マルチソースデータとメタハイブリッド回帰アンサンブルを用いた品種および地域を横断した米と綿の複数形質の予測

科学分野:

• 農業科学
• 機械学習
• リモートセンシング

背景:

• 正確な作物形質予測は、精密農業と育種に不可欠です。
• 以前の方法では、単一の形質または作物に焦点を当てることが多く、品種固有の分析が不足していました。
• 多様なデータソースを統合することで、予測精度を向上させることができます。

研究 の 目的:

• 主要な作物形質を予測するためのメタハイブリッド回帰アンサンブル（MHRE）を開発および検証すること。
• MHREのパフォーマンスを個々の機械学習モデルと比較すること。
• SHAP値を使用して作物形質に影響を与える主要因を分析すること。

主な方法:

• 複数の機械学習ベース学習者を使用したメタハイブリッド回帰アンサンブル（MHRE）アプローチを採用しました。
• 複数年にわたる複数品種の作物圃場試験データと、衛星リモートセンシング、気象、季節データとを統合しました。
• 要因分析のためにSHAP（SHapley Additive exPlanations）法を利用しました。

主要な成果:

• MHREは、米と綿の形質予測において、個々のモデル（RF、XGBoost、CatBoost、LightGBM）よりも大幅に優れたパフォーマンスを発揮しました。
• 米の収量（R²=0.78）と綿の収量（R²=0.82）で高い精度を達成しました。
• 中国の異なる品種グループおよび地理的地域全体で堅牢性を示しました。

結論:

• MHREアプローチは、地域的な作物形質予測のための実用的で堅牢なフレームワークを提供します。
• マルチソースデータをアンサンブル機械学習と融合させることで、農業の洞察が向上します。
• この研究は、精密農業と改善された作物管理戦略のための貴重なツールを提供します。