طبقه بندی اقلیمی و تعیین مناطق مستعد کشت زعفران با استفاده از الگوریتم های داده کاوی در سطح استان خراسان رضوی

پیش بینی عملکرد محصولات کشاورزی، نقش مهمی در برنامه ریزی صادرات، واردات، خرید تضمینی، قیمت گذاری، سود مطمئن و افزایش بهره وری کشاورزی دارد. عملکرد محصولات، تابع پارامترهای متعددی از جمله اقلیم است. در این تحقیق، عملکرد زعفران در استان خراسان رضوی توسط الگوریتم های طبقه بندی شامل شبکه های عصبی مصنوعی، مدل های رگرسیونی، درخت خطی محلی، درخت تصمیم، آنالیز تشخیص، جنگل تصادفی، ماشین بردار پشتیبان و آنالیز نزدیک ترین 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 تاثیر 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 به ترتیب بیشترین همبستگی منفی را با مناطق کشت زعفران داشتند. همچنین در طبقه بندی مناطق کشت زعفران، آنالیز تشخیص و ماشین بردار پشتیبان، از دقت بالاتری برخوردار بودند. بین مناطق کشت زعفران و میزان عملکرد محصول همبستگی نسبتا مناسبی با ضریب همبستگی 38/0 به دست آمد. بین مناطق کشت و پارامترهای اقلیمی همبستگی بالایی برخوردار است و آنالیز نزدیک ترین همسایه با ضرایب تعیین برابر 1 و 94/0 در مراحل آموزش و آزمون، با دقت بالایی مناطق کشت را طبقه بندی نماید، اما در پیش بینی میزان عملکرد محصول بر اساس پارامترهای اقلیمی، دقت مدل ها نسبتا پایین بود (متوسط ضریب تعیین برابر 48/0 و 05/0 در مراحل آموزش و آزمون) و آنالیز نزدیک ترین همسایه، بالاترین دقت پیش بینی را در مراحل آموزش و آزمون (به ترتیب ضریب تعیین برابر 1 و 17/0) نشان داد. طبق یافته های تحقیق، می توان با استفاده از پارامترهای اقلیمی و الگوریتم های داده کاوی، به طور مناسب اقدام به تفکیک مناطق کشت نمود و با شناسایی مناطقی که اقلیم آن ها مشابه مناطق با میزان عملکرد بالا است، مناطق مستعد کشت زعفران را شناسایی نمود.