人工智能通过开发新型模型来预测土壤温度

科学领域:

• 环境科学 环境科学
• 农业科学 农业科学
• 数据科学数据科学数据科学

背景情况:

• 土壤温度对于了解土壤特性和实现粮食可持续性至关重要.
• 由于仪器问题和自然灾害,发展中国家在土壤温度数据收集方面面临挑战.
• 乌兹别克斯坦的干旱气候使其特别容易受到气候变化对农业的影响.

研究的目的:

• 开发一种综合模型,利用气候因素预测乌兹别克斯坦努库斯的地面和10厘米深度的土壤温度.
• 确定在干旱环境中用于土壤温度预测的最佳性能机器学习模型.
• 为了改善农业规划,使得土壤温度可以在没有直接地表测量的情况下进行预测.

主要方法:

• 利用8种机器学习模型,包括长期短期记忆 (LSTM),来预测土壤温度.
• 使用气候数据训练模型并根据标准指标评估性能.
• 专注于预测地面和10厘米深度的土壤温度.

主要成果:

• 长短期记忆 (LSTM) 模型在10厘米深处预测土壤温度方面表现出卓越的准确性.
• 开发的模型可以使用气候数据和预测的表面温度来预测10厘米的土壤温度.
• 在10厘米深处的土壤温度可以准确预测,而不需要在地面进行土壤温度测量.

结论:

• 开发的机器学习模型,特别是LSTM,为预测干旱地区的土壤温度提供了可靠的方法.
• 这种预测能力可以在农业规划中显著帮助,并在像Nukus这样的数据稀缺地区提高粮食生产的可持续性.
• 这些模型为农业环境监测和气候变化适应战略提供了宝贵的工具.