بررسي عوامل كمي و كيفي موثر بر مقاومت نفوذ خاك مزارع نيشكر با استفاده از درخت تصميم

Investigating the quantitative and qualitative factors affecting the penetration resistance of Sugarcane cultivated soils using decision tree

بررسي وضعيت مقاومت نفوذ خاك مزارع نيشكر و همچنين شناسايي عوامل تاثيرگذار بر آن از اهميت زيادي برخوردار است. روش‌هاي متفاوتي براي اين ارزيابي و پيش‌بيني وجود دارد. در اين مطالعه با استفاده از الگوريتم‌هاي درخت تصميم (CART و CHAID) به كشف مدل‌ها و الگوريتم‌هاي موثر، پرداخته شده است. پس از معرفي متغيرهاي عمق خاك، تعداد تردد، رطوبت خاك، بافت خاك، سرعت پيشروي و سن گياه به عنوان متغيرهاي پيش‌بيني‌كننده درخت تصميم و همچنين شاخص مخروط خاك به عنوان متغير وابسته، به دو الگوريتم مذكور وارد شدند. الگوريتم‌ها توسط دو شاخص آماري ضريب همبستگي (R2) و متوسط مطلق خطا (MAE) مورد ارزيابي قرار گرفتند. نتايج نشان داد بر اساس دو شاخص آماري، مدل درختي CART با مقدار 0.952 R2= و MAE=0.504 (مگاپاسكال) عملكرد بهتري در پيش‌بيني مقاومت نفوذ خاك مزارع نيشكر داشته است و به عنوان الگوريتم پيشنهادي به شركت كشت و صنعت نيشكر اميركبير ارايه گرديده است. نتايج به‌دست آمده از مدل نشان داد كه روش تصميم‌گيري درختي قادر است با استفاده از متغيرهاي موثر، مقاومت نفوذ خاك مزارع را با دقت بالايي پيش‌بيني كند. همچنين با توجه به تفسير ساده درخت تصميم و قابل فهم بودن قوانين استخراج از آن براي كارشناسان كشاورزي كشت و صنعت، مي‌توان در سطوح مختلف از آن استفاده نمود.

Investigating the state of penetration resistance of sugarcane fields and identifying the affecting factors is a very critical issue. In this regard, a broad range of methods can be applied. In this study, effective models and algorithms were explored using two decision tree algorithms (CART and CHAID). After introducing the variables of soil depth, the number of traffics, soil moisture, soil texture, forward speed, and age of the plant as predictor variables of the decision tree as well as soil cone index as a dependent variable, the two algorithms were entered. The algorithms were evaluated using two statistical indicators of coefficient of determination (R2) and absolute mean error (MAE). Based on the two statistical indices, the CART tree model with R2= 0.952 and MAE= 0.504 had better performance in predicting penetration resistance of soil in sugarcane fields which presented as a proposed algorithm to Amir Kabir agro-Industry. The results of the model showed that the tree decision-making method can predict the penetration resistance of soil with high precision using effective variables. Moreover, given the simple interpretation of the decision tree and the comprehensibility of the rules for extracting it for agricultural and agro-industrial experts, it can be used at various levels.