پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,266
This Paper With 10 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:
شناسه ملی سند علمی:
WRM03_380
تاریخ نمایه سازی: 28 فروردین 1387
Abstract:
در سال های اخیر پدیده خشکسالی خسارت های فراوانی را به بخش کشاورزی در ایران وارد آورده که ضرورت وجود یک سیستم پیش آگاهی از تأثیر خشکسالی بر وضعیت کشاورزی و برآورد میزان آسیب آن بر عملکرد محصولات، برای سیاستگذاران و بهره برداران را ضروری می نمای د. در این تحقی ق یک مدل برای ارزیابی آسیب خشکسالی در کرمانشاه با استفاده از روش های آماری و هوشمند توسعه یافت که به طور خاص AF391برای گندم دیم بوده و قادر می باشد آسیب ناشی از خشکسالی را در مراحل فنولوژیک بحرانی رشد گیاه برآورد نماید. ابتدا مدل با شاخص های خشکسالی SPI ،CMI ،Z-index ،PDSI و EDI توسعه یافت و ضر یب همبستگی این مدل برای پنج مرحله رشد بین 0/20 تا 0/74 متغییر بود. سپس با استفاده از داده های ماهواره ای و الگوریتم SEBAL تبخیر-تعرق واقعی محاسبه و از شاخص جدید S_CSDI که در این تحقیق توسعه یافت به همراه شاخص های VCI ،CSDI و TCI مدل عملکرد محصول ساخته شد که ضریب همبستگی مدل برای پنج مرحله رشد بین 0/29 تا 0/78 متغییر بود که حکایت از سرعت و دقت بیشتر مدل ماهوارهای دارد. جهت انتخاب متغیرهای مناسب، روش هوشمند الگوریتم ژنتیک و شبکه عصبی به کار گرفته شد. در هر دو مدل، نتایج مدل با گذشت زمان در مراحل مختلف بحرانی رشد از برازش بهتری برخوردار بوده و پهنه بندی نتا یج در دو سال شاخص در محیط GIS این روند را تأیید می نماید.
Keywords:
Authors
صالح ارشد
دانشکده کشاورزی دانشگاه تربیت مدرس
محمدرضا مباشری
دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
سعید مرید
دانشکده کشاورزی دانشگاه تربیت مدرس
مجید آقا علیجانی
دانشکده کشاورزی دانشگاه تربیت مدرس
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 :