルのデータから実用的な洞察に移行するために、私たちは以下を作成しました。 Jupyter ノートブックの例 ノースダコタ州の潜在的な干し草収量予測因子として SWC、LST、および VOD を調査する。 図 1: ノースダコタ州の大部分は確かに農場と草原で覆われており、植物の密生した都市部はほんのわずかしか見られません。 このノートでは、まず、年間干し草収量と主要な変数である SWC、LST、および VOD (年間平均)…

惑星変数を使用したノースダコタ州の干し草の収量の予測

著者: トーマス フレデリクセ & ステファニー ギスバース

作物の収量を予測する機能は、農業生産性の最適化、食料安全保障の管理、サプライチェーン業務の合理化に不可欠です。従来の予測方法では、限られた一貫性のないデータに対処することが多く、信頼性の高い長期的な相関関係を確立することが困難です。ただし、衛星データは、作物の成長に影響を与える地面の状態を測定するための信頼できるほぼ毎日のデータのベースラインを提供します。

Planetary Variables は、Planet の堅牢でグローバルな高解像度の衛星群に基づいて構築されており、以下を含む多数の重要な地盤条件についてすぐに分析できる洞察を提供します。 土壌水分含有量 (SWC)地表面温度 (LST)、 そして 植生の光学的深さ (VOD)。 これらのほぼリアルタイムの測定値を直接使用して、作物の成長と収量を予測できます。 SWC は植物が利用できる水の量を直接測定するものですが、LST は植物の成長に影響を与える熱ストレスについての洞察を提供します。 VOD は植生内の水分量の指標であり、植物の健康状態を反映します。

高レベルのデータから実用的な洞察に移行するために、私たちは以下を作成しました。 Jupyter ノートブックの例 ノースダコタ州の潜在的な干し草収量予測因子として SWC、LST、および VOD を調査する。

図 1: ノースダコタ州の大部分は確かに農場と草原で覆われており、植物の密生した都市部はほんのわずかしか見られません。

このノートでは、まず、年間干し草収量と主要な変数である SWC、LST、および VOD (年間平均) との関係を調べました (図 2 および 3 を参照)。結果は、SWC の増加と干し草収量の増加との間に強い相関関係があることを示しました。たとえば、2017 年と 2021 年の干ばつの年には、SWC レベルの低下と収量の大幅な減少が明らかに一致しています。しかし、2017年と2021年の同様のSWCレベルが2021年の顕著に低い収量と一致したため、SWCだけですべての変動を説明できるわけではありません。さらなる分析により、LSTによって捕捉された熱ストレスが2021年に重要な役割を果たし、LST値の上昇が悪化したことが明らかになりました。干ばつの影響。さらに、VOD の傾向は干し草の収量を厳密に反映しており、植物の健康と生産性の重要な指標としての VOD の有用性が強調されています。これらの関係は図 2 および 3 に視覚的に示されており、SWC、LST、および VOD が干し草の収量に及ぼす影響を示しています。

図 2: ノースダコタ州の生育期 (2013 ~ 2023 年) における年間干し草収量と平均土壌水分量の関係

図 3: ノースダコタ州の年間乾草収量と年間平均地表面温度および VOD (2013 ~ 2023 年)

これで、収量と非常によく似たパターンを示す 3 つの変数、SWC、LST、および VOD が得られました。これらの変数と干し草の収量との関係を定量化するために、相関係数を計算しました。 2 つの時系列間の相関が強いほど、それらのパターンは類似します。分析には両方を使用しました ピアソン そして スピアマン相関係数

表 1: ピアソンとスピアマンの相関関係

次に、すべての惑星変数を組み合わせて収量を予測する方法を確認するモデルを構築する方法を示して、さらに一歩進めます。モデルを構築するために、まず 2013 年から 2023 年までの LST、SWC、VOD、干し草収量の履歴データを収集して整理しました。データを年ごとに平均し、分析に一貫性があることを確認しました。また、モデルの学習を改善するために、季節の違いを考慮して変数を調整しました。私たちはベースラインとして線形回帰モデルから始めましたが、ランダム フォレストや勾配ブースティングなどのより複雑なモデルもテストしました。モデルは過去のデータに基づいてトレーニングされました (検証に使用された部分を除く)。パラメーターを調整してモデルを改良した後、それを使用して 2024 年の干し草の収量を予測しました (収量はまだわかっていません)。

図 4: 2013 年から 2023 年までの実際の利回りと予測利回り

私たちの分析は、これらの変数がどのように収量を予測し、収量モデルを改善できるかをより深く理解するのに役立ち、回帰の信頼性を高めるための将来のテストの出発点として機能します。この方法論をさらに詳しく調べたり、データ自体を実験したりすることに興味がある方は、ぜひチェックしてください。 ジュピターノート 完全な分析を詳細に記載したものを作成しました。データのテストにご興味がございましたら、お気軽にお問い合わせください。

Planet Labs PBC について

Planet は、世界中の毎日の衛星画像と地理空間ソリューションを提供する大手プロバイダーです。 Planet は、毎日世界をイメージし、変化を可視化し、アクセスしやすく、実行可能なものにするという使命によって動かされています。 NASA の 3 人の科学者によって 2010 年に設立された Planet は、世界最大の地球観測衛星群を設計、構築、運用しています。 Planet は、ミッションクリティカルなデータ、高度な洞察、およびソフトウェア ソリューションを、世界有数の農業、林業、情報機関、教育、金融会社および政府機関からなる 1,000 を超える顧客に提供し、ユーザーが衛星画像から独自の価値を簡単かつ効果的に引き出せるようにしています。 Planet は、ニューヨーク証券取引所に PL として上場されている公益法人です。詳細については、www.planet.com にアクセスし、フォローしてください。 × (以前はツイッター)。


#惑星変数を使用したノースダコタ州の干し草の収量の予測

執筆者について: nipponese

Nipponese News編集部は、国内外のニュースを日本語で分かりやすくお届けします。