فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی دقیق عملکرد محصولات استراتژیک مانند نیشکر، نقشی کلیدی در مدیریت بهینه منابع و تضمین امنیت غذایی دارد. هدف اصلی این پژوهش، توسعه مدلی مقاوم و قابل تفسیر بر پایه الگوریتم رگرسیون K-نزدیک‌ترین همسایه (KNN)  برای پیش‌بینی عملکرد نیشکر پیش از برداشت است. در این راستا، تصاویر ماهواره‌ای سنتینل۲ با ویژگی‌های زراعی مهندسی‌شده، شامل شاخص‌های کارایی مصرف آب و کود، تلفیق شدند. افزون بر این، الگوریتم خوشه‌بندی K-میانگین برای تقسیم مزارع به گروه‌های همگن به‌کار رفت تا مدل KNN بتواند ناهمگنی فضایی را بهتر درک کند و دقت پیش‌بینی را افزایش دهد. شاخص‌های کلیدی پوشش گیاهی از تصاویر سری زمانی سنتینل۲ استخراج و ویژگی‌های مهندسی‌شده برای غنی‌سازی داده‌ها ایجاد شدند. مدل پیشنهادی در مجموعه آزمون به ضریب تبیین  (R²) برابر با 8706/0 و جذر میانگین مربعات خطا  (RMSE) معادل 80/7 تن در هکتار دست یافت. تحلیل اهمیت ویژگی‌ها نشان داد که متغیرهای مهندسی‌شده، به‌ویژه بهره‌وری آب، از پیش‌بینی‌کننده‌های اصلی عملکرد هستند. نتایج این پژوهش نشان می‌دهد که تلفیق داده‌های ماهواره‌ای با مدل KNN ساده اما اثربخش، ابزاری شفاف و عملی برای پشتیبانی تصمیم‌گیری در کشاورزی دقیق فراهم می‌آورد.