MS-YieldStackNet: 多ソースデータ融合によるスタックアンサンブルニューラルネットワークを用いた小麦収量推定

科学分野:

• 農業科学
• リモートセンシング
• 機械学習

背景:

• 正確な作物収量予測は、食料安全保障と農業政策にとって重要である。
• 小麦収量の手動推定方法は、特にパキスタンでは、労働集約的で不正確である。
• 多様なデータソースを統合することで、収量予測の精度を向上させることができる。

研究 の 目的:

• 高解像度小麦収量予測のための新しいアルゴリズムフレームワーク、MS-YieldStackNetを開発・検証すること。
• マルチスペクトル衛星画像、現地の土壌分析、気象変数を統合して予測を強化すること。
• 主要な統計指標を用いてモデルの性能を評価すること。

主な方法:

• 植生指数（NDVI、DVI）、土壌の物理化学的属性、および時間的気候データを使用して、統一された特徴空間を構築した。
• 3つの並列フィードフォワードニューラルネットワーク（FFNN）を組み合わせたスタックアンサンブルニューラルアーキテクチャ（MS-YieldStackNet）を採用した。
• FFNNからの予測を統合するために、ランダムフォレストメタ学習者を使用した。

主要な成果:

• 頑健な決定係数（R-squared）値0.81を達成し、強力なモデル性能を示した。
• 平均二乗誤差（MSE）は6,114.30 kg/ha、二乗平均平方根誤差（RMSE）は78.19 kg/haと報告された。
• 平均絶対誤差（MAE）59.07 kg/ha、平均絶対パーセント誤差（MAPE）3.55%で、予測誤差が低いことを示した。

結論:

• MS-YieldStackNetは、小麦収量予測のための正確でスケーラブルなソリューションを提供する。
• 統合アプローチは、従来のメソッドと比較して予測精度を大幅に向上させる。
• このフレームワークは、農業政策の指針となり、食料安全保障を確保する上で大きな可能性を秘めている。