Back to search

National and Kapodistrian University of Athens

Statistical techniques for improving prediction in crop progress stages with meteorological and satellite data

Abstract

dc:description

Οι εκθέσεις προόδου της καλλιέργειας (CPR) του USDA παρουσιάζουν την εβδομαδιαία πρόοδο που σημειώθηκε στα διάφορα φαινολογικά στάδια των επιλεγμένων καλλιεργειών και ιδιαίτερα του καλαμποκιού. Σε αυτή την διπλωματική, ο στόχος μας ήταν να προβλέψουμε τα CPR ενός ολόκληρου έτους λαμβάνοντας υπόψη διαθέσιμα δεδομένα από συναφή χαρακτηριστικά με τρόπο που να μπορούμε να νικήσουμε τις προβλέψεις βάσει εμπειρικών μέσων από ιστορικά δεδομένα. Για το λόγο αυτό, χρησιμοποιήσαμε δύο χαρακτηριστικά, τον δείκτη κανονικοποιημένης βλάστησης (NDVI) και τις συγκεντρωτικές ημέρες καλλιέργειας (AGDDs). Προκειμένου να επιτευχθεί ο στόχος μας, εφαρμόσαμε αρκετές προσεγγίσεις μοντελοποίησης, συμπεριλαμβανομένων μοντέλων ανεξάρτητων μήξεων και κρυμμένα μοντέλα HMMs και συγκρίναμε διαφορετικούς τύπους εκτιμητών και προγνωστικών λαμβάνοντας υπόψη και τα δύο χαρακτηριστικά ή τη χωριστή επεξεργασία τους ή πραγματοποιώντας μετασχηματισμούς δεδομένων, όπως διαφορές. Τα αποτελέσματα έδειξαν ότι τα προαναφερθέντα μοντέλα δεν μπορούν να προβλέψουν καλύτερα από τα ιστορικά δεδομένα. Τέλος, κατορθώσαμε να λάβουμε καλύτερες προβλέψεις χρησιμοποιώντας απλή γραμμική παλινδρόμηση. Αυτή η μελέτη μπορεί να επεκταθεί σε διάφορες κατευθύνσεις για μελλοντικές εργασίες.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Γιανναδάκη Χριστίνα
  • Giannadaki Christina

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:2888028

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Γιανναδάκη Χριστίνα; Giannadaki Christina. Statistical techniques for improving prediction in crop progress stages with meteorological and satellite data. 2019. https://pergamos.lib.uoa.gr/uoa/dl/object/2888028