CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

توسعه توابع تولید غلات مهم دشت قزوین در شرایط کم آبی و تنش شوری با استفاده از مدل AquaCrop و شبکه عصبی مصنوعی

عنوان مقاله: توسعه توابع تولید غلات مهم دشت قزوین در شرایط کم آبی و تنش شوری با استفاده از مدل AquaCrop و شبکه عصبی مصنوعی
شناسه ملی مقاله: JR_WRA-35-2_002
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:

سارا بلوک آذری - دانشجوی دکتری، گروه علوم و مهندسی آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
حسین بابازاده - استاد گروه علوم و مهندسی آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
نیازعلی ابراهیمی پاک - دانشیار بخش آبیاری موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.
سیدحبیب موسوی جهرمی - استاد گروه عمران-مهندسی و مدیریت منابع آب، دانشگاه آزاد اسلامی واحد شهرقدس، تهران، ایران.
هادی رمضانی اعتدالی - دانشیار گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره). قزوین، ایران.

خلاصه مقاله:
در بهره برداری از آب های با کیفیت پایین در مناطق خشک و نیمه­خشک، مدیریت آبیاری برای افزایش بهره وری مصرف آب ضروری می باشد. تعیین تابع تولید آب- شوری- عملکرد ابزار مهمی برای مدیریت آبیاری است. در این پژوهش، توانایی مدل گیاهی AquaCrop در مدیریت­های مختلف آبیاری و در سطوح مختلف شوری برای غلات عمده دشت قزوین شامل گندم، جو و ذرت ارزیابی شد. نتایج بررسی، ضریب تبیین را برای عملکرد گندم، جو و ذرت به ترتیب ۰/۹۷، ۰/۸۶ و ۰/۹۱ نشان داد. بنابراین مدل مزبور در شرایط شوری و کمآبیاری با تقریب خوبی می تواند عملکرد را ارزیابی نماید. برای تعیین توابع تولید بهینه هر محصول نتایج مدل گیاهی با سه مدل رگرسیون خطی، غیرخطی و همچنین شبکه عصبی مصنوعی مقایسه گردید. نتایج نشان داد که مدل شبکه عصبی توانست عملکرد را نسبت به مدل AquaCrop با همبستگی بالا (۰/۹۹) برآورد نماید. در صورتی که این مقادیر در تابع خطی برای گیاه گندم و جو و ذرت به ترتیب۰/۹۸، ۰/۹۵، ۰/۷۸ و در تابع نمایی ۰/۹۲، ۰/۸۶ و ۰/۸۱ بود. همچنین، خطای محاسبه شده در روش شبکه عصبی برای گیاه گندم، جو، ذرت به ترتیب ۴۰/۱۶، ۶۲/۰۹ و ۸۷/۰۸ کیلوگرم بود که این میزان به ترتیب در مقایسه با مدل خطی ۷۵%، ۷۰% و ۹۵% و نسبت به مدل نمایی ۹۰%، ۸۵% و ۹۳% کاهش داشت. بهترین شبکه آموزش دیده برای تعیین تابع تولید آب- شوری  برای جو و گندم پنج نرون و برای ذرت هفت نرون در ساختار شبکه ی تک لایه معرفی گردید. تحلیل حساسیت به کار رفته برای گیاهان گندم وجو نشان داد که مدلهای رگرسیون خطی، نمایی و شبکه عصبی نسبت به پارامتر مقدار آب آبیاری و میزان شوری آب و خاک حساسیت کم دارند و تنها حساسیت گیاه ذرت نسبت به پارامتر شوری خاک در محدوده متوسط قرار گرفت.

کلمات کلیدی:
تحلیل حساسیت, گندم, جو, ذرت, مدیریت آبیاری

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1273940/