Statistical estimation of crop yields for the Midwestern United States using satellite images, climate datasets, and soil property maps

김나리; 조재일; 홍성욱; 하경자; Ryosuke Shibasaki; 이양원

추천

검색

자료유형: 학술저널

저자정보: 김나리 조재일 홍성욱 하경자 Ryosuke Shibasaki 이양원

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제32권 제4호

발행연도: 2016.1

수록면: 383 - 401 (19page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this paper, we described the statistical modeling of crop yields using satellite images, climatic datasets, soil property maps, and fertilizer data for the Midwestern United States during 2001-2012. Satellite images were obtained from the Moderate Resolution Imaging Spectroradiometer (MODIS), and climatic datasets were provided by the Parameter-elevation Regressions on Independent Slopes Model (PRISM) Climate Group. Soil property maps were derived from the Harmonized World Soil Database (HWSD). Our multivariate regression models produced quite good prediction accuracies, with differences of approximately 8-15% from the governmental statistics of corn and soybean yields. The unfavorable conditions of climate and vegetation in 2012 could have resulted in a decrease in yields according to the regression models, but the actual yields were greater than predicted. It can be interpreted that factors other than climate, vegetation, soil, and fertilizer may be involved in the negative biases. Also, we found that soybean yield was more affected by minimum temperature conditions while corn yield was more associated with photosynthetic activities. These two crops can have different potential impacts regarding climate change, and it is important to quantify the degree of the crop sensitivities to climatic variations to help adaptation by humans. Considering the yield decreases during the drought event, we can assume that climatic effect may be stronger than human adaptive capacity. Thus, further studies are demanded particularly by enhancing the data regarding human activities such as tillage, fertilization, irrigation, and comprehensive agricultural technologies.

#crop yield #satellite image #climate data #soil property #statistical model

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)