> > طبقه‌بندی اقلیمی و تعیین مناطق مستعد کشت زعفران با استفاده از الگوریتم‌های داده‌کاوی در سطح استان خراسان رضوی

طبقه‌بندی اقلیمی و تعیین مناطق مستعد کشت زعفران با استفاده از الگوریتم‌های داده‌کاوی در سطح استان خراسان رضوی

مقاله 5، دوره 5، شماره 4 - شماره پیاپی 18، زمستان 1396، صفحه 379-392

نوع مقاله: مقاله علمی پژوهشی

شناسه دیجیتال (DOI): 10.22048/jsat.2017.60768.1189

نویسندگان

مهدی بشیری1؛ علی ماروسی 2؛ امیر سالاری3؛ محمد قدوسی4

1استادیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه تربت‌حیدریه

2استادیار گروه کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه تربت حیدریه

3استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه

4مربی گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربت حیدریه

چکیده

پیش­بینی عملکرد محصولات کشاورزی، نقش مهمی در برنامه­ریزی صادرات، واردات، خرید تضمینی، قیمت­گذاری، سود مطمئن و افزایش بهره­وری کشاورزی دارد. عملکرد محصولات، تابع پارامترهای متعددی از جمله اقلیم است. در این تحقیق، عملکرد زعفران در استان خراسان رضوی توسط الگوریتم‌های طبقه­بندی شامل شبکه­های عصبی مصنوعی، مدل‌های رگرسیونی، درخت خطی محلی، درخت تصمیم، آنالیز تشخیص، جنگل تصادفی، ماشین بردار پشتیبان و آنالیز نزدیک‌ترین همسایه با استفاده از 11 پارامتر اقلیمی طی دوره 20 ساله زراعی (88-1368) ارزیابی شد. نتایج نشان داد که تعداد کمی از پارامترهای اقلیمی، بر عملکرد زعفران تأثیر دارند. پارامترهای دمای حداقل، میانگین و حداکثر و بارش به ترتیب بیشترین همبستگی مثبت و پارامترهای رطوبت مطلق حداکثر، رطوبت نسبی ساعت 6:30، ساعات آفتابی، رطوبت نسبی ساعت 18:30، تبخیر، رطوبت نسبی ساعت 12:30 و رطوبت مطلق حداقل نیز به­ترتیب بیشترین همبستگی منفی را با مناطق کشت زعفران داشتند. همچنین در طبقه­بندی مناطق کشت زعفران، آنالیز تشخیص و ماشین بردار پشتیبان، از دقت بالاتری برخوردار بودند. بین مناطق کشت زعفران و میزان عملکرد محصول همبستگی نسبتاً مناسبی با ضریب همبستگی 38/0 به‌دست آمد. بین مناطق کشت و پارامترهای اقلیمی همبستگی بالایی برخوردار است و آنالیز نزدیک‌ترین همسایه با ضرایب تعیین برابر ۱ و 94/0 در مراحل آموزش و آزمون، با دقت بالایی مناطق کشت را طبقه­بندی نماید، اما در پیش­بینی میزان عملکرد محصول بر اساس پارامترهای اقلیمی، دقت مدل­ها نسبتاً پایین بود (متوسط ضریب تعیین برابر 48/0 و 05/0 در مراحل آموزش و آزمون) و آنالیز نزدیک‌ترین همسایه، بالاترین دقت پیش­بینی را در مراحل آموزش و آزمون (به ترتیب ضریب تعیین برابر ۱ و 17/0) نشان داد. طبق یافته­های تحقیق، می­توان با استفاده از پارامترهای اقلیمی و الگوریتم­های داده­کاوی، به‌طور مناسب اقدام به تفکیک مناطق کشت نمود و با شناسایی مناطقی که اقلیم آن‌ها مشابه مناطق با میزان عملکرد بالا است، مناطق مستعد کشت زعفران را شناسایی نمود.

کلیدواژه‌ها

پارامترهای اقلیمی؛ توسعه کشت؛ داده کاوی؛ شاخص آماری؛ عملکرد محصول

موضوعات

سایر موضوعات مرتبط با زعفران

عنوان مقاله [English]

Climatic zonation and land suitability determination for saffron in Khorasan-Razavi province using data mining algorithms

نویسندگان [English]

mehdi Bashiri1؛ Ali Maroosi2؛ Amir Salari3؛ Mohammad Ghodoosi4

1Assistant Professor, Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, University of Torbat Heydarieh

2Assistant Professor, Department of Computer Engineering and Information Technology, Faculty of Technical and Engineering, University of Torbat Heydarieh

3Assistant Professor, Department of Plant Production, Faculty of Agriculture and Natural Resources, University of Torbat Heydarieh

4Lecturer, Department of Industrial Engineering, Faculty of Technical and Engineering, University of Torbat Heydarieh

چکیده [English]

Yield prediction for agricultural crops plays an important role in export-import planning, purchase guarantees, pricing, secure profits and increasing in agricultural productivity. Crop yield is affected by several parameters especially climate. In this study, the saffron yield in the Khorasan-Razavi province was evaluated by different classification algorithms including artificial neural networks, regression models, local linear trees, decision trees, discriminant analysis, random forest, support vector machine and nearest neighbor analysis. These algorithms analyzed data for 20 years (1989-2009) including 11 climatological parameters. The results showed that a few numbers of climatological parameters affect the saffron yield. The minimum, mean and maximum of temperature, had the highest positive correlations and the relative humidity of 6.5h, sunny hours, relative humidity of 18.5h, evaporation, relative humidity of 12.5h and absolute humidity had the highest negative correlations with saffron cultivation areas, respectively. In addition, in classification of saffron cultivation areas, the discriminant analysis and support vector machine had higher accuracies. The correlation between saffron cultivation area and saffron yield values was relatively high (r=0.38). The nearest neighbor analysis had the best prediction accuracy for classification of cultivation areas. For this algorithm the coefficients of determination were 1 and 0.944 for training and testing stages, respectively. However, the algorithms accuracy for prediction of crop yield from climatological parameters was low (the average coefficients of determination equal to 0.48 and 0.05 for training and testing stages). The best algorithm i.e. nearest neighbor analysis had coefficients of determination equal to 1 and 0.177 for saffron yield prediction. Results showed that, using climatological parameters and data mining algorithms can classify cultivation areas. By this way it is possible to identify areas that have similar climate to prone areas and recognize suitable areas for cultivation.

کلیدواژه‌ها [English]

Separation, singulation, saffron flower, aligning

منبع : نشریه علمی پژوهشی زراعت و فناوری زعفران

دانلود اصل مقاله (928.36 K)