به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

wrapper algorithm

در نشریات گروه آب و خاک
تکرار جستجوی کلیدواژه wrapper algorithm در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه wrapper algorithm در مقالات مجلات علمی
  • روح الله تقی زاده مهرجردی، سید علیرضا سید جلالی، فریدون سرمدیان
    در پژوهش حاضر، مقدار 110 عملکرد مشاهداتی در منطقه گتوند (استان خوزستان) با استفاده از مدل برنامه ریزی ژنتیک، به داده های کمکی (مستخرج شده از مدل رقومی ارتفاع و تصویر ماهواره) ارتباط داده شد. سپس با استفاده از معادله بدست آمده برای نقاط فاقد مشاهده میزان عملکرد برآورد و نقشه تغییرات مکانی محاسبه گردید. الگوریتم رپر پارامترهای مولفه تصویر ماهواره، شاخص نسبت گیاهی، شاخص گیاهی تعدیل کننده اثر خاک، شاخص خیسی و سطح پایه شبکه زهکشی را به عنوان مهم ترین عوامل تولید شناخته است. میانگین ریشه مربعات خطا، ضریب همبستگی تطابق لاین و ضریب تبیین ارزیابی متقابل مدل برنامه ریزی ژنتیک (1) با همه داده های کمکی به ترتیب 11/525، 87/0 و 82/0 است. همچنین نتایج نشان داد که مدل برنامه ریزی ژنتیک (2) با داده های کمکی انتخاب شده توسط الگوریتم رپر نیز به خوبی (میانگین ریشه مربعات خطا، ضریب همبستگی تطابق لاین و ضریب تبیین به ترتیب 82/530، 86/0 و 79/0 است) قادر به پیش بینی عملکرد گندم است. لذا پیشنهاد می گردد در مطالعات آتی جهت برآورد مکانی عملکرد محصولات زراعی از مدل برنامه ریزی ژنتیک در قالب نقشه برداری رقومی خاک استفاده گردد.
    کلید واژگان: داده های کمکی، الگوریتم رپر، برنامه ریزی ژنتیک، تغییرات مکانی
    In this research 110 observed crop yields were correlated with auxiliary variables (DEM and Landsat images) using genetic programming (GP) in Gotvand area (Khuzestan Province). Then, the spatial prediction map of wheat crop yield was calculated using the obtained equation. Wrapper algorithm identified some more important auxiliary variables including NDVI, SAVI, wetness index and channel network based level. RMSE, coefficient of determination and lin's concordance coefficient of GP (1) with all auxiliary data were obtained 525.11, 0.87 and 0.82, respectively. Moreover, results indicated GP (2) with auxiliary data selected by wrapper algorithm could also reasonably predict wheat crop yield (RMSE, coefficient of determination and lin's concordance coefficient, 530.82, 0.86 and 0.79, respectively). It is, therefore, recommended using the same approach to predict spatial distribution of crop yields in the future studies.
    Keywords: Auxiliary variables, wrapper algorithm, genetic programming, spatial variation
  • روح الله تقی زاده مهرجردی، کمال نبی اللهی*
    اگر چه درک بهتر و انتخاب مناسب تر مقیاس مدل رقومی ارتفاع به بهبود پیش بینی های خاک کمک خواهد کرد، اما اثرات تعاملات بین اندازه پیکسل و پنجره به تفصیل بررسی نشده است. در این تحقیق، سعی شده است تا نقش مقیاس مکانی بر روی کارایی پیش بینی درصد رس خاک از طریق آزمودن تجربی تعاملات بین درجه وضوح پیکسل و اندازه پنجره با استفاده از مدل رگرسیون درختی ارزیابی شد. بدین منظور، در دو منطقه متفاوت از لحاظ ژئومورفولوژی و خاک (منطقه 1، میبد در استان یزد با مساحت 400 کیلومتر مربع و منطقه 2، یاسوکند در استان کردستان با مساحت 400 کیلومتر مربع) 120 نمونه خاک سطحی (30-0 سانتی متری) نمونه برداری و درصد رس خاک آن ها اندازه گیری شد. از 121 مدل رقومی ارتفاع با مقیاس های متفاوت، 22 خصوصیت ژئومورفومتری استخراج و جهت پیش بینی درصد رس خاک استفاده شدند. نتایج نشان داد منطقه میبد دارای حداقل میانگین ریشه مربعات خطا (0/9)، حداکثر ضریب تبیین (47/0) بوده و وابستگی مدل درختی جهت پیش بینی درصد رس خاک به ابعاد پیکسل بیشتر می باشد[H1] ، ولی منطقه یاسوکند دارای کمترین ریشه مربعات خطا (65/5)، بیشترین ضریب تبیین (77/0) و وابستگی مدل درختی جهت پیش بینی درصد رس خاک به ابعاد پنجره بیشتر می باشد.
    کلید واژگان: رگرسیون درختی، الگوریتم رپر، ژئومورفومتری
    R. Taghizade, K. Nabiolahi*
    Although a better understanding and quantitative knowledge of digital elevation model scale will help to improve soil predictions, the influence of pixel size has not been investigated in detail. The aim of this study was to investigate the role of spatial scale on soil clay content prediction by empirically testing the interaction between pixel resolution and window size with regression tree model. In two different areas in terms of their geomorphology and soil (area 1, Maybod located in Yazd province covered 400 km2; area 2, Iasokand located in Kurdistan province covered 400km2), 120 surface soil samples (0-30 cm) were taken and their clay contents were measured. From 121 digital elevation models representing different scales, 22 attribute were extracted and used for soil clay content prediction. Results showed that Maybod area had the minimum RMSE (9.0%) and maximum R2 (0.47) and dependence of tree model on pixel size was significant for clay prediction[H1] ; however, in Iasokand area, the minimum RMSE (5.65%) and maximum R2 (0.77) were obtained and window size was significant for clay prediction.
    Keywords: Regression tree, Wrapper algorithm, Geomorphometry
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال