Ilmuwan tingkatkan akurasi proyeksi hasil panen dengan pembelajaran mesin

·Bacaan 1 menit

Hasil panen gandum selama musim dingin di China utara dapat diprediksi dengan lebih baik oleh model proyeksi hibrida baru yang didukung oleh pembelajaran mesin (machine learning), demikian menurut sebuah studi oleh Institut Fisika Atmosfer di bawah Akademi Ilmu Pengetahuan China.

China merupakan produsen dan konsumen gandum terbesar di dunia, oleh karena itu, proyeksi hasil yang akurat menjadi perhatian utama para peneliti. Model hibrida baru ini mengajukan pendekatan yang menggabungkan pembelajaran mesin dan prediksi atmosfer dinamis.

Dikembangkan oleh para ilmuwan China dan Amerika Serikat, model baru ini diterapkan di China utara selama periode subseasonal-to-seasonal (S2S).

Sebagai model statistik yang tengah berkembang, pembelajaran mesin dapat dengan lebih baik menggambarkan hubungan nonlinier antara input dan proyeksi serta memiliki keunggulan yang jelas dalam proyeksi hasil panen dibandingkan dengan model linier.

Hasil studi ini menunjukkan bahwa model hibrida secara umum mengungguli model konvensional, dengan satu metrik yang menunjukkan seberapa jauh nilai prediksi dari nilai sebenarnya, berkurang 30 sampai 55 persen dibandingkan dengan model konvensional.

Lebih lanjut, hasil tersebut juga menunjukkan bahwa model baru ini mencapai hasil prediksi terbaik tiga atau empat bulan sebelum musim panen.

Studi ini menunjukkan bahwa penggabungan pembelajaran mesin dan prediksi atmosfer dinamis menjadi alat yang berguna untuk proyeksi hasil panen, yang dapat memberikan dukungan kepada para praktisi pertanian, pembuat kebijakan, dan perusahaan asuransi pertanian.

Studi ini diterbitkan dalam jurnal Remote Sensing, Weather and Forecasting, serta Atmospheric and Oceanic Science Letters.

Tujuan kami adalah menciptakan tempat yang aman dan menarik bagi pengguna untuk terhubung melalui minat dan kegemaran. Untuk meningkatkan pengalaman komunitas, kami menangguhkan sementara fitur komentar artikel