KULTIVAS: studio di fattibilità di un modello sito-varietale per la melicoltura

Samanta Michelini, Simon Tscholl, Johannes Erschbamer, Daniel Plaikner, Lukas Egarter Vigl, W. Guerra
{"title":"KULTIVAS: studio di fattibilità di un modello sito-varietale per la melicoltura","authors":"Samanta Michelini, Simon Tscholl, Johannes Erschbamer, Daniel Plaikner, Lukas Egarter Vigl, W. Guerra","doi":"10.23796/lj/2022.008","DOIUrl":null,"url":null,"abstract":"Scegliere le zone più idonee per la coltivazione di una determinata varietà è una decisione difficile e di ampio spettro che coinvolge non solo gli agricoltori, ma tutta la filiera coinvolta nel processo, dalla produzione alla vendita. La scelta varietale ha ripercussioni economiche di lungo termine. In tale prospettiva, con KULTIVAS vorremmo proporre un approccio data-driven a questo importante problema del settore melicolo. In questo progetto, dati storici selezionati sulla produttività e qualità delle mele, moderni sistemi di gestione dei dati, algoritmi e tecniche di apprendimento automatico sono stati impiegati adottando un approccio multidisciplinare che coinvolge esperti di diversi settori, quali agronomia, fisiologia, climatologia e informatica, per valutare l'idoneità sito- specifica alla coltivazione di determinate varietà di mele. Il modello di previsione sviluppato nell’ambito del progetto si basa su dati climatici e topografici interpolati spazialmente, oltre che su dati di produzione e qualità delle mele provenienti da diverse cooperative altoatesine. Usando informazioni spazialmente disponibili sul clima, il modello è in grado di stimare vari parametri di produzione, come calibro, colore e resa. La previsione degli indicatori predetti dal modello statistico è più̀ precisa quanto più̀ il set di dati di training copre la variabilità̀ climatica e topografica delle aree di indagine. In aree con caratteristiche al di fuori di questa variabilità, il modello avrà un potere predittivo limitato. I risultati di questo studio saranno arricchiti con dati provenienti da altre località e valutando ulteriori algoritmi per la corrispondenza geografica dei dati di cernita, in quanto il set di dati influenza in maniera importante i risultati.","PeriodicalId":325047,"journal":{"name":"Laimburg Journal","volume":"12 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-09-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Laimburg Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23796/lj/2022.008","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Scegliere le zone più idonee per la coltivazione di una determinata varietà è una decisione difficile e di ampio spettro che coinvolge non solo gli agricoltori, ma tutta la filiera coinvolta nel processo, dalla produzione alla vendita. La scelta varietale ha ripercussioni economiche di lungo termine. In tale prospettiva, con KULTIVAS vorremmo proporre un approccio data-driven a questo importante problema del settore melicolo. In questo progetto, dati storici selezionati sulla produttività e qualità delle mele, moderni sistemi di gestione dei dati, algoritmi e tecniche di apprendimento automatico sono stati impiegati adottando un approccio multidisciplinare che coinvolge esperti di diversi settori, quali agronomia, fisiologia, climatologia e informatica, per valutare l'idoneità sito- specifica alla coltivazione di determinate varietà di mele. Il modello di previsione sviluppato nell’ambito del progetto si basa su dati climatici e topografici interpolati spazialmente, oltre che su dati di produzione e qualità delle mele provenienti da diverse cooperative altoatesine. Usando informazioni spazialmente disponibili sul clima, il modello è in grado di stimare vari parametri di produzione, come calibro, colore e resa. La previsione degli indicatori predetti dal modello statistico è più̀ precisa quanto più̀ il set di dati di training copre la variabilità̀ climatica e topografica delle aree di indagine. In aree con caratteristiche al di fuori di questa variabilità, il modello avrà un potere predittivo limitato. I risultati di questo studio saranno arricchiti con dati provenienti da altre località e valutando ulteriori algoritmi per la corrispondenza geografica dei dati di cernita, in quanto il set di dati influenza in maniera importante i risultati.
KULTIVAS:研究橄榄种植的现场品种模型
选择最适合种植某一品种的地区是一个困难和广泛的决定,不仅涉及农民,而且涉及从生产到销售的整个过程。品种选择具有长期的经济影响。考虑到这一点,我们想和KULTIVAS一起提出一种数据驱动的方法来解决这个非常重要的问题。在这个项目中,关于苹果的生产力和质量选定历史数据,现代的数据管理系统,使用了机器学习算法和技术是采用一种多学科方法,涉及来自不同领域的专家,例如农学、生理学、气候学和信息学,评估网站——具体的某些种类的苹果种植。该项目的预测模型是基于空间插值的气候和地形数据,以及来自不同高地合作社的苹果产量和质量数据。利用空间上可用的气候信息,该模型可以估计各种生产参数,如口径、颜色和产量。上述指标的预测比更̀̀准确统计模式的训练数据集包括可变性̀调查地区的气候和地形。在这些可变性之外的特性领域,模型的预测能力将是有限的。这项研究的结果将由来自其他地方的数据丰富,并考虑到数据集对结果的重要影响,对分类数据的地理匹配进行进一步的算法。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信