تخمین بازده محصول گندم مبتنی بر مدل های رگرسیون یادگیری ماشین

  • سال انتشار: 1400
  • محل انتشار: یازدهمین همایش سراسری کشاورزی و منابع طبیعی پایدار
  • کد COI اختصاصی: NACONF11_172
  • زبان مقاله: فارسی
  • تعداد مشاهده: 333
دانلود فایل این مقاله

نویسندگان

عادل کرمی

دانشجوی کارشناسی ارشد سنجش از دور، گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران

فاطمه طبیب محمودی

استادیار گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران

علیرضا شریفی

استادیار گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران

چکیده

کشور ایران با توجه به نیاز به گندم علاوه بر تولید داخلی، نیاز به واردات گندم نیز دارد که پیش بینی میزان بازده گندم در کشور میتواند منجر به تصمیم گیری بهتر درباره جمع آوری، حمل و نقل، ذخیره سازی گندم تولید شده و همچنین تخمین میزان گندم موردنیاز برای واردات در زمان مناسب شود. هدف اصلی این تحقیق، مقایسه قابلیتهای مدلهای رگرسیون یادگیری ماشین درخت تصمیم، رگرسیون بردار پشتیبان و شبکه عصبی رگرسیون تعمیم یافته در تخمین بازده گندم در هشت مزرعه واقع در استان کردستان در کشور ایران میباشد. بدین منظور استفاده از شاخصهای طیفی NDVI، NDWI، NRI و SAVI به ترتیب به عنوان نماینده گروه های شاخصهای طیفی پوشش گیاهی، رطوبت، مواد مغذی و آفات گیاهی برای بهبود نتایج تخمین بازده گندم در مدلهای رگرسیون یادگیری ماشین استفاده گردید. ارزیابی نتایج حاصل از این تحقیق حاکی از آن است که روش شبکه عصبی رگرسیون تعمیم یافته با RMSE برابر ۰/۰۰۶۳ بهترین عملکرد را در بین مدلهای یادگیری ماشین داشته است. به علاوه، نتایج حاصل از تخمین بازده گندم مبتنی بر چنیدن شاخص طیفی در مقایسه با استفاده از تنها یک شاخص طیفی پوشش گیاهی، بهبود حدود ۰/۸۱ در مقدار RMSE را نشان داد.

کلیدواژه ها

بازده محصول گندم، تحلیل رگرسیون، مدل های یادگیری ماشین، شاخص های طیفی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.