پیشبینی عملکرد گندم با دادههای بارش و شاخص نرمال شده تفاو ت پوشش گیاهی توسطالگوریت مهای یادگیری ماشین

چکیده مقاله

گندم یک محصول استراتژیک در دنیا است و تغییرات میزان تولید آن می تواند 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 ۲۰۰۸ تا ۲۰۲۱ در ۵۳ شهرستان 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 NDVIدر ماه می و شاخص SPI با مقیاس شش ماهه در ماه آوریل بیش ترین 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 ۴ ۰ بوده است

کلیدواژه‌ها

نویسندگان

سیدآرش خسروانی شریعتی

دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه فردوسی

علی عباسی

استادیار گروه مهندسی عمران، دانشگاه فردوسی مشهد

�سروانی شریعتی، سیدآرش و عباسی، علی،1402،پیشبینی عملکرد گندم با دادههای بارش و شاخص نرمال شده تفاو ت پوشش گیاهی توسطالگوریت مهای یادگیری ماشین،سیزدهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات سیزدهمین کنگره بین المللی مهندسی عمران25 مهر 1402 · تهران