Robust Crop Planning Under Uncertainty: Aligning Economic Optimality with Agronomic Sustainability
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Long-horizon agricultural planning requires optimizing crop allocation under complex spatial heterogeneity, temporal agronomic dependencies, and multi-source environmental uncertainty. Existing approaches often either address crop interactions, such as legume-cereal complementarity, only implicitly or rely on static deterministic formulations that fail to ensure resilience against market and climate volatility. To address these challenges, we propose a Multi-Layer Robust Crop Planning Framework (MLRCPF) that integrates spatial reasoning, temporal dynamics, and robust optimization. Specifically, we formalize crop-to-crop relationships through a structured interaction matrix embedded within the state-transition logic, and employ a distributionally robust optimization layer to mitigate worst-case risks defined by a data-driven ambiguity set. Evaluations on a real-world high-mix farming dataset from North China demonstrate the effectiveness of the proposed approach. The framework autonomously generates sustainable checkerboard rotation patterns that restore soil fertility, significantly increasing the legume planting ratio compared to deterministic baselines. Economically, it successfully resolves the trade-off between optimality and stability. These results highlight the importance of explicitly encoding domain-specific structural priors into optimization models for resilient decision-making in complex agricultural systems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Robust Crop Planning Under Uncertainty: Aligning Economic Optimality with Agronomic Sustainability
- Date Crossref
- 08/06/2026
- Éditeur
- Association for the Advancement of Artificial Intelligence (AAAI)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Hangzhou Wanxiang Polytechnic pays non établi dans la noticeUniversité ou école supérieure
-
Zhejiang University pays non établi dans la noticeUniversité ou école supérieure
-
Guangdong Polytechnic Normal University pays non établi dans la noticeUniversité ou école supérieure
-
East China University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Polytechnic Institute pays non établi dans la noticeUniversité ou école supérieure
-
School of Data Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
-
School of Social and Public Administration pays non établi dans la noticeUniversité ou école supérieure
-
School of Mathematical Sciences pays non établi dans la noticeUniversité ou école supérieure
Hangzhou Wanxiang Polytechnic, Zhejiang University et Guangdong Polytechnic Normal University, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.