عبدالمحمد محنت کش - استادیار پژوهش، بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران
شمس الله ایوبی - استاد، گروه خاک شناسی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران
امیراحمد دهقانی - دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

مدل سازی یکی از روش های نوین در پیشبینی پاسخ اراضی به کاربری مورد نظر است. شبکه های عصبی مصنوعی یکی از مدل های کارآمد در شبیه سازی عملکرد و تعیین فاکتورهای موثر در تولید محصولات کشاورزی محسوب می شود. در اراضی تپه ماهوری تحت کشت گندم دیم در زاگرس مرکزی ایران عوامل مختلفی بر تولید این محصول موثر است که این تحقیق به مدت دو سال با هدف تعیین مهم ترین این فاکتورها اجرا گردید. چهار گروه اقلیمی، خاک، توپوگرافی و مدیریت شامل 45 فاکتور به عنوان متغیرهای ورودی، و عملکرد دانه و زیست توده گندم دیم به عنوان خروجی های مدل های شبکه عصبی مصنوعی در نظر گرفته شد و پس از تعیین بهترین ساختار شبکه، پیش بینی عملکرد توسط مدل های به دست آمده انجام شد. به کمک آنالیز حساسیت به روش هیل، عکس العمل مدل به هر یک از متغیرهای ورودی بررسی و مهم ترین فاکتورهای تاثیرگذار بر عملکرد دانه و زیست توده تعیین گردید. نتایج نشان داد در حالی که متغیرهای بارش هفته های بیست و نهم و سیام و دهم، علف های هرز، نیتروژن کل خاک، بارش هفته دوازدهم، بارش هفته بیست و پنجم، انحنای سطحی، بارش هفته سیزدهم و شاخص انتقال رسوب، به ترتیب 10 متغیر اول مهم در تولید دانه گندم دیم بودند، زیست توده هوایی گندم دیم بیشترین حساسیت را به ترتیب به 10 متغیر انحنای سطحی، بارش هفته های اول، چهارم و نهم، سطح ویژه حوضه، بارش هفته بیست و پنجم، پتاسیم قابل جذب خاک، انحنای عمودی، بارش هفته چهاردهم و بارش هفته بیست و یکم نشان داد.

آنالیز حساسیت، زاگرس مرکزی، شبکه عصبی مصنوعی، گندم دیم، مدل سازی