АНАЛИЗ КЛИМАТИЧЕСКИХ ДАННЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ПШЕНИЦЫ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ В СЕВЕРНОМ КАЗАХСТАНЕ

Аннотация

Прогнозирование урожайности сельскохозяйственных культур имеет важное значение для продовольственной безопасности, планирования сельскохозяйственной деятельности и эффективного управления ресурсами, особенно в Северном Казахстане, где аграрное производство в значительной степени зависит от климатической изменчивости. Изменения температуры и количества осадков могут существенно влиять на продуктивность сельскохозяйственных культур и приводить к значительным межгодовым колебаниям урожайности. Цель исследования заключается в разработке, сравнении и оценке регрессионных моделей машинного обучения для прогнозирования урожайности пшеницы в Северо-Казахстанской области с использованием климатических данных. Подготовлен набор данных за 1990–2025 гг. на основе официальной статистики урожайности Республики Казахстан и климатических данных базы NASA POWER. Ежедневные климатические данные были собраны в пяти репрезентативных географических точках Северо-Казахстанской области. Климатические переменные включали среднюю, минимальную и максимальную температуру воздуха, а также количество осадков. Ежедневные значения температуры агрегировались в среднегодовые показатели, а количество осадков суммировалось для получения годовых значений. Затем годовые показатели по пяти географическим точкам усреднялись для получения репрезентативных региональных характеристик. Сравнивались Linear Regression, Random Forest, Gradient Boosting, Bagging Regressor, Decision Tree и XGBoost. Также была оценена гибридная модель, объединяющая XGBoost и Gradient Boosting. В качестве целевой переменной использовалась урожайность пшеницы, а климатические показатели выступали в качестве предикторов.