Evaluating Digital Tools for Sustainable Agriculture using Causal Inference
Đánh giá các công cụ kỹ thuật số cho nông nghiệp bền vững bằng cách sử dụng suy luận nhân quả
Author: Ilias Tsoumas, Georgios Giannarakis, Vasileios Sitokonstantinou, Alkiviadis Koukos, Dimitra Loka, Nikolaos Bartsotas, Charalampos Kontoes, Ioannis Athanasiadis | Year: 2022
Keywords: Machine Learning, Artificial Intelligence
Abstract / Summary
In contrast to the rapid digitalization of several industries, agriculture suffers from low adoption of climate-smart farming tools. Even though AI-driven digital agriculture can offer high-performing predictive functionalities, it lacks tangible quantitative evidence on its benefits to the farmers. Field experiments can derive such evidence, but are often costly and time consuming. To this end, we propose an observational causal inference framework for the empirical evaluation of the impact of digital tools on target farm performance indicators. This way, we can increase farmers' trust by enhancing the transparency of the digital agriculture market, and in turn accelerate the adoption of technologies that aim to increase productivity and secure a sustainable and resilient agriculture against a changing climate. As a case study, we perform an empirical evaluation of a recommendation system for optimal cotton sowing, which was used by a farmers' cooperative during the growing season of 2021. We leverage agricultural knowledge to develop a causal graph of the farm system, we use the back-door criterion to identify the impact of recommendations on the yield and subsequently estimate it using several methods on observational data. The results show that a field sown according to our recommendations enjoyed a significant increase in yield (12% to 17%).
Bản dịch tiếng Việt:
Ngược lại với tốc độ số hóa nhanh chóng của một số ngành công nghiệp, nông nghiệp có tỷ lệ áp dụng các công cụ canh tác thông minh với khí hậu còn thấp. Mặc dù nông nghiệp kỹ thuật số do AI điều khiển có thể cung cấp các chức năng dự đoán hiệu suất cao nhưng nó vẫn thiếu bằng chứng định lượng rõ ràng về lợi ích của nó đối với nông dân. Các thí nghiệm thực địa có thể thu được bằng chứng như vậy nhưng thường tốn kém và mất thời gian. Để đạt được mục tiêu này, chúng tôi đề xuất một khung suy luận nhân quả quan sát để đánh giá thực nghiệm về tác động của các công cụ kỹ thuật số đối với các chỉ số hiệu suất trang trại mục tiêu. Bằng cách này, chúng tôi có thể tăng cường niềm tin của nông dân bằng cách tăng cường tính minh bạch của thị trường nông nghiệp kỹ thuật số, từ đó đẩy nhanh việc áp dụng các công nghệ nhằm tăng năng suất và đảm bảo một nền nông nghiệp bền vững và kiên cường trước biến đổi khí hậu. Như một nghiên cứu điển hình, chúng tôi thực hiện đánh giá thực nghiệm về hệ thống đề xuất để gieo bông tối ưu, hệ thống này đã được hợp tác xã nông dân sử dụng trong mùa trồng trọt năm 2021. Chúng tôi tận dụng kiến thức nông nghiệp để phát triển biểu đồ nhân quả của hệ thống trang trại. Chúng tôi sử dụng tiêu chí cửa sau để xác định tác động của các đề xuất đối với năng suất và sau đó ước tính tác động đó bằng một số phương pháp trên dữ liệu quan sát. Kết quả cho thấy một cánh đồng gieo trồng theo khuyến nghị của chúng tôi có năng suất tăng đáng kể (12% đến 17%).
Full Document
Open in new tabDocument Ready
Click below to load the full PDF document natively.