Data fusion strategy to support agricultural vulnerability assessments

Abstract

Background: Identifying crop species and varieties adaptable to climate change impacts is one of the main aspects of climate vulnerability assessments. This estimation involves processing, integrating, and analyzing many information sources to provide accurate and timely responses. However, designing this evaluation, examine the information gathered, and reaching agreements among all stakeholders and experts, often requires considerable effort in time, money, and people. Aims: Propose a data fusion strategy to support climate vulnerability assessments by identifying the adaptability of crops in a territory in the short term. Methods: This strategy follows the Joint Directors of Laboratories (JDL) data fusion model guidelines. It was evaluated and validated through a case study in Colombia’s upper Cauca river basin. For this purpose, we identified Climate, Soil, Water Quality, Productive Alliances, and Production as the most relevant data sources to be integrated. Using metrics such as Mean IR (Average Imbalance Ratio), SCUMBLE (Score of ConcUrrence among iMBalanced LabEls), TCS (Theoretical Complexity Score), among others, we evaluated the combined datasets according to their theoretical complexity. The adaptability of crops in a territory was addressed as a multi-label learning problem, assessing the performance of different multi-label classification models with both test and actual data.

Antecedentes: Identificar especies y variedades de cultivos adaptables a los impactos del cambio climático es uno de los principales aspectos de las evaluaciones de vulnerabilidad climática. Esta estimación implica el procesamiento, la integración y el análisis de muchas fuentes de información para ofrecer respuestas precisas y oportunas. Sin embargo, el diseño de estas evaluaciones, la revisión de la información recopilada y la consecución de acuerdos entre todos los stakeholders, suele requerir un esfuerzo considerable en términos de tiempo, dinero y personas. Objetivos: Proponer una estrategia de fusión de datos para soportar evaluaciones de vulnerabilidad climática, identificando la adaptabilidad de cultivos en un territorio a corto plazo. Métodos: Esta estrategia sigue las directrices del modelo de fusión de datos JDL (Joint Directors of Laboratories). Esta fue evaluada y validada a través de un estudio de caso en la cuenca alta del río Cauca en Colombia. Para este propósito, se identificaron Clima, Suelo, Calidad del Agua, Alianzas Productivas y la Producción de cultivos como las fuentes de datos más relevantes a ser integradas. Utilizando métricas como Mean IR (Average Imbalance Ratio), SCUMBLE (Score of ConcUrrence among iMBalanced LabEls), TCS (Theoretical Complexity Score), entre otras, evaluamos los conjuntos de datos combinados según su complejidad teórica. La adaptabilidad de los cultivos en un territorio se abordó como un problema de aprendizaje multi-etiqueta evaluando el rendimiento de diferentes modelos de clasificación con datos reales y datos de prueba.