An integrated modelling and learning framework for real-time online decision assistance in Swiss agriculture
Auf einen Blick
- Projektleiter/in : Dr. Martin Schüle
- Co-Projektleiter/in : Alex Mathis
- Projektteam : Dr. Luzius Jean Petit Matile, Guido Kunz, Prof. Dr. Martine Rebetez
- Projektstatus : abgeschlossen
- Drittmittelgeber : Innosuisse (Innovationsprojekt / Projekt Nr. 26301.1 IP-ICT)
- Projektpartner : Hydrolina Sàrl
- Kontaktperson : Martin Schüle
Beschreibung
Wir entwicklen einen Entscheidungsassistent der Risiken in der Landwirtschaft dank eines einzigartigen Modells, das auf der Kopplung von zuverlässigen Wetter- und saisonalen Klimavorhersagen, Bodendaten und Wachstumsprognosen basiert, beurteilen und visualisieren kann. Basierend auf Echtzeit- und historischen Wetter-, Klima-, Boden- und Kulturdaten sowie neuartigen Lernalgorithmen berechnet das System die zu erwartenden Wetter- und Klimabedingungen und Ernteerträge und unterstützt mit seiner Echtzeit- und Online-App die Landwirt in Bezug auf Produktionskosten, Bewässerungsmanagement, benötigte Ressourcen, usw.
Publikationen
-
Gygax, Gregory; Schüle, Martin,
2020.
A hybrid deep learning approach for forecasting air temperature [Paper].
In:
Schilling, Frank-Peter; Stadelmann, Thilo, Hrsg.,
Artificial Neural Networks in Pattern Recognition.
9th IAPR TC 3 Workshop on Artificial Neural Networks for Pattern Recognition (ANNPR'20), Winterthur, Switzerland, 2-4 September 2020.
Cham:
Springer.
S. 235-246.
Lecture Notes in Computer Science ; 12294.
Verfügbar unter: https://doi.org/10.1007/978-3-030-58309-5_19