بررسی ارتباط بین شاخص‌های خشکسالی با عملکرد ذرت با استفاده از روش جنگل تصادفی (مطالعه موردی: شبکه آبیاری دشت قزوین)

برآوردهای سریع و د قیق عملکرد با افزایش دسترسی و تنوع محصولات ماهوار ها ی جهانی و توسعه سریع الگوریتمهای جدید همچنان یک هدف برای کشاورزی د قیق و امنیت غذایی است. پیش‌بینی عملکرد محصول قبل از برداشت برای امنیت غذایی، تجارت غلات و سیاست‌گذاری بسیار مهم است. در این پژوهش به بررسی کاربرد روش جنگل تصادفی در شبیه سازی عملکرد ذرت در ده مزرعه انتخابی در شبکه آبیاری دشت قزوین طی دوره 2020-2019 با استفاده از شاخص‌های خشکسالی ndvi، msavi و evi پرداخته شده است. برای شاخص‌های خشکسالی از ماهواره سنتینل2 استفاده شد. نتایج با استفاده از آماره‌های r^2، nrmseو mbe ارزیابی شد. به منظور بررسی ارتباط بین شاخص‌های خشکسالی و عملکرد ذرت هفت سناریو تعریف شد. نتایج نشان داد مدل جنگل تصادفی در سناریوهای یک ، سه و چهار در مرحله test با احتمال معنی داری به ترتیب 95% (p-value=./..) و ضریب تبیین بیش از 0/8 و مقدار اندک nrmse تخمین مناسبی از عملکرد ذرت داشته است.

investigating the relationship between drought indices and maize yield using random forest method (case study: qazvin plain irrigation network)

pre-harvest crop yield prediction is crucial for food security, grain trade, and policy making. in this research, the use of random forest method in simulating maize yield in ten selected fields in qazvin plain irrigation network during 2019-2020 period using ndvi, msavi, and evi drought indices has been investigated. sentinel 2 satellite was used for drought indices. the results were evaluated using r2, nrmse, and mbe statistics. to investigate the relationship between drought indices and maize yield, seven scenarios were defined. the results showed that the random forest model in scenarios one, three, and four in the test stage with a significant probability of 95% respectively (p-value=0.00) and an explanation coefficient of more than 0.8 and a small amount of nrmse is a suitable estimate of the maize yield.