امیر حق وردی؛ بیژن قهرمان؛ کامران داوری؛ محمد کافی
چکیده
در سال های اخیر مطالعات بسیاری در ارتباط با مدل سازی تنش های کم آبی و شوری و بررسی اثرات آن ها بر خصوصیات مختلف گیاهان زراعی انجام شده است. هدف از پژوهش حاضر بررسی کاربرد مرحله یک روش رویه پاسخ در مطالعات شوری و کم آبی به منظور تعیین سطوح بهینه متغیرهای مستقل (سطوح کم آبی و شوری در مراحل مختلف رشد) برای دستیابی به بیشترین میزان محصول برای ...
بیشتر
در سال های اخیر مطالعات بسیاری در ارتباط با مدل سازی تنش های کم آبی و شوری و بررسی اثرات آن ها بر خصوصیات مختلف گیاهان زراعی انجام شده است. هدف از پژوهش حاضر بررسی کاربرد مرحله یک روش رویه پاسخ در مطالعات شوری و کم آبی به منظور تعیین سطوح بهینه متغیرهای مستقل (سطوح کم آبی و شوری در مراحل مختلف رشد) برای دستیابی به بیشترین میزان محصول برای گندم بهاره در منطقه مشهد میباشد. آزمایش در سال زراعی 89-1388 در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه فردوسی مشهد انجام شد. آزمایش فاکتوریل با پنج متغیر میزان شوری آب آبیاری با دو سطح 5/0 و 10 دسی زیمنس بر متر و میزان آب آبیاری در چهار مرحله مختلف رشد، بدون تکرار و در دو سطح از هر متغیر، 20 و 100 درصد نیاز آبی، انجام پذیرفت. نتایج نشان داد که میزان آب آبیاری در مراحل مختلف رشد و شوری آبی آبیاری تاثیری متفاوت و بالا بر میزان محصول دارد. اثر متقابل شوری و میزان آب آبیاری بر محصول ناچیز بود. راندمان مصرف آب در سناریوهای مختلف بهینه سازی بین 84/5 تا 31/7 (kg.h-1.m-1) بود. نتایج بهینه سازی لزوم در نظر گرفتن مدل های غیر خطی و طرح ریزی آزمایشات آتی در فضای داخلی سطوح تحقیق حاضر (100 درصد و 20 درصد نیاز آبی) و متمایل به نیمه بالایی (تنش های کمتر از 50 درصد) را اثبات نمود. همچنین اثر مهم و غیر خطی شوری نشان داد که این تنش با جزئیات بیشتری بایستی بررسی شود.
امیر حق وردی؛ کوروش محمدی؛ سید اسدالله محسنی موحد؛ بیژن قهرمان؛ محمد افشار
چکیده
چکیده
شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی ...
بیشتر
چکیده
شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی شد. مدل SaltMod واسنجی گردید و برای تولید 2400 سری داده برای آموزش شبکه های عصبی مصنوعی به کار گرفته شد. تعدادی از عوامل ورودی SaltMod از جمله داده های عمق آب آبیاری، تبخیر-تعرق، عمق سطح ایستابی، بارندگی و شوری اولیه نیمرخ خاک در شبکه های عصبی استفاده شدند. همچنین کارایی الگوریتم ژنتیک در فرآیند آموزش شبکه های عصبی مورد بررسی قرار گرفت. میانگین ضریب تعیین (2R) و میزان خطای شوری برآورد شده (RMSE) انتهای سال در تمامی گروه ها با استفاده از شبکه های عصبی به ترتیب برابر 8/0 و 032/0 بود. در مجموع می توان گفت شبکه های عصبی مصنوعی به خوبی توانایی مدل سازی و پیش بینی شوری خاک منطقه ریشه را دارند و می توانند جایگزین خوبی برای SaltMod باشند. همچنین نتایج نشان داد که به طور کلی کارکرد شبکه های عصبی با به کارگیری الگوریتم ژنتیک بهبود می یابد.
واژه های کلیدی: دشت تبریز، شوری نیمرخ خاک، الگوریتم ژنتیک، شبکه های عصبی مصنوعی، SaltMod
امیر حق وردی؛ بیژن قهرمان؛ علی اصغر خشنود یزدی؛ زهرا عربی
چکیده
چکیده
ظرفیت زراعی و پژمردگی دائم مهمترین نقاط پتانسیلی در مدل سازی و مدیریت آب مورد نیاز محصولات کشاورزی می باشند. روش های مستقیم تعیین میزان رطوبت هزینه بر و گران می باشد. بنابراین استفاده از توابع انتقالی برای تبدیل خصوصیات زودیافت خاک به خصوصیات هیدرولیکی یک راهکار مناسب برای حل این مشکل است. در این پژوهش کارایی مدل های شبکه عصبی ...
بیشتر
چکیده
ظرفیت زراعی و پژمردگی دائم مهمترین نقاط پتانسیلی در مدل سازی و مدیریت آب مورد نیاز محصولات کشاورزی می باشند. روش های مستقیم تعیین میزان رطوبت هزینه بر و گران می باشد. بنابراین استفاده از توابع انتقالی برای تبدیل خصوصیات زودیافت خاک به خصوصیات هیدرولیکی یک راهکار مناسب برای حل این مشکل است. در این پژوهش کارایی مدل های شبکه عصبی مصنوعی (NNs) آموزش داده شده با نمونه های خاک منتج از جریان خروجی چند مرحله ای (NeuroMultistep outflow) و مدل های نزدیک ترین K همسایه (KNN) در اشتقاق توابع انتقالی به منظور تعیین میزان رطوبت در ظرفیت زراعی و پژمردگی دائم برای 122 نمونه خاک از شمال و شمال شرق ایران مورد بررسی قرار گرفت. همچنین تاثیر عوامل ورودی مختلف و نوع داده به کار رفته برای اشتقاق هر دو روش معین شد. نتایج حاصله نشان دادند که در کل روش KNN (027/0RMSE= ) نسبت به NNs (037/0RMSE= ) نتایج بهتری داشت. همچنین می توان گفت که حساسیت مدل های شبکه عصبی به کیفیت و نوع داده های به کار رفته برای آموزش بسیار بالاست و همگن نبودن داده ها باعث کاهش کارایی مدل های شبکه عصبی و افزایش 100 درصدی خطا می شود. همچنین نتایج نشان دادند که در نظر گرفتن خصوصیات هیدرولیکی به عنوان متغیرهای ورودی در شبکه عصبی باعث ارتقاء نتایج مدل سازی می شود.
واژه های کلیدی: نزدیک ترین K همسایه، شبکه های عصبی مصنوعی، توابع انتقالی، ظرفیت زراعی، پژمردگی دائم
