علی باقرزاده - دانشکده کشاورزی، دانشگاه آزاد اسلامی - واحد مشهد
علی کشاورزی - گروه علوم و مهندسی خاک، دانشگاه تهران
امین قلی زاده - دانشکده کشاورزی، دانشگاه آزاد اسلامی - واحد مشهد

در مطالعه حا ضر به منظور ارزیابی تنا سب ارا ض ی برای ک شت گندم از روش ارزیابی چند عامله بر اساس مدل شبکه هایعصبی مصنوعی استفاده گردید. در این روش، فاکتورهای موثر بر عملکرد گندم شامل خصوصیات اقلیمی مورد نیاز، کیفیات وخصوصیات اراضی بر اساس جداول نیازهای اقلیمی و خاکی محصول گندم مستخرج از راهنمای سایز و همکاران ( 1993 ) باویژگی های اقلیمی و فیزیکو شیمیایی و حاصلخیزی خاک منطقه مورد مطالعه ، مقایسه و درجه هر یک از فاکتورها تعیینگردید. سپس بر اساس روش پارامتریک، شاخص تناسب اراضی در هر یک از واحدهای اراضی در منطقه مورد مطالعه تعیینو به عنوان متغیرهای ورودی شبکه در الگوریتم محاسباتی شبکه های عصبی مصنوعی تحت یادگیری و آموزش سیستم قرارگرفت. پس از تحقق فرآیند یادگیری و آموزش شبکه، پیش بینی مقادیر شاخص تناسب اراضی طی فرآیند تعمیم پذیری مدلشبکه های عصبی مصنوعی محاسبه گردید. سپس با استفاده از سیستم اطلاعات جغرافیایی (GIS) نقشه پهنه بندی کلاس های تناسب اراضی برای کشت گندم به روش میان یابی عکس وزنی فاصله (IDW) تهیه شد. بر اساس نقشه پهنه بندی تناسب اراضی برای کشت گندم، منطقه مورد مطالعه در کلاس تناسب متوسط ((S(2) قرار دارد.

تناسب اراضی، روش پارامتریک، شبکه های عصبی مصنوعی، گندم