Yield prediction models for some wheat varieties with satellite‐based drought indices and machine learning algorithms

Abstract

In recent years, frequent drought events in Konya, one of Türkiye’s most important cereal production centres, have led to increased pressure on water and soil resources, resulting in yield losses, particularly in wheat production. Alternative yield prediction models, especially those that play a crucial role in agricultural import–export planning in the region, are important for economic contributions and the development of early warning systems. In this context, the aim of this study is to develop models that can be used in the yield prediction of wheat varieties widely grown in the Konya Altınova region. Agricultural drought indices obtained from Normalized Difference Vegetation Index (NDVI) and land surface temperature (LST) products of the Terra Moderate Resolution Imaging Spectroradiometer (MODIS) satellite were used to obtain model inputs. These indices are the Vegetation Condition Index (VCI), Temperature Condition Index (TCI), Vegetation Health Index (VHI) and Vegetation Supply Water Index (VSWI). In obtaining the input parameters for the models, the growth periods of the varieties in the region were also considered. Using various machine learning algorithms, 21 yield prediction models for Bayraktar-2000, 12 for Kızıltan-91 and 8 for Bezostaya-1 were presented as alternatives, with model performances (coefficient of determination, R
2) ranging between 0.74 and 0.97, 0.73 and 0.96, and 0.69 and 0.87, respectively.

Résumé

À Konya, l’un des plus importants centres de production céréalière de Turquie, les épisodes de sécheresse, fréquents ces dernières années, ont accru la pression sur les ressources en eau et en sol et entraîné des pertes de rendement des cultures, en particulier du blé. Les modèles alternatifs de prévision des rendements, qui jouent un rôle important notamment dans la planification des importations et exportations agricoles dans la région, sont importants en termes de contribution économique et de développement de systèmes d’alerte précoce. Dans ce contexte, l’objectif de cette étude était de développer des modèles qui peuvent être utilisés dans la prédiction du rendement des variétés de blé communes dans la région d’Altınova de la province de Konya en utilisant les indices de sécheresse agricole Vegetation Condition Index (VCI), Temperature Condition Index (TCI), Vegetation Health Index (VHI), and Vegetation Supply Water Index (VSWI) obtenus à partir des produits Normalized Difference Vegetation Index (NDVI) et Land Surface Temperature (LST) du satellite Terra MODIS (Moderate Resolution Imaging Spectroradiometer). Lors de l’obtention des paramètres d’entrée du modèle, les périodes de croissance des variétés dans la région ont également été prises en considération. À l’issue de l’étude, 21 modèles de prévision du rendement pour Bayraktar-2000, 12 pour Kızıltan-91 et 8 pour Bezostaya-1 ont été présentés comme des alternatives avec des performances de modèle (R2) comprises entre 0,736-0,973, 0,733–0,956 et 0,686-0,874, respectivement.

Irrigation and Drainage, EarlyView. Read More