TY - JOUR ID - 54979 TI - مهارت‌سنجی ساختار بیزی مدل مارکف پنهان در برآورد بی درنگ مراحل فنولوژی گیاه ذرت JO - هواشناسی کشاورزی JA - AGMJ LA - fa SN - 2345-3419 AU - قمقامی, مهدی AU - قهرمان, نوذر AU - ایران نژاد, پرویز AU - پزشک, حمید AD - دانشجوی دکتری هواشناسی کشاورزی، دانشکده مهندسی فناوری، دانشگاه تهران، کرج، ایران AD - دانشیار، گروه مهندسی آبیاری و آبادانی، دانشگاه تهران، کرج، ایران AD - دانشیار گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران AD - استاد، گروه علوم ریاضی و آمار، دانشگاه تهران Y1 - 2017 PY - 2017 VL - 5 IS - 1 SP - 1 EP - 14 KW - درصد پیشرفت KW - فنولوژی KW - AGDD KW - NDVI DO - 10.22125/agmj.2017.54979 N2 - مدل‌سازی درصد پیشرفت مراحل فنولوژی گیاهان با روش‌های کلاسیک عمدتاً با محدودیت‌هایی به ویژه، عدم کفایت یا دقت داده‌های مشاهداتی مورد نیاز مواجه است که جستجوی روش‌های جایگزین را ضروری می‌سازد. روش‌های آماری نظیر رهیافت‌های بیزی (Bayesian) و مدل مارکف پنهان دارای توانمندی‌های ساختاری مناسبی در حل مسائلی با طیف گسترده از داده­های گسسته، پیوسته، شناخته شده و یا ناشناخته می‌باشند که قابل تلفیق با داده های سنجش از دور نیز هستند. هدف از تحقیق حاضر بررسی توانمندی مدل مارکف پنهان در برآورد بی‌درنگ5 درصد پیشرفت مراحل فنولوژی گیاه ذرت در مزرعه پردیس کشاورزی و منابع طبیعی دانشگاه تهران واقع در کرج می‌باشد. حالت‌های مختلف متشکل از مراحل فنولوژی شامل 7 مرحله اصلی (سبز شدن تا شیری شدن) به عنوان لایه پنهان و بردار مشخصه‌های درجه-روز رشد تجمعی (AGDD) و نمایه اختلاف استانداردشده پوشش گیاهی (NDVI) مستخرج از تصاویر ماهواره LANDSAT7 ETM+ به عنوان لایه قابل رویت در نظر گرفته شدند. واسنجی و صحت‌سنجی مدل براساس داده‌های دیدبانی شده در مزرعه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه تهران طی دوره آماری 2010-2002 انجام شد. بر اساس نتایج، میانگین دقت مدل مارکف پنهان براساس RMSE حدود 14% است که نشانگر امکان کاربست آن به عنوان یک ابزار کمکی در کنار مشاهدات مزرعه‌ای است. مطالعات تکمیلی جهت تدقیق مدل‌های فنولوژیک مبتنی بر روش‌های آماری- دورسنجی در سایر مناطق اقلیمی و گیاهان راهبردی پیشنهاد می‌شود. UR - https://www.agrimet.ir/article_54979.html L1 - https://www.agrimet.ir/article_54979_486205425b20f3e5b38209bb0a149a21.pdf ER -