ارزیابی روش های رگرسیون چند متغیره و شبکه های عصبی در مدلسازی مکانی برآورد عملکرد کلزای پاییزه، مطالعه موردی شهرستان سبزوار
Publish place: 1th National Oilseed Plants Conference
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,326
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
NOILP01_011
تاریخ نمایه سازی: 8 مرداد 1389
Abstract:
کلزا به عنوان یکی از دانه های روغنی از جمله محصولات استراتژیک کشاورزی در کشور ما است. آگاهی از این موضوع که، بیشترین بازده طبیعی گیاه کلزا در کدامیک از نواحی جغرافیایی مشاهده می شود، از اهمیت ویژه ای در برنامه ریزی و شناسایی نواحی مساعد کشت برخوردار است. در این پژوهش با به کارگیری دستگاه موقعیت یاب جغرافیایی (GPS) از 24 مزرعه کشت کلزای پاییزه نمونه برداری و عملکرد واقعی آن به عنوان متغیر وابسته محاسبه گردید. سپس مقادیر 10 متغیر مستقل اقلیمی، طبیعی برای مزارع انتخابی استخراج گردید. نقشه های برآورد عملکرد محصول کلزا با استفاده از روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره در محیط سامانه اطلاعات جغرافیایی تهیه گردید. نتایج این مطالعه نشان می دهد که روش شبکه های عصبی مصنوعی با کمترین مقدار ریشه میانگین مجذور خطا 243 کیلوگرم در هکتار با همبستگی 0/97 به عنوان مناسب ترین مدل جغرافیایی در برآورد عملکرد محصول کلزای پاییزه مطرح میگردد.
Keywords:
کلزای پاییزه , برآورد عملکرد , سیستم اطلاعات جغرافیایی , شبکه های عصبی مصنوعی , رگرسیون چند متغیره , شهرستان سبزوار
Authors
حامد ادب
کارشناس ارشد پژوهشی، پژوهشکده هواشناسی و علوم جو
اسماعیل فیله کش
کارشناس ارشد پژوهشی ایستگاه تحقیقات کشاورزی و منابع طبیعی شهرستان سبز
رضا اسماعیلی
دانشجوی دکتری اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد
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 :