Метод прогнозування врожайності кукурудзи на зерно з використанням нечітких когнітивних карт
DOI:
https://doi.org/10.36023/ujrs.2024.11.2.261Ключові слова:
нечіткі когнітивні карти, прийняття рішень, супутникові та експертні дані, прогнозування врожаю кукурудзиАнотація
У даній роботі розглядається підхід до прогнозування врожайності кукурудзи на зерно за допомогою нечітких когнітивних карт (FCM) та експертний підхід для опису ступеня впливу одних факторів (концептів) на інші. FCMs – це методологія моделювання, заснована на досвіді. Вона включає в себе основні переваги нечіткої логіки та нейронних мереж. FCM являють собою графічну модель, яка складається із вузлів-концептів, що з’єднані ребрами. Вузли-концепти описують елементи системи, а ребра виражають зв’язки між цими концептами. FCM можна застосовувати в різних сферах, особливо для точного землеробства, моделювання та прогнозування врожайності. FCM також можна застосовувати для моделювання складних систем та використовувати в задачах прогнозування. FCM є ідеальним інструментом для моделювання динамічних систем. Основними перевагами та особливостями запропонованого алгоритму є гнучкість, простота та висока адаптованість до різноманітних умов. У цій роботі для класифікації врожайності кукурудзи було обрано підхід FCM. Ця запропонована методологія може використовувати супутникові та експертні дані для прогнозування врожайності. Розроблена модель FCM складається із вузлів, які представляють основні концепти, що впливають на врожайність, такі як: вміст калію (K), гумусу, фосфору (P), pH, вміст азоту (N), вологи, температура, NDVI (нормалізований диференційний вегетаційний індекс), LAI (індекс листкової поверхні). Калій, фосфор, pH, азот та гумус є експертними даними, а температура, вологість, NDVI і LAI є супутниковими даними. Орієнтовані ребра FCM відображають причинно-наслідкові зв’язки між концептами та врожайністю. Основною метою даного дослідження було визначити рівень врожайності кукурудзи за допомогою нечітких когнітивних карт. Наша модель була застосована для прогнозування класу врожайності між трьома можливими категоріями (низька, середня та висока) для трьох різних експертів. Було показано, що запропонований алгоритм може вирішувати задачу прогнозування врожайності кукурудзи.
Слід зазначити, що даний алгоритм можна застосовувати для прогнозу врожайності інших сільськогосподарських культур.
Слід зазначити, що даний алгоритм можна застосовувати для прогнозу врожайності інших сільськогосподарських культур.
Посилання
Alpert, S. I. (2020). The basic arithmetic operations on fuzzy numbers and new approaches to the theory of fuzzy numbers under the classification of space images. Mathematical machines and systems, 3, 49–59.
Baglio, S., Fortuna, L., Graziani, S., Muscato, G. (1994). Membership function shape and the dynamic behaviour of fuzzy systems. International Journal of Adaptive Control and Signal Processing, 8, 369 – 377.
Dutta, P., Boruah, H., Ali, Т. (2011). Fuzzy arithmetic with and without using a-cut method: a comparative study. International Journal of Latest trends in Computing, 2 (1), 99–108.
Franzluebbers, A. J. (2018). Soil-Test Biological Activity with the Flush of CO2: III. Corn Yield Responses to Applied Nitrogen. Soil Sci. Soc. Am. J., 82, 708–721. doi:10.2136/sssaj2018.01.0029
Héctor, G. M., et al. (2020). Corn Grain Yield Estimation from Vegetation Indices, Canopy Cover, Plant Density, and a Neural Network Using Multispectral and RGB Images Acquired with Unmanned Aerial Vehicles. Agriculture, 10 (277). doi:10.3390/agriculture10070277
Janoušek, J., Marcoň P., Dohnal P., Jambor V., Synková H., Raichl P. (2023). Predicting the Optimum Corn Harvest Time via the Quantity of Dry Matter Determined with Vegetation Indices Obtained from Multispectral Field Imaging. Remote Sens, 15, 3152. https://doi.org/10.3390/rs15123152
Kogan, F., Salazar, L., Roytman, L. (2012). Forecasting crop production using satellite-based vegetation health indices in Kansas, USA. International Journal of Remote Sensing, 33 (9), 2798–2814.
Kokhan, S., Dorozhynskyy, O., Burshtynska K., Vostokov A., Drozdivskyi O (2020). Improved Approach to the Development of the Crop Monitoring System Based on the Use of Multi-Source Spatial Data. J. Ecol. Eng., 21(7), 108–114.
Kokhan, S., Vostokov, A. (2020). Using Vegetative Indices to Quantify Agricultural Crop Characteristics. J. Ecol. Eng, 21(4), 120–127.
Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24, 65-75
Kravchenko, A. N., Bullock, D. G. (2000). Correlation of corn and soybean grain yield with topography and soil properties. Agronomy Journal, 92 (1), 75–83.
Papageorgiou E. I., Aggelopoulou K. D., Gemtos T. A., Nanos G. D. (2013). Yield prediction in apples using Fuzzy Cognitive Map learning approach. Computers and Electronics in Agriculture, 91, 19–29.
Tarariko, O. Ilienko, T., Kuchma, T., Novakovska, I. (2019). Satellite agroecological monitoring within the system of sustainable environmental management. Agricultural science and practice, 6(1), 18-27. doi: 10.15407/agrisp6.01.018
Tarariko, O., Syrotenko, O., Kuchma, Т. (2013). Landscape diversity indexes application for agricultural land use optimization. Procedia Technology, 8, 566–569. doi: 10.1016/J.PROTCY.2013.11.080
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 338–353.
Zimmermann, H. J. (1987). Fuzzy sets, decision making, and expert systems. London: Kluwer Academic Publishers, 236 p.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: автори зберігають авторські права та надають журналу право першої публікації на твір, одночасно ліцензований за міжнародною ліцензією Creative Commons Attribution License International CC-BY, що дозволяє іншим поділитися твором з підтвердженням авторства твору та первинною публікацією в цьому журналі.
Автори, направляючи рукопис у редакцію «Українського журналу дистанційного зондування Землі», погоджуються з тим, що редакції передаються права на захист і використання рукопису (переданого до редакції журналу матеріалу, в т. ч. такі об’єкти авторського права як фотографії автора, рисунки, схеми, таблиці тощо), в тому числі на відтворення у пресі та мережі Інтернет, на поширення, на переклад рукопису на будь-які мови, експорту та імпорту примірників журналу зі статтею авторів з метою розповсюдження, на доведення до загального відома. Зазначені вище права автори передають редакції без обмеження терміну і на території всіх країн світу без обмеження в т. ч. на території України.
Автори гарантують наявність у них виняткових прав на використання переданого редакції матеріалу. Редакція не несе відповідальності перед третіми особами за порушення даних авторами гарантій. За Авторами залишається право використання їх опублікованого матеріалу, його фрагментів і частин в особистих, у тому числи наукових і освітянських цілях. Права на рукопис вважаються переданими Авторами редакції з моменту підписання до друку випуску журналу, в якому він публікується. Передрук матеріалів, опублікованих у журналі, іншими фізичними та юридичними особами можливий тільки зі згоди редакції, з обов’язковим зазначенням випуску журналу, в якому було опубліковано матеріал.
