Predictability of yields of the main crops in Macedonia (FYROM)

Hristijan Trajchevski

Master's thesis

Předvídatelnost výnosů hlavních plodin v Makedonii (FYROM)

Anotácia:

Cílem této práce je analyzovat předvídatelnost výnosu vybraných plodin na národní, regionální a katastrální úrovni v Severní Makedonii. Důraz je kladen na pšenici, kukuřici, tabák a víno, kvůli jejich významu pro ekonomiku země, a to jak pro vývoz, tak i pro národní využití. Konkretním cílem práce je zjistit, zda existují možnosti pro předpověď výnosu vybraných plodin s předstihem již na počátku růstové sezóny. Použité metody v této práci jsou model odhadu výnosu založený buď na lineární regresi pomocí jedné proměnné či model predikce výnosu založený na umělé inteligenci (ANN - artificial neural network), využívající různé kombinace meteorologických proměnných či data z dálkového průzkumu Země. Z dosažených výsledků lze konstatovat, že model založený na lineární regresi poskytuje přesnější odhady výnosu pšenice a kukuřice, než v případě vinné révy a tabáku. Avšak, tento model nelze spolehlivě aplikovat pro předpovědní potřeby s časovým předstihem, zatímco ANN je vhodnější, jelikož dokáže pracovat s nelineárními a velmi složitými vztahy. Z výsledků predikčního modelu výnosu lze usoudit, že model založený na ANN využívající meteorologická data vykazoval přesnější výsledky ve srovnání s modelem založeným na ANN využívajícím data z dálkového průzkumu Země. Obě tyto varianty modelu však poskytly velmi přesné předpovědi a potvrdily, že ANN je velmi silným nástrojem pro predikci výnosů a to is výrazným časovým předstihem před termínem sklizně.

Abstract:

The objective of this thesis is to investigate yield predictability of the selected crops at national, regional and municipality level in Republic of North Macedonia. Emphasis is placed on wheat, maize, tobacco and grape, due to their significance for the economy of the country, both as exporting goods and for internal use. Specifically, the aim of the thesis is to investigate if there are possibilities for predicting the yield of the selected crops early in the season. The methods used in this thesis are yield estimation model based on linear regression using one variable and yield predicting model based on Artificial Neural Network (ANN) using meteorological data and remotely sensed data, individually. From the obtained results it is possible to conclude that the model based on linear regression indicates more accurate estimations for the yield of wheat and maize, than for the grape or tobacco. However, this model is not suitable for yield forecasting, whereas ANN is more suitable, because it manages to work with non-linear and very complex relationships. From the results of the yield predicting model it is possible to conclude that the model based on ANN using meteorological data showed more accurate results compared with the model based on ANN using remotely sensed data. Both of these model types generated highly accurate predictions, proving that ANN is powerful tool for yield prediction and forecast, even several months before the harvest.

Kľúčové slová

předpověď, dálkový průzkum Země, Artificial Neural Network, Predikce výnosů, meteorologické proměnné, Makedonské zemědělství

Keywords

Artificial Neural Network, Yield prediction, remote sensing, forecast, meteorological variables, Macedonian agriculture

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 5. 5. 2020

Obhajoba závěrečné práce

• Vedúci: Ing. Milan Fischer, Ph.D.

Mendel University in Brno

Faculty of AgriSciences

Master programme / odbor:
Agricultural Engineering / Agribusiness