پیش بینی عملکرد گندم با استفاده از هوش مصنوعی، یادگیری ماشین و داده های سنجش از دور در کشاورزی هوشمند (مطالعه موردی در خراسان شمالی)

این پژوهش با هدف بررسی کاربرد هم زمان علوم کشاورزی، علوم رایانه و هوش مصنوعی در پیش بینی عملکرد محصول گندم انجام شد. در این مطالعه از داده های مربوط به رطوبت خاک، دما، رطوبت نسبی، شاخص پوشش گیاهی NDVI، میزان نیتروژن و داده های سنجش از دور استفاده شد. الگوریتم های Random Forest، شبکه عصبی مصنوعی، SVM و LSTM مورد استفاده قرار گرفتند. داده ها در قالب ۱۰۰۰ رکورد نمونه شبیه سازی و برای آموزش و آزمون مدل ها استفاده شدند. نتایج نشان داد مدل Random Forest با ضریب تعیین ۰.۹۲ عملکرد بهتری نسبت به سایر مدل ها داشت. شبکه عصبی مصنوعی مقدار ۰.۸۹ و SVM مقدار ۰.۸۵ را نشان داد. نتایج بیانگر توان بالای مدل های هوش مصنوعی در تحلیل داده های کشاورزی هستند. استفاده از داده های سنجش از دور و حسگرهای هوشمند موجب افزایش دقت شد. نتایج نشان داد مدل Random Forest با ضریب تعیین ۰.۹۲ عملکرد بهتری نسبت به سایر مدل ها داشت. شبکه عصبی مصنوعی مقدار ۰.۸۹ و SVM مقدار ۰.۸۵ را نشان داد. استفاده از سامانه های هوشمند می تواند مصرف آب و کود را کاهش داده و عملکرد محصول را افزایش دهد. این مطالعه نشان می دهد کشاورزی هوشمند مسیر مهمی برای توسعه پایدار کشاورزی آینده است.

کلیدواژه ها:

گندم ، هوش مصنوعی ، سنجش از دور ، خراسان شمالی