هواشناسی کشاورزی
فاطمه صفری؛ هادی رمضانی اعتدالی؛ عباس کاویانی؛ بهنام آبابایی
چکیده
افزایش روزافزون تقاضای محصولات کشاورزی و افزایش فشار بر منابع آب و خاک از یک سو و مشکلات دستیابی به داده‌های میدانی از سوی دیگر، ضرورت استفاده از مدل‌های مناسب برای پیش‌بینی عملکرد محصولات کشاورزی را نمایان می‌سازد. بسیاری از پارامترهای ورودی مدل‌های گیاهی در کشور ما در دسترس نیستند. از طرف دیگر با پدید آمدن تکنیک‌های آماری نوین ...
بیشتر
افزایش روزافزون تقاضای محصولات کشاورزی و افزایش فشار بر منابع آب و خاک از یک سو و مشکلات دستیابی به داده‌های میدانی از سوی دیگر، ضرورت استفاده از مدل‌های مناسب برای پیش‌بینی عملکرد محصولات کشاورزی را نمایان می‌سازد. بسیاری از پارامترهای ورودی مدل‌های گیاهی در کشور ما در دسترس نیستند. از طرف دیگر با پدید آمدن تکنیک‌های آماری نوین و شبکه‌های عصبی مصنوعی، مدل‌های پیش‌بینی‌کننده عملکرد محصولات زراعی به سرعت رو به توسعه است. بدین منظور پژوهشی با هدف ارزیابی قابلیت شبکه‌های عصبی مصنوعی برای یادگیری از مدل‌های پیچیده گیاهی و توانایی آنها در پیش‌بینی عملکرد و طول دوره رشد گندم و برخی از پارامترهای مورد نیاز مدل گیاهی AquaCrop انجام گرفت. ارزیابی مدل-های شبکه عصبی مصنوعی نیز با شاخص‌های آماری ضریب تبیین (R2) ، جذر میانگین مربعات خطا نرمال شده (SRMSE) انجام شد. نتایج نشان دادکه مدل شبکه عصبی شماره 9 (طول دورة رشد از گل‌دهی تا برداشت) با R2 و SRMSE به ترتیب برابر با 98/0 و 79/4 % و مدل شبکه عصبی شماره 2 (عملکرد دانه در زمان برداشت) با R2 و SRMSE به ترتیب برابر با 97/0 و 69/9% به ترتیب بهترین دقت را در بین مدل‌های پیش‌بینی دوره‌های مهم رشد و عملکرد دانه گندم داشتند. براساس نتایج این مطالعه ، کارآیی شبکه‌های عصبی مصنوعی برای پیش‌بینی عملکرد و طول دوره‌های مهم فصل رشد گندم با استفاده از متغیرهای اقلیمی مورد تایید قرار گرفت.
فناوریهای نوین
مژگان احمدی؛ عباس کاویانی؛ پیمان دانشکار آراسته؛ زهره فرجی
دوره 42، 100-101 ، فروردین 1397، ، صفحه 45-58
چکیده
امروزه با توجه به کاهش منابع آب و بحران آبی موجود توجه به مدیریت صحیح یکپارچه منابع آب امری مهم و ضروری می باشد. یکی از اقدامات اساسی در این زمینه آگاهی از میزان بارش، رواناب و روند تغییرات آن در محدوده حوضه‌های آبریز است. تحقیق حاضر با هدف ارزیابی دقت برآورد بارش و رواناب در استان قزوین با استفاده از مدل GLDAS و داده‌های اندازه‌گیری ...
بیشتر
امروزه با توجه به کاهش منابع آب و بحران آبی موجود توجه به مدیریت صحیح یکپارچه منابع آب امری مهم و ضروری می باشد. یکی از اقدامات اساسی در این زمینه آگاهی از میزان بارش، رواناب و روند تغییرات آن در محدوده حوضه‌های آبریز است. تحقیق حاضر با هدف ارزیابی دقت برآورد بارش و رواناب در استان قزوین با استفاده از مدل GLDAS و داده‌های اندازه‌گیری شده در نه ایستگاه سینوپتیک و بارانسنجی و هشت ایستگاه هیدرومتری انجام شد. بدین منظور از داده‌های جهانی سطح زمین (GLDAS) با تفکیک مکانی 25/0×25/0 درجهبه صورت ماهانه از سال 2001 تا2010 برای ایستگاههای سینوپتیک و بارانسنجی و 2002 تا 2008 برای ایستگاه هیدرومتری استفاده شد. پژوهشهای صورت گرفته نشان دادکه بین داده‌های بارش و رواناب با مدلGLDAS همبستگی خوبی وجود دارد. نتایج ارزیابیهای آماری برای داده‌های بارش، 93/0 = R2، 57/13MBE=، 57/13MAE= و 95/15 RMSE=میلیمتر در ماه برای ایستگاه قزوین در سال 2002 و در رابطه با داده‌های رواناب92/0R2= ،82/0- MBE=،82/0 MAE=و 53/1= RMSEمیلیمتر در ماه برای ایستگاه حاجیعرب در سال 2007 بدست آمد. بنا برنتایج بدست آمده، استفاده از داده‌های رواناب و بارش مدل GLDAS در حوضه مورد مطالعه، در نقاطی که دسترسی به آنها دشوار است پیشنهاد می-شود.
