BACKGROUND: The dynamics of agricultural production have gradually moved toward mechanization and maximizing efficiency. Understanding the relationship between mechanization and crop yield is crucial to improve productivity.
AIM: This study assesses the temporal pattern similarity between crop yield and the level of mechanization (LOM) and examines how LOM influences crop productivity over time.
MATERIALS AND METHODS: The study used ordinary least squares (OLS) regression with interaction terms for trend analysis and dynamic time warping (DTW) for pattern similarity. Descriptive statistics (standard deviation, mean, minimum, and maximum) and error metrics (MAE and RMSE) were used to assess the DTW distance performance between sequences.
RESULTS: The OLS analysis showed almost parallel trend lines (slopes 0.038% and 0.053%). The DTW analysis showed significant temporal alignment, with a 44.4% perfect match and a similarity score of 34 (34 optimal paths across 28 dataset pairs). Performance evaluation metrics—standard deviation, mean, minimum, and maximum—were 7.56 × 10−3, 1.08 × 10−2, 1.42 × 10−5, and 3.22 × 10−2, respectively. MAE and RMSE values were 6.33 × 10−3 and 7.56 × 10−3, respectively. Based on these values, average similarity, consistency, alignment quality, and error metrics were used to assess the level of similarity. These values indicate high similarity and consistency (based on the low mean DTW distances, standard deviation, and error metrics), despite occasional poor alignment.
CONCLUSION: The temporal similarity between LOM and crop yield showed that variations in LOM significantly impacted cereal crop yields. Agricultural productivity could benefit from mechanization through the use of contemporary technologies, improved supportive policies, and the integration of sustainable practices.
Обоснование. Динамика сельскохозяйственного производства направлена на прогрессивное повышение уровня механизации и максимизацию эффективности. Понимание взаимосвязи между механизацией и урожайностью сельскохозяйственных культур имеет важное значение для повышения производительности.
Цель работы — оценка временного сходства между урожайностью сельскохозяйственных культур и уровнем механизации (УМ-LOM). Особое внимание уделено влиянию УМ на урожайность сельскохозяйственных культур с течением времени.
Методы. В исследовании использовалась метод наименьших квадратов (МНК) с эффектом взаимодействия для анализа тренда и динамической трансформации временной шкалы (DTW), для анализа сходства паттернов. Для оценки эффективности определения DTW-расстояния между последовательностями использовались описательная статистика — стандартное отклонение, среднее, минимальное и максимальное значения — наряду с показателями ошибок, в частности, абсолютной средней ошибки (MAE) и среднеквадратичной ошибки (RMSE).
Результаты. Анализ МНК выявил почти параллельные наклоны линий тренда (наклоны 0,038 и 0,053 процента). Анализ DTW показал значительное временное выравнивание, с 44,4% идеального совпадения и оценкой сходства 34 (34 оптимальных пути в 28 парах наборов данных). Соответствующие значения метрик оценки производительности — стандартное отклонение, среднее, минимум и максимум были рассчитаны как 7,56x10⁻³, 1,08x10⁻², 1,42x10⁻⁵ и 3,22x10⁻²; значения MAE и RMSE были вычислены как 6,33x10⁻³ и 7,56x10⁻³ соответственно. На основе этих значений были использованы среднее сходство, согласованность, качество трансформации и ошибки для оценки уровня сходства. Наборы данных продемонстрировали высокий уровень сходства и согласованного выравнивания (на основе низких средних DTW-расстояний, стандартного отклонения и ошибок), несмотря на некоторые случаи плохой трансформации.
Заключение. Временное сходство в УМ и урожайности показало, что урожайность зерновых культур значительно зависит от колебаний в УМ. Сельскохозяйственная продуктивность может выиграть от механизации за счёт внедрения современных технологий, улучшения поддерживающих политик и интеграции устойчивых практик.