Can Machine Learning Forecast Rice Yields in Data-Constrained Settings? Satellite Climate Data, National Crop Statistics, and Lessons from Sierra Leone

En 3 lignesÉtude ML sur la prévision des rendements de riz en Sierra Leone avec données limitées. XGBoost + données climatiques satellites (CHIRPS, NASA POWER) réduit l'erreur de 34% (RMSE 284 vs 428 kg/ha). Les pluies de mai-juin sont le prédicteur dominant. Pipeline open-source fourni.

Résumé généré par Claude — vérifié par l'humain