ارزیابی ریسک خشکسالی زعفران با استفاده از روش مونت کارلو

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 455

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SAFRON-7-3_007

تاریخ نمایه سازی: 17 خرداد 1399

Abstract:

تغییرات اقلیمی و پدیده هایی از جمله خشکسالی در میزان عملکرد محصولات کشاورزی موثر هستند. یکی از راهکارهای مقابله با این پدیده ها، جایگزینی مدیریت ریسک به جای مدیریت بحران است، به­طوری­که با ارزیابی ریسک، قبل از وقوع بحران، میزان خسارت ها به حداقل می رسد. در این پژوهش نیز در جهت کاهش خسارت های ناشی از خشکسالی به­عنوان پدیده ای طبیعی و غیر قابل کنترل، بر روی محصول زعفران، به ارزیابی ریسک خشکسالی با استفاده از روش شبیه سازی مونت­کارلو پرداخته شد. شاخص خشکسالی بارش استاندارد شده (SPI) ماهانه و میانگین دمای ماهانه به عنوان متغیرهای مستقل در تابع توزیع عملکرد محاسبه می شود. با کمک روش فراابتکاری شبکه عصبی مصنوعی (ANN)، ارتباط بین متغیرهای مستقل (دما و SPI) و متغیر وابسته (عملکرد محصول زعفران) برقرار می شود. سپس داده ی تصادفی از متغیرهای مستقل ساخته می شود و با شبکه عصبی مصنوعی آموزش یافته، 2000 عملکرد شبیه سازی شده تولید می گردد. انتخاب یک ایستگاه مرجع و با استفاده از توزیع تجمعی به دست آمده، عامل ریسک محاسبه شد و با رسم نمودار عامل ریسک-عملکرد استاندارد، ریسک نسبی ایستگاه های مورد مطالعه بررسی شده است. نتایج به­دست آمده از این پژوهش نشان داد که بیشترین سال های مورد مطالعه در محدوده نرمال قراردارند و فراوانی خشکسالی در چهار ایستگاه خراسان جنوبی دو برابر ایستگاه های مورد مطالعه در خراسان رضوی می باشد. همین­طور شبکه عصبی مصنوعی با ضریب همبستگی 85/0 توانست به خوبی عملکرد را پیش بینی نماید. در پایان بر اساس نتایج به­دست آمده از نمودار ریسک-عملکرد استاندارد، ایستگاه های قاین، بیشترین و نهبندان کمترین ریسک نسبی نسبت به ایستگاه مرجع (تربت­حیدریه) را  داشتند.

Keywords:

مدیریت ریسک , باران استاندارد شده (SPI) , شبکه عصبی مصنوعی , شبیه سازی

Authors

سیبویه اقا محمدی

دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بیرجند، ایران

عباس خاشعی سیوکی

دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران

علی شهیدی

دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران

سیدرضا هاشمی

استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Akbarpour, A., Khorashadizadeh, O., Shahidi, A., and, Ghochanian, E. 2013. ...
  • Alcamo, J., Dronin, N., Endejan, M., Golubev, G., and Kirilenko, ...
  • Barreto, H., and Howland, F. 2005. Introductory Econometrics: Using Monte ...
  • Coulibaly, P., Anctil, F., and Bobee, B. 1999. Hydrological forecasting ...
  • Dutta, D., Kundu, A., Patel, N.R., Saha, S.K., and Siddiqui, ...
  • Agricultural Organization of South Khorasan. 2017. Agricultural organization of South ...
  • Khashei, S.A., Kouchakzadeh, M., and Ghahraman, B. 2011. Predicting Dryland ...
  • McKee, T.B., Doesken, N.J., and Kleist, J. 1993. The relationship ...
  • Mirzaei Nadooshan, F., Morid, S., and Arshad, S. 2011. Agriculture ...
  • Moradi, A.R., Sharifi, M.A. 2016. The analysis of precipitation time ...
  • Mosaedi, A., and Ghabaei Sough, M. 2012. Modification of standardized ...
  • Nekouei, N., Behdani, M.A., and Khashei Siuki, A., 2014. Predicting ...
  • Quirogua, S., and Iglesias, A. 2007. Methods for drought risk ...
  • Shaha, R., Bharadiya, N., and Manekar, V. 2015. Drought index ...
  • Shahidi, A., and Dowlatabadi, S. 2017. Assessment of use of ...
  • Zare Abyaneh, H. 2013. Evaluating roles of drought and climatic ...
  • Shahiyan, R., Jame, A., Ariyanfar, R.,  Haghighat, M., and Dehghan, ...
  • نمایش کامل مراجع