Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей
Розв’язується задача оцінки відносної ефективності використання супутникових даних для прогнозування врожайності озимої пшениці в Україні на рівні окремих областей. Порівнюється ефективність прогнозування на основі емпіричних і біофізичних моделей росту сільськогосподарських культур. Як емпіричні мо...
Saved in:
| Published in: | Проблемы управления и информатики |
|---|---|
| Date: | 2013 |
| Main Authors: | , , , , , , , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2013
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/207623 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей / Ф. Коган, Н.Н. Куссуль, Т.И. Адаменко, С.В. Скакун, А.Н. Кравченко, А.А. Кривобок, А.Ю. Шелестов, А.В. Колотий, О.М. Куссуль, А.Н. Лавренюк // Проблемы управления и информатики. — 2013. — № 3. — С. 138–150. — Бібліогр.: 43 назви. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862631400709029888 |
|---|---|
| author | Коган, Ф. Куссуль, Н.Н. Адаменко, Т.И. Скакун, С.В. Кравченко, А.Н. Кривобок, А.А. Шелестов, А.Ю. Колотий, А.В. Куссуль, А.Н. Лавренюк, А.Н. |
| author_facet | Коган, Ф. Куссуль, Н.Н. Адаменко, Т.И. Скакун, С.В. Кравченко, А.Н. Кривобок, А.А. Шелестов, А.Ю. Колотий, А.В. Куссуль, А.Н. Лавренюк, А.Н. |
| citation_txt | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей / Ф. Коган, Н.Н. Куссуль, Т.И. Адаменко, С.В. Скакун, А.Н. Кравченко, А.А. Кривобок, А.Ю. Шелестов, А.В. Колотий, О.М. Куссуль, А.Н. Лавренюк // Проблемы управления и информатики. — 2013. — № 3. — С. 138–150. — Бібліогр.: 43 назви. — рос. |
| collection | DSpace DC |
| container_title | Проблемы управления и информатики |
| description | Розв’язується задача оцінки відносної ефективності використання супутникових даних для прогнозування врожайності озимої пшениці в Україні на рівні окремих областей. Порівнюється ефективність прогнозування на основі емпіричних і біофізичних моделей росту сільськогосподарських культур. Як емпіричні моделі врожайності розглядаються лінійні регресійні моделі залежності урожайності від 16-денного композита індексу NDVI на основі даних MODIS з просторовим розрізненням 250 м (MOD13), а також нелінійна регресійна модель, в якій як предиктори використовуються щоденні метеорологічні дані 180 місцевих метеорологічних станцій. Емпіричний підхід до прогнозування порівнюється з біофізичним, який реалізовано в адаптованій для України системі CGMS (Crop Growth Monitoring System), в основі якої лежить модель росту рослин WOFOST. Для ідентифікації параметрів моделей врожайності використовуються офіційні статистичні дані з врожайності озимої пшениці на рівні областей за період 2000–2009 рр. Валідація моделей виконується на даних 2010 і 2011 рр. Отримані результати показали, що при налаштуванні параметрів моделей на даних 2000–2009 рр. і 2000–2010 рр. і незалежному тестуванні моделей на даних 2010 і 2011 рр. відповідно, в середньому всі три підходи показують приблизно однакову точність. Середньоквадратична похибка прогнозування становить приблизно 6 ц/га
Relative efficiency of using satellite data to winter wheat yield forecasting in Ukraine at region level is assessed. The efficiency of forecasting on the basis of empirical and biophysical models of agricultural crops is compared. As empirical yields models the linear regression models of yield dependency on 16-day index NDVI composite on the basis of MODIS data with spatial resolution 250 m (MOD13) are considered as well as nonlinear regression model, in which daily meteorological data of 180 local meteorological stations are used as predictors. The empirical approach to prediction is compared with biophysical which is implemented in the system CGMS, adapted for the Ukraine and based on the WOFOST model. For parameters identification of the yield models the official statistical data is used of winter wheat yield at the regional level for the period of 2000–2009. Validation of models is done on independent data for 2010 and 2011. The obtained results showed that when training models for 2000–2009 and 2000–2010 years and validating for 2010 and 2011 respectively all three approaches show similar accuracy. Average root mean square prediction error is approximately 0.6 t/ha.
|
| first_indexed | 2025-11-30T11:19:45Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-207623 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Russian |
| last_indexed | 2025-11-30T11:19:45Z |
| publishDate | 2013 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Коган, Ф. Куссуль, Н.Н. Адаменко, Т.И. Скакун, С.В. Кравченко, А.Н. Кривобок, А.А. Шелестов, А.Ю. Колотий, А.В. Куссуль, А.Н. Лавренюк, А.Н. 2025-10-10T14:44:52Z 2013 Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей / Ф. Коган, Н.Н. Куссуль, Т.И. Адаменко, С.В. Скакун, А.Н. Кравченко, А.А. Кривобок, А.Ю. Шелестов, А.В. Колотий, О.М. Куссуль, А.Н. Лавренюк // Проблемы управления и информатики. — 2013. — № 3. — С. 138–150. — Бібліогр.: 43 назви. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/207623 004.93 10.1615/JAutomatInfScien.v45.i6.70 Розв’язується задача оцінки відносної ефективності використання супутникових даних для прогнозування врожайності озимої пшениці в Україні на рівні окремих областей. Порівнюється ефективність прогнозування на основі емпіричних і біофізичних моделей росту сільськогосподарських культур. Як емпіричні моделі врожайності розглядаються лінійні регресійні моделі залежності урожайності від 16-денного композита індексу NDVI на основі даних MODIS з просторовим розрізненням 250 м (MOD13), а також нелінійна регресійна модель, в якій як предиктори використовуються щоденні метеорологічні дані 180 місцевих метеорологічних станцій. Емпіричний підхід до прогнозування порівнюється з біофізичним, який реалізовано в адаптованій для України системі CGMS (Crop Growth Monitoring System), в основі якої лежить модель росту рослин WOFOST. Для ідентифікації параметрів моделей врожайності використовуються офіційні статистичні дані з врожайності озимої пшениці на рівні областей за період 2000–2009 рр. Валідація моделей виконується на даних 2010 і 2011 рр. Отримані результати показали, що при налаштуванні параметрів моделей на даних 2000–2009 рр. і 2000–2010 рр. і незалежному тестуванні моделей на даних 2010 і 2011 рр. відповідно, в середньому всі три підходи показують приблизно однакову точність. Середньоквадратична похибка прогнозування становить приблизно 6 ц/га Relative efficiency of using satellite data to winter wheat yield forecasting in Ukraine at region level is assessed. The efficiency of forecasting on the basis of empirical and biophysical models of agricultural crops is compared. As empirical yields models the linear regression models of yield dependency on 16-day index NDVI composite on the basis of MODIS data with spatial resolution 250 m (MOD13) are considered as well as nonlinear regression model, in which daily meteorological data of 180 local meteorological stations are used as predictors. The empirical approach to prediction is compared with biophysical which is implemented in the system CGMS, adapted for the Ukraine and based on the WOFOST model. For parameters identification of the yield models the official statistical data is used of winter wheat yield at the regional level for the period of 2000–2009. Validation of models is done on independent data for 2010 and 2011. The obtained results showed that when training models for 2000–2009 and 2000–2010 years and validating for 2010 and 2011 respectively all three approaches show similar accuracy. Average root mean square prediction error is approximately 0.6 t/ha. Работа поддерживается Американским фондом гражданских исследований и развития (CRDF). Грант «Analysis of climate change & food security based on remote sensing & in situ data sets» (№. UKB2-2972-KV-09), Грант УНТУ 5240 ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Управление в биологических и природных системах Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей Прогнозування врожайності озимої пшениці: порівняльний аналіз результатів регресійних і біофізичних моделей Winter Wheat Yield Forecasting: A Comparative Analysis of Regression and Biophysical Models Article published earlier |
| spellingShingle | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей Коган, Ф. Куссуль, Н.Н. Адаменко, Т.И. Скакун, С.В. Кравченко, А.Н. Кривобок, А.А. Шелестов, А.Ю. Колотий, А.В. Куссуль, А.Н. Лавренюк, А.Н. Управление в биологических и природных системах |
| title | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| title_alt | Прогнозування врожайності озимої пшениці: порівняльний аналіз результатів регресійних і біофізичних моделей Winter Wheat Yield Forecasting: A Comparative Analysis of Regression and Biophysical Models |
| title_full | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| title_fullStr | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| title_full_unstemmed | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| title_short | Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| title_sort | прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей |
| topic | Управление в биологических и природных системах |
| topic_facet | Управление в биологических и природных системах |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/207623 |
| work_keys_str_mv | AT koganf prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT kussulʹnn prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT adamenkoti prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT skakunsv prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT kravčenkoan prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT krivobokaa prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT šelestovaû prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT kolotiiav prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT kussulʹan prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT lavrenûkan prognozirovanieurožainostiozimoipšenicysravnitelʹnyianalizrezulʹtatovregressionnyhibiofizičeskihmodelei AT koganf prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT kussulʹnn prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT adamenkoti prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT skakunsv prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT kravčenkoan prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT krivobokaa prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT šelestovaû prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT kolotiiav prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT kussulʹan prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT lavrenûkan prognozuvannâvrožainostíozimoípšenicíporívnâlʹniianalízrezulʹtatívregresíinihíbíofízičnihmodelei AT koganf winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT kussulʹnn winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT adamenkoti winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT skakunsv winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT kravčenkoan winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT krivobokaa winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT šelestovaû winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT kolotiiav winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT kussulʹan winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels AT lavrenûkan winterwheatyieldforecastingacomparativeanalysisofregressionandbiophysicalmodels |