ارزیابی و مدل‌سازی پارامترهای اقلیمی موثر بر تولید سالانه گونه مرتعی ریواس (rheum ribes) با الگوریتم‌های داده‌کاوی

شناخت ویژگی های اقلیمی موثر بر تولید سالانه ریواس (rheum ribes) می تواند در مدیریت و توسعه آن در مراتع مفید واقع شود. در این پژوهش عملکرد سالانه این گونه در استان خراسان رضوی با 74 پارامتر اقلیمی طی دوره 10 ساله ارزیابی و پارامترهای اقلیمی موثر با الگوریتم های داده کاوی استخراج شد. ابتدا نقش پارامترهای اقلیمی مرتبط با درجه حرارت، رطوبت، بارندگی و ساعات آفتابی، با همبستگی و رگرسیون تحلیل شد. سپس 11 الگوریتم طبقه بندی در نرم افزار matlab برنامه نویسی و مقایسه شدند. نتایج نشان داد که عملکرد ریواس با میانگین دمای حداکثر تابستان، دامنه تغییرات دمای اردیبهشت تا شهریور، حداکثر دمای تابستان، میزان رطوبت نسبی و بارندگی فصل بهار همبستگی مثبت دارد. ارزیابی الگوریتم ها با شاخص های ضریب تعیین و میانگین مربع خطا نشان داد در تخمین عملکرد سالانه بر مبنای عوامل اقلیمی، روش تشخیص الگو در مرحله آزمون با ضریب تعیین 0.46 و روش های رگرسیونی، طبقه بندی ممیزی و k نزدیکترین همسایه در مرحله آموزش (ضریب تعیین برابر1) بهترین عملکرد را داشتند. با ورود عوامل موثر به روش گام‌به‌گام، رگرسیون خطی در مرحله آزمون (ضریب تعیین برابر 0.74) و روش k نزدیک ترین همسایه در مرحله آموزش با ضریب تعیین برابر 1، عملکرد ریواس را دقیق تر تخمین زدند. همچنین روش پیشنهادی k نزدیک ترین به میانگین، به ترتیب با مقادیر k برابر 6 و 7 در روش های ورود تمامی عوامل و عوامل موثر حاصل از روش گام‌به‌گام، بالاترین دقت را در تخمین عملکرد محصول داشت. لذا استفاده از روش های داده کاوی و مدل پیشنهادی، در شناسایی پارامترهای اقلیمی موثر بر گونه های مرتعی مختلف روشی کاربردی معرفی می گردد.

Modelling Climatic Parameters Affecting the Annual Yield of Rheum Ribes Rangeland Species using Data Mining Algorithms

Identification of climatic characteristics affecting the annual yield of Rheum Ribes can be useful in management and development of this species in the rangelands. In this research, the annual yield of this species in KhorasanRazavi province based on 74 climatic parameters during a tenyear period evaluated and affecting climatic parameters extracted using data mining methods. First, the role of climatic parameters associated with temperature, humidity, rainfall and sunny hours analyzed using correlation and regression methods. Then, 11 classification algorithms in MATLAB software programmed and compared. The results showed that the Rheum Ribes yield has a positive relationship with the average of maximum temperatures in the summer, the range of high temperature in May to September, the maximum of summer temperatures and the relative humidity and rainfall of the spring. Evaluation of the algorithms using the indices of coefficient of determination and mean square error showed that in estimation of the annual yield based on climatic factors, the pattern recognition method at the testing stage with a coefficient of determination equal to 0.46 and regression methods, classification discrimination and K nearest neighbor (KNN) at the training stage (coefficient of determination equal to 1) had the best performance. With regard to the effective factors in stepwise method, the linear regression method at the testing stage (coefficient of determination equal to 0.74) and K nearest neighbor method at the training stage with coefficient of determination equal to 1, estimate the Rheum Ribes yield more accurately. Also, the proposed K nearest to mean (KNM) method for k values equal to 6 and 7 with regard to all factors and the effective factors resulted from stepwise method, respectively, had higher accuracy in yield estimation. So, application of data mining methods and the proposed model, in recognition of climate parameters affecting different rangeland species could be a practical approach.