Öz

Tarımsal üretimin planlanmasında verim tahmini kritik öneme sahiptir. Bu çalışmada Konya Ovası'na ait 2012–2023 yıllarını kapsayan iklim, toprak ve uydu tabanlı bitki örtüsü indeksleri kullanılarak buğday verimi tahmin edilmiştir. Rastgele orman, XGBoost, destek vektör regresyonu ve çok katmanlı algılayıcı modelleri karşılaştırılmıştır. XGBoost modeli 0,89 belirlilik katsayısı ve 212 kg/ha kök ortalama kare hata ile en başarılı sonucu vermiştir. SHAP analizi, Nisan–Mayıs aylarındaki yağış miktarı ile NDVI değerlerinin verim üzerinde en belirleyici değişkenler olduğunu ortaya koymuştur.

Anahtar Kelimeler:verim tahminimakine öğrenmesiXGBoostNDVIhassas tarım

Tam Metin

PDF İndir · 8.3 KB

Beyanlar

Etik Kurul Onayı
Bu çalışma etik kurul onayı gerektirmemektedir.
Çıkar Çatışması
Yazarlar herhangi bir çıkar çatışması olmadığını beyan eder.

Kaynakça 6

  1. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
  2. Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785–794). https://doi.org/10.1145/2939672.2939785
  3. Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. https://doi.org/10.1007/BF00994018
  4. Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
  5. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7
  6. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30.

Atıf Göster

Aydoğdu, Z., & Kılıç, F. N. (2024). Buğday Verim Tahmininde Makine Öğrenmesi Yöntemlerinin Karşılaştırılması: Konya Ovası Örneği. Uluslararası Bilim ve Teknoloji Araştırmaları Dergisi, 6(1), 12–29. https://doi.org/10.99999/ubtad.2024.2
BibTeX RIS (EndNote, Zotero, Mendeley)

Lisans

CC BY 4.0

© 2024 Zeynep Aydoğdu, Fatma Nur Kılıç. Bu makale, orijinal eser ve kaynağına uygun atıf yapılması koşuluyla her türlü ortamda sınırsız kullanım, dağıtım ve çoğaltmaya izin veren CC BY 4.0 lisansı altında dağıtılmaktadır. Lisans metni