MLCROP

Maschinelles Lernen für die Pflanzenproduktion im Iran

01.07.2023 bis 30.06.2026

Die Pflanzenproduktion im Iran als eines der Entwicklungsländer aufgrund der Mehrheit der Flächen wurde nicht bestimmt. Die Anbautauglichkeit ist gering. Darüber hinaus führten das Bevölkerungswachstum und die Verringerung der produktiven Land- und Wasserressourcen zu zusätzlichem Druck auf die Pflanzenproduktion des Iran. Es gibt viele Ackerflächen für die Landwirtschaft im Iran, obwohl sie nicht identifizierbar sind. Landeignungskarten können sehr geeignete Gebiete für landwirtschaftliche Produkte identifizieren und helfen, deren Produktion zu steigern. Es gibt einen Mangel an Landeignungsbewertung und damit verbundenen Informationen für landwirtschaftliche Nutzpflanzen im Iran, da die Vermessung und Kartierung der Landeignung in diesem Land den herkömmlichen Ansätzen gefolgt ist. Der DSA-Ansatz wendet ML-Algorithmen und detaillierte und leicht verfügbare Umwelt-Kovariatendaten wie Klima, Gelände und Vegetation an, um quantitative Entscheidungen zu treffen und zu unterstützen. Hierin werden die DSA-Methode und die SHL- und DL-Ansätze im Iran unter Verwendung von Bodenleistungsdaten und Umweltvariablen angewendet, wo Landeignungskarten traditionell und selten sind, um die Auswirkungen des Klimawandels auf Landeignungsänderungen zu bewerten und die potenzielle Verteilung vorherzusagen von Getreide.