تعیین میزان اثر عناصر اقلیمی بر عملکرد گندم دیم در استان آذربایجان شرقی با استفاده از شبکه¬های عصبی هوشمند

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار جغرافیا دانشگاه اصفهان

چکیده

   هدف اصلی پژوهش، یافتن مدل مناسب جهت پیش‌بینی عملکرد گندم دیم به‌کمک پارامترهای آب و هوایی در استان می‌باشد. جهت پیش‌بینی عملکرد گندم دیم از شبکه‌های عصبی استفاده شده است. ابتدا آمار عملکرد محصول گندم در طی دوره­ی آماری 1382-1374 از بانک اطلاعات وزارت جهاد کشاورزی به تفکیک شهرستان تهیه و سپس آمار هواشناسی از ایستگاه‌های موجود در این شهرستان­ها برای دوره­ی آماری مشابه از بانک اطلاعاتی سازمان هواشناسی کشور استخراج گردید. 7 سال از آمار موجود جهت آموزش مدل و دو سال از آن جهت فایل تست در نظر گرفته شد. جهت اتخاذ بهترین مدل لازم بود که بهترین ماتریس ورودی داده‌های هواشناسی مشخص شود. بدین‌منظور اولین ماتریس ورودی متشکل از 9 پارامتر هواشناسی اولیه که در نهایت با محاسبه­ی مقادیر خطای مدل، بهترین ترکیب زمانی حاصل شد که در ماتریس ورودی پارامترهای بارش، دما، تعداد روزهای همراه با استرس سرما و گرما، تبخیر، تعرق و تعداد روزهای بارانی گنجانده شده بود.
نتایج نشان داد که اولین عامل در تعیین عملکرد گندم دیم استان آذربایجان شرقی بالاترین نقش را دارا می­باشد. دومین پارامتر مؤثر در میزان عملکرد گندم دیم مقدار تبخیر و تعرق می­باشد. جهت ارزیابی دقت مدل بر اساس میزان عملکرد پیش­بینی شده شاخص میزان تطابق (d) محاسبه گردید که نتایج نشان داد میزان دقت مدل 82/. می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Determining the Effect of Climatic Elements on the Yield of Dry Farmed Wheat in East Azarbaijan Province by Using Intelligent Neural Network

نویسنده [English]

  • hogat yazdan
چکیده [English]

 
The main objective of this study is finding a proper model for predicting the yield of dry farmed wheat with the use of climate parameters in the province. For predicting the yield of dry farmed wheat, neural networks have been used. Firstly, the yield data of wheat during statistical period of 1995-2003 from information bank of Ministry of Agriculture for each township was prepared separately and then meteorological statistics from the existing stations in these townships were extracted from information bank of Iran’s Meteorological organization for similar statistical period. 7 years of the existing statistic were considered for model training and two years were considered for the test file. To adopt the best model, it was required to determine the best input matrix of meteorology data. For this purpose, the first input matrix containing 9 initial meteorological parameters which finally through calculating the error amount of the model, the best composition was obtained when the parameters of precipitation, temperature, number of days with heat and cold stress, transpiration, evaporation and number of rainy days have been included in the input matrix.
 The results showed that, the first factor has the highest role in determining the yield of dry farm wheat in East Azarbaijan province.
The second effective factor on the yield of dry wheat is the amount of evaporation and transpiration. To evaluate the accuracy of model based on the predicted yield, the index for compliance rate (d) was calculated, and the results showed that the accuracy rate is 0.82.

کلیدواژه‌ها [English]

  • Agro Climate
  • East Azarbaijan
  • Neutral Networks.