فهرست نشریات علمی دسترسی آزاد ایران

هدف: یکنواختی کاربرد کود در مزارع یک ​​روش معمول است که توسط قوانین محلی یا نظر متخصص هدایت می‌شود. با این حال، این رویکرد ممکن است منجر به استفاده بیش از حد از نیتروژن در مناطق با عملکرد ضعیف شود. سلامت انسان، عملکردهای اکولوژیکی، تنوع زیستی، تغییرات آب و هوا و پایداری درازمدت، همگی تحت تأثیر انتشار فزاینده نیتروژن فعال در محیط هستند که ممکن است در نتیجه استفاده بیش از حد از کودها باشد. هدف از این کار نشان دادن این بود که در طول فصل رشد، پیشنهادات نیتروژن خاص مکان ممکن است با استفاده از نظارت بر وضعیت محصول غیرتهاجمی که بر اساس فناوری‌های سنجش از راه دور (RST) ساخته شده است، تولید شود. این سیستم ردیابی می‌تواند موقعیت محصول نیتروژن را به دقت ارزیابی کند. مواد و روش‌ها: در این مطالعه، دو چارچوب - ماشین بردار پشتیبان (SVM) و شبکه‌های عصبی مصنوعی (ANN)، که تنها بر داده‌های جمع‌آوری‌شده از حسگرهای محصول متکی هستند، با هدف بهبود توانایی ما در پیش‌بینی شاخص تغذیه N محصول (NNI) و عملکرد محصول در طول فصل رشد مقایسه شدند. این کار با ترکیب داده‌های خاک، آب و هوا و کشت با اطلاعات آشکارسازهای فعلی با استفاده از جنگل تصادفی (RF) انجام شد. نتایج: از طریق RST، یک ابزار ساده و کم‌هزینه که به عنوان وسیله نقلیه هوایی بدون سرنشین (UAV) با بال ثابت شناخته می‌شود، می‌تواند تصاویر بازتابی با طول موج بگیرد. این مجموعه از تصاویر برای PNSP ارزشمند است. همانطور که در نتایج مشاهده می‌شود، استفاده از تکنیک های ML تخمین NNI را افزایش داد. نتیجه‌گیری: استفاده از تکنیک‌های یادگیری ماشین فرصتی ارزشمند برای به حداکثر رساندن استفاده از داده‌های RST، امکان نظارت مؤثرتر بر عوامل تولید کشاورزی و هدایت استراتژی‌های PNSP را فراهم می‌کند.