4.1 실제로 수확량을 예측하는 특징
수확량 예측은 입력 특징 집합의 품질에 따라 살거나 죽습니다. 수백 개의 경험적 연구 전반에서 같은 가족이 우세합니다. 누적 생장 도일(GDD), 뿌리 깊이의 토양 수분, 군락 폐쇄 시 엽면적 지수(LAI), 페놀로지 전이 시기(파종, 개화, 등숙, 성숙), 그리고 10 년 평년 대비 최근 강수량 이상치. 이 핵심 집합을 넘어 더 많은 특징을 추가하면 빠르게 수익이 감소합니다. 많은 운영 모델은 총 20 개 미만의 입력을 사용합니다.
본 표준의 Phase 1 envelope 는 이 경험적 계층을 반영합니다. 필수 필드는 GDD, 토양
수분, 그리고 네 개의 페놀로지 전이 timestamp 를 다룹니다. 선택 필드는 위성 유래
NDVI / EVI, 들판 측후소 기상 관측, 관리 개입(관개, 시비, 농약)을 다룹니다. 생산
모델은 feature_set_id 속성을 통해 어떤 선택 필드를 소비하는지 선언
하므로, 소비자는 예측이 지역 간 비교 가능한지 결정할 수 있습니다.
4.2 Train / validation / test 규율
본 표준은 yield-forecast conformance 를 주장하는 어떤 모델에 대해서도 엄격한 시간적 분할을 요구합니다. 훈련 세트는 검증 세트가 시작되기 적어도 30 일 전에 끝나야 하고, 검증 세트는 테스트 세트가 시작되기 적어도 30 일 전에 끝나야 하며, 테스트 세트는 적어도 하나의 완전한 생장 시즌을 포함해야 합니다. 무작위 k-fold 분할은 미래 정보를 과거 예측으로 누설하므로 conformance 모델에 대해 명시적으로 금지됩니다.
여러 기후를 서비스하는 지역 모델의 경우, leave-one-region-out 교차 검증이 표준 일반화 테스트입니다. 본 표준은 이를 in-region 테스트 점수와 함께 보고할 것을 요구합니다. in-region 에서 잘하고 out-of-region 에서 못하는 모델은 그 범위에 정직 합니다. in-region 점수만 보고하는 모델은 얻지 못한 일반화를 암묵적으로 주장하는 것입니다.
4.3 raw accuracy 보다 calibration
calibrated uncertainty interval 이 없는 점 예측은 거의 실행 가능하지 않습니다. 늦은 시즌 관개 투자를 결정하는 농부는 예측된 수확량뿐 아니라 수확량이 손익분기 아래로 떨어질 확률을 알아야 합니다. 본 표준은 yield-forecast envelope 가 calibrated 80% 예측 구간을 운반하고, 모델의 calibration 이 매 시즌 끝에 실제 측정된 수확량에 대해 재검증되도록 요구합니다.
4.4 특징 출처와 감사 자취
Phase 1 envelope 의 각 특징은 상류 측정 체인을 기술하는 출처 포인터를 운반합니다. 보정된 TDR 프로브의 토양 수분, 특정 Sentinel-2 통과의 위성 NDVI, 특정 WMO 클래스 측후소의 기상 — 각각이 명명됩니다. 이는 모델의 주장을 평가하는 소비자가 어떤 특징 이라도 그 원천 측정으로 추적할 수 있게 하고, 원천이 나중에 결함이 있는 것으로 발견되면 영향받은 예측을 회수하거나 재계산할 수 있게 합니다.