کشاورزی دقیق
علیرضا دهمرده؛ علی شهریاری؛ محمدرضا پهلوان راد؛ اسماء شعبانی؛ مریم قربانی
چکیده
مدلهای گیاهان زراعی از بخش‌های مهم مدلسازی‌های اکولوژیک میباشد زیرا این مدل‌ها امکان پیشبینی سیستم‌های گیاهی و افزایش فهم درباره چگونگی عملکرد آنها را فراهم می‌آورد. گندم یکی از محصولات زراعی کلیدی است که در سراسر جهان کشت می‌شود، لذا مطالعه این محصول استراتژیک اهمیت ویژه‌ای دارد و این تحقیق با هدف مدلسازی عملکرد گندم با ...
بیشتر
مدلهای گیاهان زراعی از بخش‌های مهم مدلسازی‌های اکولوژیک میباشد زیرا این مدل‌ها امکان پیشبینی سیستم‌های گیاهی و افزایش فهم درباره چگونگی عملکرد آنها را فراهم می‌آورد. گندم یکی از محصولات زراعی کلیدی است که در سراسر جهان کشت می‌شود، لذا مطالعه این محصول استراتژیک اهمیت ویژه‌ای دارد و این تحقیق با هدف مدلسازی عملکرد گندم با برخی خصوصیات خاک و مشخص نمودن مهم‌ترین فاکتورهای خاکی موثر در عملکرد گندم در مزرعه آموزشی و تحقیقاتی دانشگاه زابل انجام شد. نمونه‌برداری از خاک سطحی (30 – 0 سانتی‌متری) صورت گفت و بافت خاک، واکنش خاک، هدایت الکتریکی، هدایت الکتریکی ظاهری خاک، کربن آلی، فسفر، پتاسیم و ازت خاک با روش‌های معمول در نمونه‌ها اندازه گیری شدند. نمونه های گیاه گندم از پلات یک مترمربع برداشت شد و وزن دانه، وزن کل و وزن هزار دانه اندازهگیری شد. مدلسازی عملکرد به سه روش رگرسیونی خطی چندمتغیره، شبکه عصبی مصنوعی پرسپترون و ماشین‌های بردار پشتیبان انجام شد. برای تعیین مهم‌ترین فاکتورهای خاک موثر در عملکرد گندم در این پژوهش از آنالیز حساسیت استفاده شد. نتایج مقایسه مدلهای مورد استفاده در پیش-بینی اجزاء عملکرد گندم با استفاده از ویژگیهای خاک نشان داد که بالاترین ضریب تبیین و کمترین ریشه میانگین مربع‌های خطا در تخمین هر سه شاخص عملکرد گندم مربوط به روش شبکه عصبی پرسپترون بود (وزن دانه با ضریب تبیین برابر 61/0، وزن هزار دانه با ضریب تبیین برابر 64/0 و عملکرد کل با ضریب تبیین برابر 76/0).
اسماء شعبانی؛ احمد غلامعلی زاده آهنگر؛ صبیره گلشاهی
چکیده
یک مطالعه مقایسهای با هدف بررسی کارایی شبکه عصبی مصنوعی (ANN) و رگرسیون خطی چندمتغیره (MLR) برای پیشبینی پایداری خاکدانههای بزرگتر از 25/0 میلیمتر در روش الک تر(250SAW>) در کاربریهای مختلف منطقه میانکنگی سیستان انجام شد. بدین منظور تعداد 140 نمونه خاک از اراضی کشاورزی، مرتعی و بایر منطقه تهیه و برخی ویژگیهای خاک از جمله بافت، ...
بیشتر
یک مطالعه مقایسهای با هدف بررسی کارایی شبکه عصبی مصنوعی (ANN) و رگرسیون خطی چندمتغیره (MLR) برای پیشبینی پایداری خاکدانههای بزرگتر از 25/0 میلیمتر در روش الک تر(250SAW>) در کاربریهای مختلف منطقه میانکنگی سیستان انجام شد. بدین منظور تعداد 140 نمونه خاک از اراضی کشاورزی، مرتعی و بایر منطقه تهیه و برخی ویژگیهای خاک از جمله بافت، ماده آلی، کربنات کلسیم، سدیم تبادلی، کلسیم و منیزیم محلول، اسیدیته، هدایت الکتریکی و شاخص پایداری خاکدانه در آنها اندازهگیری شد. در مناطق بایر و مرتعی میزان کلسیم و منیزیم محلول و در زمینهای زیر کشت مقدار سدیم تبادلی بیشترین همبستگی خطی را با پایداری خاکدانه نشان دادند و مدلهای رگرسیونی توسعهیافته توانستند 56-49 درصد از تغییرات SAW را در کاربریهای مختلف منطقه توجیه نمایند. در شبکه عصبی پرسپترون به کار گرفته شده متغیر اسمی نوع کاربری همزمان با سایر ورودیها وارد مدل گردید که این مدل توانست نزدیک به 90 درصد تغییرات شاخص پایداری را در مجموعه آزمون پیشبینی کند. نتایج کمی کردن اهمیت متغیرها به روش ارتباط وزنی در روش شبکه عصبی نشان داد که عامل نوع کاربری و نوع و مقدار کاتیونهای فاز تبادلی و محلول خاک بیشترین سهم را در تغییرپذیری شاخص پایداری خاکدانه در منطقه مورد مطالعه دارند.
مسعود هاشمی؛ احمد غلامعلی زاده آهنگر؛ اسماء شعبانی
چکیده
شناخت تغییرات درصد سدیم تبادلی (ESP) و اطلاع از مقدار آن در خاکهای سدیمی یا شور و سدیمی جهت برآورد مقدار مواد اصلاح‌کننده و مدیریت اراضی، امری ضروری است. اندازهگیری این ویژگی به دلیل اینکه اندازهگیری ظرفیت تبادل کاتیونی (CEC) مشکل و زمانبر است، پر هزینه و همراه با خطا میباشد. از این رو ارائه روشی که بتوان با استفاده از شاخص ...
بیشتر
شناخت تغییرات درصد سدیم تبادلی (ESP) و اطلاع از مقدار آن در خاکهای سدیمی یا شور و سدیمی جهت برآورد مقدار مواد اصلاح‌کننده و مدیریت اراضی، امری ضروری است. اندازهگیری این ویژگی به دلیل اینکه اندازهگیری ظرفیت تبادل کاتیونی (CEC) مشکل و زمانبر است، پر هزینه و همراه با خطا میباشد. از این رو ارائه روشی که بتوان با استفاده از شاخص سهلالوصول دیگری بطور غیرمستقیم ESP را بدست آورد بسیار بهینه و اقتصادی است. در تحقیق حاضر بدین منظور تعداد 296 نمونه خاک از سطح دشت سیستان جمعآوری و ویژگیهای فیزیکی و شیمیایی آنها اندازهگیری شد. ESP خاک، با استفاده از شبکه‌های عصبی مصنوعی (RBF و MLP) و سیستم نروفازی (ANFIS) مدلسازی و نتایج حاصله با روش رگرسیون خطی چند متغیره مقایسه گردید. نتایج بیانگر عملکرد ضعیف (50/0R2 ≤ و 34/4RMSE ≥ ) معادلات رگرسیون خطی در راستای برآورد ESP بود. با این حال، سیستم ANFIS با تعداد ورودیهای کمتر ( ECوpH ) نتایج بهتری را نسبت به سایر روش‌های بکارگرفته شده ارائه داد (34/2RMSE= و81/0 R2=) و با افزودن تعداد ورودیها از دقت سیستم نروفازی کاسته شد (2/4RMSE= و71/0 R2=). در صورتیکه، شبکه عصبی RBF با افزایش تعداد ورودیها عملکردی مطلوب (85/2RMSE= و 80/0 R2=) نشان داد. نتایج آنالیز حساسیت نیز با استفاده از روش ارتباط وزنی، به ترتیب نشان دهنده اهمیت بیشتر هدایت الکتریکی، اسیدیته، درصد ذرات رس و جرم مخصوص ظاهری در توجیه تغییرپذیری ESP منطقه بود.
