Ertragsvorhersage von Hybriden

ein Supper & Supper Use Case

Projektziel war, eine Prognose zu erstellen, wie sich hybrides Getreide an neuen Standorten unter variierenden Umweltbedingungen verhält. Basierend auf den bereitgestellten Daten wurde ein Modell kreiert, um die Getreideerträge vorherzusagen und anschließend auf neue Kombinationsmöglichkeiten neuer Hybridgetreide und Hybridorte angewandt.

Es wurden mehrere Datensätze zur Verfügung gestellt, die insgesamt eine Zeitspanne von 15 Jahren für mehr als 2.000 Hybridtypen und Standorte sowie genetische Marker, Boden- und Wetterparameter abbildeten.

Für jeden zur Verfügung gestellten Datensatz wurde eine gründliche Analyse durchgeführt. Ausreißer innerhalb verschiedener Standorte wurden durch überlappende geographische Daten, Klimainformationen und eine Vielzahl von Events identifiziert. Die Ausreißer wurden dann entfernt.

Der genetische Datensatz wies eine große Schnittmenge auf. Deshalb konnte die Dimensionalität des Datensatzes ohne Informationsverlust signifikant reduziert werden.

Durch die Kombination von verschiedenen Raum-Zeit-Modellen war es möglich, das Wetter mit einer Genauigkeit von 95 % vorherzusagen.

Der reduzierte Datensatz des genetischen Materials, die Wetter-, Boden- und Ertragsdaten wurden in einen Datensatz zusammengefasst und als Trainingssatz für das Model verwendet. Mittels verschiedener Algorithmen wurde die Hybrid-Leistung mit einer Genauigkeit von 75 % vorausgesagt.

Das Modell wurde erfolgreich für die neuen Hybride an 20.000 neuen Standorten angewandt. Damit konnte die leistungsfähigste Spezies für das Jahr 2017 bestimmt werden.

Kategorie

→  GEO AI
→  COMPUTATIONAL LIFE SCIENCE
→  Spatial temporal Analysis

Technologien

ArcGIS
Multiple Factor Analysis
Random Forest
Spatio-temporal statistics

Download

Social Sharing

Weitere Use Cases dieser Kategorie