سید عرفان مومن پور - دانشجوی دوره دکتری آب وهواشناسی کشاورزی، گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
سعید بازگیر - دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
معصومه مقبل - استادیار گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
حسین محمدی - استاد گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
سید موسی حسینی - دانشیار گروه جغرافیای طبیعی، دانشکده جغرافیا دانشگاه تهران
عطاء اله عبدالهی کاکرودی - دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا دانشگاه تهران

هدف این پژوهش تخمین عملکرد نخود بهاره با استفاده از روش های یادگیری ماشین از نوع مدل های رگرسیونی خطی در شهرستان کرمانشاه است. فراسنج های هواشناسی، نمایه‎های هواشناسی کشاورزی و سنجش از دور در بازه زمانی ۱۳۷۰-۱۳۶۹ تا ۱۳۹۷-۱۳۹۶ به عنوان متغیرهای پیشگو و داده های عملکرد سازمان جهاد کشاورزی به عنوان متغیر پاسخ در چهار مرحله نمو استفاده گردید. ۲۴ سال از داده‎ها برای آموزش و ۳ سال برای اعتبار سنجی مدل‎ها به کار گرفته شد. نتایج بیانگر آن بود که از میان انواع مدل های خطی، مدل لاسو با ضریب تعیین ۶۷ درصد و خطای معیار ۸/۵۹ کیلوگرم در هکتار به عنوان مناسب‎ترین مدل برای تخمین عملکرد نخود در مرحله ی سبز شدن تا %۵۰ گل دهی انتخاب شد. انحراف نسبی این مدل به میزان ۴/۰، ۳/۰- و ۵/۳ درصد به ترتیب برای سال های ۱۳۷۷-۱۳۷۶، ۱۳۸۵-۱۳۸۴ و ۱۳۹۰-۱۳۸۹، بدست آمد.

اقلیم, عملکرد نخود, مدل های خطی, کرمانشاه