Статистический анализ факторов, влияющих на эффективность использования сельскохозяйственных территорий в России

Сельское хозяйство является важной частью российского ВВП и сектором занятости для многих россиян. Растениеводство – крупнейший сельскохозяйственный сектор России, который в последнее время переживает обновление благодаря интенсификации и применению современных инновационных технологий контроля полей, новым моделям прогнозирования урожайности и системам компьютерного зрения. Существует несколько крупных российских проектов развития компьютерного зрения для аналитических целей в сельском хозяйстве, однако на данном этапе они не завершены. В России, как и во многих других странах, отсутствуют единые базы данных со спутниковыми изображениями и табличной информацией о полях всех регионов и, соответственно, есть ограничении для аналитики, на основании которой могли бы приниматься оптимальные решения, и это проблема развития отрасли. Целью данного исследования был анализ влияния различных переменных на урожайность сельскохозяйственных культур и построение прогнозных значений урожайности. Набор данных исследования включает урожайность в рублях на гектар в качестве результирующей переменной и некоторые группы растительных, экологических, климатических, почвенных и социально-экономических факторов в качестве независимых факторов. Выборка состоит их 100 наблюдений, из которых обучающих 75 и тестовых 25. Используемые статистические методы включают некоторые эконометрические модели и нейронные сети. Одной из особенностей этой статьи является использование спутниковых изображений в качестве признаков в моделировании с помощью нейронных сетей. С этим связана основная гипотеза исследования, что фотоснимки полей – важный источник данных для сельскохозяйственного статистического анализа и прогнозирования урожайности. Результаты анализа могут быть использованы для повышения эффективности системы сельского хозяйства, повышения урожайности, удешевления производства, уменьшения проблем голода в некоторых регионах мира и улучшения состояния окружающей среды в сельской местности. К перспективам исследования относятся обучение и проверка моделей на большей выборке как табличных данных, так и спутниковых фотоснимков, а также использование новых экзогенных переменных.