کاربرد رهیافت یادگیری ماشین در تخمین عملکرد نخود بر اساس نمایه های اقلیمی-کشاورزی (مطالعه موردی: شهرستان کرمانشاه)
- سال انتشار: 1401
- محل انتشار: دو فصلنامه هواشناسی کشاورزی، دوره: 10، شماره: 2
- کد COI اختصاصی: JR_AGRIMET-10-2_004
- زبان مقاله: فارسی
- تعداد مشاهده: 107
نویسندگان
دانشجوی دوره دکتری آب وهواشناسی کشاورزی، گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
استادیار گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
استاد گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا دانشگاه تهران
چکیده
هدف این پژوهش تخمین عملکرد نخود بهاره با استفاده از روش های یادگیری ماشین از نوع مدل های رگرسیونی خطی در شهرستان کرمانشاه است. فراسنج های هواشناسی، نمایههای هواشناسی کشاورزی و سنجش از دور در بازه زمانی ۱۳۷۰-۱۳۶۹ تا ۱۳۹۷-۱۳۹۶ به عنوان متغیرهای پیشگو و داده های عملکرد سازمان جهاد کشاورزی به عنوان متغیر پاسخ در چهار مرحله نمو استفاده گردید. ۲۴ سال از دادهها برای آموزش و ۳ سال برای اعتبار سنجی مدلها به کار گرفته شد. نتایج بیانگر آن بود که از میان انواع مدل های خطی، مدل لاسو با ضریب تعیین ۶۷ درصد و خطای معیار ۸/۵۹ کیلوگرم در هکتار به عنوان مناسبترین مدل برای تخمین عملکرد نخود در مرحله ی سبز شدن تا %۵۰ گل دهی انتخاب شد. انحراف نسبی این مدل به میزان ۴/۰، ۳/۰- و ۵/۳ درصد به ترتیب برای سال های ۱۳۷۷-۱۳۷۶، ۱۳۸۵-۱۳۸۴ و ۱۳۹۰-۱۳۸۹، بدست آمد.کلیدواژه ها
اقلیم, عملکرد نخود, مدل های خطی, کرمانشاهاطلاعات 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.