کاربرد رهیافت یادگیری ماشین در تخمین عملکرد نخود بر اساس نمایه های اقلیمی-کشاورزی (مطالعه موردی: شهرستان کرمانشاه)
نویسندگان
1 استاد گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
2 دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران.
3 دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا دانشگاه تهران
4 دانشجوی دوره دکتری آب وهواشناسی کشاورزی، گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
5 دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
6 استادیار گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
doi
10.22125/agmj.2022.330478.1131چکیده
هدف این پژوهش تخمین عملکرد نخود بهاره با استفاده از روشهای یادگیری ماشین از نوع مدلهای رگرسیونی خطّی در شهرستان کرمانشاه است. فراسنجهای هواشناسی، نمایههای هواشناسی کشاورزی و سنجش از دور در بازه زمانی 1370-1369 تا 1397-1396 به عنوان متغیّرهای پیشگو و دادههای عملکرد سازمان جهاد کشاورزی به عنوان متغیّر پاسخ در چهار مرحله نمو استفاده گردید. 24 سال از دادهها برای آموزش و 3 سال برای اعتبار سنجی مدلها به کار گرفته شد. نتایج بیانگر آن بود که از میان انواع مدل های خطّی، مدل لاسو با ضریب تعیین 67 درصد و خطای معیار 8/59 کیلوگرم در هکتار به عنوان مناسبترین مدل برای تخمین عملکرد نخود در مرحلهی سبز شدن تا %50 گلدهی انتخاب شد. انحراف نسبی این مدل به میزان 4/0، 3/0- و 5/3 درصد به ترتیب برای سال های 1377-1376، 1385-1384 و 1390-1389، بدست آمد.
