- Anadolu Tarım Bilimleri Dergisi
- Vol: 38 Issue: 2
- Yarı nemli bir bölgede günlük referans bitki su tüketiminin tahmini için üç farklı makine öğrenimi m...
Yarı nemli bir bölgede günlük referans bitki su tüketiminin tahmini için üç farklı makine öğrenimi modellerinin geliştirilmesi ve karşılaştırılması
Authors : Sevda Taşan, Mehmet Taşan
Pages : 235-254
Doi:10.7161/omuanajas.1211716
View : 36 | Download : 46
Publication Date : 2023-07-04
Article Type : Research Article
Abstract :Su kaynaklarının planlanması ve tarımsal su yönetimi için referans bitki su tüketiminin (ET0) doğru tahmin edilmesi oldukça önemlidir. Bu çalışmada üç farklı makine öğrenimi yönteminin, çok değişkenli uyarlanabilir regresyon eğrileri (MARS), rassal ağaç (RT) ve gauss süreç regresyonu (GPR), yarı nemli iklim koşullarına sahip bir bölgeden alınan iklim verileri kullanılarak günlük ET0’ı tahmin etme performansları araştırılmıştır. Modelleri eğitmek ve test etmek için Bafra ilçesinde 2018–2020 döneminde toplanan günlük meteorolojik verilerin beş girdi kombinasyonu [günlük ortalama (Tort), maksimum (Tmax) ve minimum sıcaklık (Tmin), rüzgar hızı (u2), bağıl nem (RHort) ve güneşlenme şiddeti (Rs) hem tam hem de eksik kombinasyonları dahil] kullanılmıştır. Makine öğrenimi modellerinin performansı ise FAO-56 Penman Monteith (FAO-56 PM) standart denklemi ile karşılaştırılmıştır. Modellerin doğruluğunu değerlendirmek için dört farklı istatistiksel performans indeksi kullanılmıştır [belirleme katsayısı (R2), ortalama mutlak hata (MAE), hata kareleri toplamının karekökü (RMSE) ve Nash–Sutcliffe etkinlik katsayısı (NSE)]. Sonuçlar, genel olarak MARS modellerinin RT ve GPR modellerinden daha iyi performans gösterdiğini ortaya koymuştur. Tüm verilerin girdi olarak kullanıldığı beşinci senaryo için MARS modeli tarafından tahmin edilen ET0 değerlerinin FAO-56 PM değerleri ile iyi bir uyum içinde olduğu belirlenmiştir (R2=0.982, MAE=0.250, RMSE=0.305, NSE=0.965). Bununla birlikte meteorolojik veriler tam olmadığında bile sadece Tort, RHort ve Rs ile oldukça yüksek günlük ET0 tahminleri elde edilmiştir. Genel olarak, radyasyona dayalı makine öğrenimi modelleri, sıcaklığa dayalı makine öğrenimi modellerinden daha iyi performans göstermiştir. Sonuçlar, yarı nemli iklim özelliklerine sahip bir bölgede MARS modelinin ET0\'ı oldukça verimli ve doğru bir şekilde modellemek için etkili bir şekilde kullanılabileceğini göstermektedir.Keywords : Çok değişkenli uyarlanabilir regresyon eğrileri, Modelleme, Rassal ağaç, Referans bitki su tüketimi