International Journal of Computer Applications·9月18日 · 周五论文智慧农业 / 农业物联网阅读 0
A Multi-Task Stacked Ensemble and IoT-Enabled Decision Support System for Precision Fertigation in Smallholder Agriculture
Awojide S. · Ikpotokin F.O. · Sadiq F.I.
论文解读
79精选
速览
构建多任务堆叠集成模型与物联网决策支持系统，实现小农户精准水肥一体化。
方法
LSTM、XGBoost、随机森林堆叠集成，融合尼日利亚土壤气象、IoT与NDV
发现
集成模型将施肥量MAE降低10.9%，需求与时机分类F1提升，系统部署零错误。
机会点
可探索多任务集成模型在非洲小农户不同作物与气候区的迁移能力及低成本IoT部署。
影响力18
信息增量22
专业深度18
信源权威13
时效性8
面向小农户的精准水肥一体化多任务集成模型与物联网决策支持系统，数据规模与方法验证扎实，对智慧农业落地有参考价值。
原文摘要
尼日利亚农业的固定日程水肥一体化导致效率低下和养分淋失。本研究开发了一种堆叠集成模型用于精准水肥管理，可联合预测灌溉施肥需求、施用量（kg/ha）和时机（早/最佳/晚）。为训练和评估该集成模型，整合了一个统一数据集，包含来自尼日利亚土壤-天气-产量数据集、本地尼日利亚物联网传感器序列及历史天气/NDVI数据的12,840条记录和42个变量。通过基于折外预测训练的XGBoost元学习器，将LSTM土壤动力学模型、XGBoost施用量回归器和随机森林需求/时机分类器进行融合。在留出集上，该集成模型将施用量MAE从0.55降至0.49 kg/ha（-10.9%），RMSE从0.68降至0.61 kg/ha（-10.3%；R² 0.88→0.92），需求F1从0.83提升至0.86（准确率0.87→0.89；AUC 0.89→0.93），时机宏平均F1从0.84提升至0.86，且概率校准良好（Brier 0.082）。训练后的集成模型通过RESTful API和响应式仪表板部署；在并发负载下，系统录得0%请求错误，API延迟中位数为1.88秒，展示了在尼日利亚小农农业中的实际可部署性。