عنوان : ( پیش بینی عملکرد گندم با داده های بارش و شاخص نرمال شده تفاوت پوشش گیاهی توسط الگوریتمهای یادگیری ماشین )
نویسندگان: سیدآرش خسروانی شریعتی , علی عباسی ,
Full Textچکیده
گندم یک محصول استراتژیک در دنیا است و تغییرات میزان تولید آن میتواند قیمت این محصول و مواد غذایی وابسته به آن را تحت تاثیر قرار دهد. بنابراین گندم نقش تعیین کننده ای در امنیت غذایی هر کشور دارد. در این پژوهش عملکرد گندم زمستانه از سال 2008تا 2021در 53شهرستان ایالت کنزاس در آمریکا مورد بررسی قرار گرفته است. برای پیش بینی عملکرد گندم از شاخص بارش استاندارد شده (SPI) در دو مقیاس یک و شش ماهه و شاخص نرمال شده تفاوت پوشش گیاهی (NDVI) به عنوان متغیرهای ورودی استفاده شده است. دو الگوریتم یادگیری ماشین غیرخطی به نام جنگل تصادفی و ماشین بردار پشتیبان برای انجام این پیش بینی به کار گرفته شدند. بررسی همبستگی بین متغیرهای ورودی با عملکرد گندم نشان داد که شاخص NDVI در ماه مِی و شاخص SPI با مقیاس شش ماهه در ماه آوریل بیشترین همبستگی را با عملکرد گندم دارند. عملکرد دو الگوریتم یادگیری ماشین تقریبا مشابه یکدیگر بوده و مقدار ضریب تعیین در هر دو مدل پیش بینی در حدود 0.4 بوده است.
کلمات کلیدی
, عملکرد گندم, یادگیری ماشین, بارش, شاخص نرمال شده تفاوت پوشش گیاهی, سنجش از دور
@inproceedings{paperid:1094440,
author = {خسروانی شریعتی, سیدآرش and عباسی, علی},
title = {پیش بینی عملکرد گندم با داده های بارش و شاخص نرمال شده تفاوت پوشش گیاهی توسط الگوریتمهای یادگیری ماشین},
booktitle = {سیزدهمین کنگره بین المللی مهندسی عمران},
year = {2023},
location = {تهران, ايران},
keywords = {عملکرد گندم، یادگیری ماشین، بارش، شاخص نرمال شده تفاوت پوشش گیاهی، سنجش از دور},
}
%0 Conference Proceedings
%T پیش بینی عملکرد گندم با داده های بارش و شاخص نرمال شده تفاوت پوشش گیاهی توسط الگوریتمهای یادگیری ماشین
%A خسروانی شریعتی, سیدآرش
%A عباسی, علی
%J سیزدهمین کنگره بین المللی مهندسی عمران
%D 2023
