ارزیابی و مقایسه مدل AquaCrop و مدل های هوشمند جهت پیش بینی عملکرد گندم (مطالعه موردی: شهرستان های میاندوآب و مهاباد)
Publish place: The Journal of Water and Soil، Vol: 34، Issue: 1
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 21
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-34-1_001
تاریخ نمایه سازی: 28 اسفند 1402
Abstract:
امروزه بیش از هر زمان دیگری افزایش تولید محصولات استراتژیک مانند گندم نیاز به استفاده صحیح از منابع آب دارد. مدل AquaCrop یکی از مدل های پویا و کاربرپسند بوده که توسط سازمان خواروبار جهانی فائو توسعه داده شده است. اما این مدل به پارامترهای ورودی نسبتا زیادی نیاز داشته و در صورت وجود سناریوهای متعدد، مدلی وقت گیر می باشد. در تحقیق حاضر برای رفع این مشکل و توسعه مدلی با داده های ورودی کمتر، با استفاده از مدل-های هوشمند ANN، SVR و SVR-FFA و با ایجاد ۴۴۰ سناریو در ۲ مزرعه عملکرد مدلAquaCrop مقایسه گردید. مزارع ۹۹WestW۲ و WestW۱۰ به ترتیب در شهرستان های میاندوآب و مهاباد واقع گردیده و عملکرد (ton ha-۱) ۵۸۸/۶ و (ton ha-۱) ۰۵/۵ را داشته اند. نتایج اجرای مدل ها با استفاده از ۵ معیار مورد ارزیابی قرار گرفت. نتایج این تحقیق نشان داد که برای هر دو مزرعه ۹۹WestW۲ و WestW۱۰ مدل SVR-FFA۳ توانست کم ترین میزان خطا را داشته باشد، به طوریکه برای شاخص عملکرد مقدار RMSE برای مزارع مذکور به ترتیب (ton ha-۱) ۰۳۳/۰ و (ton ha-۱) ۰۶۹/۰ به دست آمد. مدل های SVR و ANN نیز پس از مدل SVR-FFA توانستند عملکرد مناسبی را از خود نشان دهند. در نهایت مدل های هوشمند SVR-FFA، SVRو ANN با وجود کمترین تعداد ورودی قادر به پیش بینی مقادیر عملکرد در کم ترین زمان و با بیش ترین دقت بوده اند. در هر حال، نتایج نشان داد هر چه ورودی های مدل ها کم تر شود، پیش بینی مدل ها نیز ضعیف تر خواهد بود..
Keywords:
Authors
میلاد شرفی
گروه مهندسی آب- دانشگاه ارومیه
جواد بهمنش
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
وحید رضاوردی نژاد
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
سعید صمدیان فرد
دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
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 :