جستجوی مقالات مرتبط با کلیدواژه "machine learning algorithm" در نشریات گروه "زراعت"

زعفران (.Crocus sativus L) از خانواده زنبق و از ادویه های ارزشمند صنایع مختلف است. در این پژوهش با تکیه بر مدل های یادگیری ماشینی به بررسی زیستگاه های مناسب زعفران در خراسان رضوی پرداخته شد. نمونه برداری نقاط حضور، در بازدیدهای میدانی طی دوره زمانی 1400-1401 صورت پذیرفت؛ در مجموع 59 نقطه حضور برای زعفران ثبت شد. با استفاده از اطلاعات27 متغیر محیطی(3 متغیر فیزیوگرافی و 19 متغیر اقلیمی، 4 متغیر خاک شناسی و 1 متغیر زمین شناسی) مدل سازی انجام شد. بررسی مقادیر شاخص های ارزیابی صحت (KAPPA، TSS و ROC) نشان داد که؛ مدل جنگل تصادفی برای مناطق مستعد کشت زعفران با مقادیر به ترتیب 8/88 و 98 و 5/99 درصد و مدل ترکیبی با مقادیر به ترتیب 7/94 و 9/98 و 9/99 درصد برای این پارامترها بیش ترین میزان صحت را داشته اند. در مدل های برگزیده جنگل تصادفی و  مدل اجماعی مساحت بین 3195 تا 6144 کیلومترمربع معادل 74/2 تا 28/5  درصد از مناطق مورد بررسی پتانسیل متوسط تا خوب برای کشت زعفران است که بیش ترین توزیع جغرافیایی زعفران را نشان دادند. متغیرهای محیطی، میانگین دمای سالانه، مدل رقومی ارتفاع و بارش سالانه بیشترین سهم را بر تغییرات توزیع زعفران دارند. براساس نتایج تحلیل تناسب زیستگاه و استفاده از مدل های یادگیری ماشین می تواند به بهبود کشت و توسعه زعفران با محدودیت های محیطی، به عنوان یک فرصت موثر برای تحقق کشاورزی پایدار و افزایش بهره وری در تولید کمک کند. این پژوهش به مدیران و کشاورزان اطلاعات مهمی ارائه داده و مسیری را برای انتخاب مناطق مناسب برای کشت زعفران با توجه به شرایط محیطی فراهم آورده است.