本研究は、農業生産における水の重要性を強調し、水不足と収穫量の低下が農業の意思決定において重要な要素であることを述べています。作物シミュレーションモデルは物理的プロセスと一致するも、性能が限られることが多いです。一方、機械学習モデルは強力でスケーラブルですが、物理原則との整合性が欠けています。本研究は、作物の収穫量が水の可用性によって決定されるとの仮定に基づき、時間的な水不足を関数として作物の収穫量をモデル化します。新しい物理に基づいた損失関数を提案し、多波長衛星画像、気象データ、詳細な収穫データを利用して、作物の drought stress を予測し、収穫予測の精度を高めています。最先端モデル（LSTMやTransformers）を上回る結果を示し、持続可能な農業のための意思決定支援を提供します。