7.1 사례 연구 — Iowa 옥수수 2024
Iowa 의 240,000 ha 협동조합이 2024 생장 시즌 전반에 걸쳐 앙상블 yield-prediction 시스템을 배포했습니다. 앙상블은 APSIM 프로세스 모델 출력, Sentinel-2 NDVI 경험 모델, 그리고 과거 수확량 기록의 gradient-boosted tree 모델을 결합했습니다. 시즌 전반의 들판 수준 예측 구간 적용 범위는 81%(목표 80% 대비)였고, 집계된 지역 forecast 는 USDA NASS 수확 후 추정과 게시된 오차 범위 내에서 일치했습니다. 협동 조합은 들판 수준 forecast 를 사용해 회원 농장 전반의 수확 장비 할당을 스케줄링 했고, 전년의 수동 스케줄링 대비 늦은 수확 손실을 줄였습니다.
7.2 사례 연구 — 프랑스 와인 양조 2024
샹파뉴 와인 재배자들의 컨소시엄이 alternate-bearing carry-forward 특징으로 적응된 본 표준의 나무 작물 변형을 배포했습니다. 2024 forecast 는 그 appellation 에 대해 평년 이하 해를 정확히 식별했고 보존 와인 출시 결정을 알렸습니다. 컨소시엄의 연간 감사는 예측 구간의 calibration 을 확인했습니다. 한 시즌 초기 forecast 는 상류 기상 데이터가 중요한 봄 서리를 놓쳤다는 것이 발견된 후 회수되었습니다. 이는 본 표준의 feature-provenance 포인터가 왜 본질적인지에 대한 예입니다.
7.3 사례 연구 — 한국 쌀 2024
농촌진흥청은 그들의 기존 들판 조사 기반 forecast 에 대해 WIA-AGRI-008 conformant 예측의 병렬 평가 파일럿을 운영했습니다. 파일럿은 2024 시즌 전반에 걸쳐 18 개 행정 지역을 다뤘습니다. 모델의 지역 집계는 평균적으로 조사 기반 forecast 의 3% 이내였고, 가장 큰 차이는 격자 기상 입력에 의해 들판 이질성이 잘 포착되지 않은 산악 변두리 지역에 있었습니다. 파일럿의 결과는 모델과 조사 추정을 어느 하나로 대체하는 대신 결합하라는 권고였습니다.
7.4 이 사례 연구들에서 증류된 모범 사례
- 점-forecast 정확도뿐 아니라 시즌 끝에 실제 측정된 수확량에 대한 예측 구간 calibration 을 검증합니다.
- 오래된 예측이 하류 캐시에 지속되도록 두는 대신, 상류 특징 데이터가 결함이 있는 것으로 발견되면 예측을 회수합니다.
- 어느 하나를 단일 진실로 다루는 대신 모델 유래 forecast 를 들판 조사 추정과 짝짓습니다.
- 소비자가 지역 간 사과 대 사과를 비교할 수 있도록 예측당 사용된 특징 집합을 문서화합니다.
- 적어도 24 개월마다 재훈련하고 각 예측 envelope 에 훈련 윈도우를 공개합니다.