Prediction of Wheat Fusarium Head Blight Severity by Using Random Forest

Abstract

با توجه به رشد بالای جمعیت در جهان و نیاز به اطمینان از امنیت غذایی، افزایش تولید در واحد سطح محصولات زراعی به‌منزلة راهبردی اساسی در حل مسئلة تأمین غذا به‌شمار می‌رود. از سوی دیگر، با وجود محدودیت در افزایش سطح زیرکشت و پایین‌بودن میانگین عملکرد برخی محصولات کشاورزی مانند گندم در کشور، افزایش عملکرد محصول می‌تواند راهکاری عملی در پاسخ به نیاز کشور محسوب شود. یکی از مهم‌ترین بیماری‌های گندم فوزاریوم است که، با توجه به نقش پیش‌بینی این بیماری در جلوگیری از کاهش بهره‌وری محصول، مدل‌هایی به‌منظور پیش‌بینی فوزاریوم در کشورهای آمریکا، کانادا، آرژانتین و برزیل توسعه یافته است اما در ایران، به‌رغم لزوم توجه به این بیماری، تاک نون مدلی در این زمینه مطرح نشده است. بدین‌منظور، پهنه‌بندی مناطق رخداد بیماری فوزاریوم، با به‌کارگیری پارامترهای محیطی و داده‌های هواشناسی و نیز استفاده از تحلیل مکانی، در دشت مغان صورت گرفت. همچنین، برای افزایش دقت و کالیبراسیون دقیق مدل، شبکة اینترنت اشیا (IoT) در دشت مغان استفاده شد تا داده‌های محیطی شامل رطوبت نسبی، بارندگی و دمای هوا جمع‌آوری شود. سپس شاخص‌های ترکیبی مناسب تهیه شد و (RF)برای اولویت‌بندی شاخص‌ها و تعیین اهمیت نسبی آنها و نیز پیش‌بینی شدت بیماری فوزاریوم گندم، روش جنگل تصادفی به‌کار رفت. برای این کار، از داده‌های ایستگاه‌های هواشناسی و سنسورهای زمینی در فاصلة سال‌های 1389 تا 1396 استفاده شد. نتایج ارزیابی حاکی از کارآیی مدل توسعه‌داده‌شده در پیش‌بینی بیماری فوزاریوم گندم است. همچنین، طبق نتایج، به‌کارگیری IoT به‌همراه تحلیل‌های مکانی روشی مؤثر در پیش‌بینی فوزاریوم است.