Представлен фреймворк SECSF на основе глубокого обучения, который эмулирует процессную модель ECroPS для кукурузы и ячменя, используя только ежедневные температуры и осадки. Модель обучена на данных ERA5 и воспроизводит динамику роста и сроки сбора урожая, снижая вычислительные затраты в ~10^4 раз. Это позволяет проводить вероятностные оценки рисков для больших ансамблей сезонных прогнозов и климатических сценариев.
Новость важна для масштабируемого прогнозирования в агросекторе, где ключевы быстрые и точные оценки климатических рисков.
Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.
