مقایسه الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی در تهیه نقشه کشت گندم

هشترود یکی از شهرستان های جنوبی استان آذربایجان شرقی و مرکز شهرستان هشترود است. این شهر در بین مختصات جغرافیایی ۳۶ درجه و ۴۵ دقیقه الی ۳۷ درجه و ۲۴ دقیقه عرض شمالی و ۴۶ درجه و ۲۵ دقیقه الی ۴۷ درجه و ۲۴ دقیقه طول شرقی واقع شده است. هدف این تحقیق، تهیه نقشه کشت گندم با استفاده از روش های یادگیری ماشین با تصاویر ماهواره ای سنتینل ۲ می باشد.روش پژوهش: در این پژوهش، ابتدا تصاویر ماهواره Sentinel۲-L۲A تهیه شده و با استفاده از مجموعه تصاویر دارای اطلاعات بازتاب زمینی، شاخص پوشش گیاهی نرمال شده استخراج شد. سپس با استفاده از زبان برنامه نویسی R در محیط Jupyter Notebook الگوریتم های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی روی تصاویر اعمال شدند و در آخر خروجی های هر دو الگوریتم در نرم افزار Arcmap تجزیه و تحلیل شده و از نقشه های نهایی خروجی گرفته شد. نتایج: در نهایت مشاهده شد که الگوریتم جنگل تصادفی با میزان دقت کلی ۹۳ درصد و ضریب کاپای ۸۷ درصد عملکرد بهتر و مناسب تری نسبت به الگوریتم ماشین بردار پشتیبان با دقت کلی ۹۰ درصد و ضریب کاپای ۸۲ درصد داشته است. این انتخاب به دلیل دقت بالاتر و ضریب کاپای بیشتر آن نسبت به سایر الگوریتم ها است که نشان دهنده توافق بیشتر با واقعیت و دقت بالاتر در پیش بینی ها می باشد. نتیجه گیری: نتایج حاصل از اجرای این الگوریتم ها نشان داد که هر الگوریتم دارای نقاط قوت و ضعف خاص خود می باشد. الگوریتم ماشین بردار پشتیبان به دلیل ساختار ساده و کارایی مناسب در بسیاری از مسائل طبقه بندی مورد استفاده قرار می گیرد. با این حال، در این پژوهش در مقایسه با دیگر الگوریتم یعنی الگوریتم جنگل تصادفی عملکرد ضعیف تری داشت. الگوریتم جنگل تصادفی نیز به دلیل توانایی در ترکیب مدل های مختلف و کاهش اثر بیش برازش معمولا نتایج دقیقی ارائه می دهد. با این حال، پیچیدگی محاسبات بالای آن می تواند در کاربردهای بزرگ تر مشکل ساز باشد.

کلیدواژه ها:

گندم ، یادگیری ماشین ، ماشین بردار پشتیبان ، جنگل تصادفی ، نقشه کشت