مقالات آب و خاك (علوم و صنايع كشاورزي)

تبخير تعرق به عنوان يکي از مولفه هاي اصلي در کشاورزي، نقش قابل توجهي در مديريت منابع آب دارا مي باشد. بنابراين استفاده از يک روش دقيق يکي از مراحل اساسي در توسعه کشاورزي، بويژه در مناطق خشک و نيمه خشک مي باشد. در اين تحقيق به منظور تعيين دقيق تبخير - تعرق گياه سير، با استفاده از اندازه گيري لايسيمتري و شبکه عصبي مصنوعي (ANN)، يک مدل مناسب بدين منظور ارايه شد. بدين منظور از داده هاي هواشناسي دماهاي حداکثر و حداقل هوا، مقادير رطوبت نسبي حداکثر و حداقل، سرعت باد و ساعات آفتابي روزانه در نرون هاي لايه ورودي استفاده گرديد. اندازه گيري تبخير - تعرق گياه سير به کمک چهار دستگاه لايسيمتر زهکش دار به ابعاد 2×2×2 متر مستقر در ايستگاه کليماتولوژي دانشکده کشاورزي طي سال هاي 1385، 1386 و 1387 انجام شد. آماره هاي مجذور ميانگين مربعات خطا (RMSE)، ميانگين قدر مطلق خطا (MAE)، انحراف معيار ميانگين قدر مطلق خطا (STD_MAE) و ضريب تعيين (R²)، به منظور ارزيابي روش هاي بکار برده شده استفاده گرديد. نتايج مبين عملکرد مناسب شبکه عصبي مصنوعي پرسپترون چند لايه با الگوريتم پس انتشار خطا در پيش بيني تبخير - تعرق گياه سير بود. نتايج نشان داد که مقادير RMSE، MAE، STD_MAE  و R² براي آرايش 1-6-6 بر پايه قانون آموزش لونبرگ مارکوات و تابع محرک سيگموئيد به ترتيب 088/0 ميليمتر بر روز، 07/0 ميليمتر بر روز، 061/0 ميليمتر بر روز و 88/0 به دست آمد. نتايج نشان داد ميانگين روزانه نياز آبي گياه سير معادل 3/8 ميلي متر از لايسيمتر و 5/6 ميلي متر از شبکه عصبي به دست آمد. بطور کلي، مقايسه عملکرد شبکه ANN با مقادير لايسيمتري نشان داد که دقت شبکه عصبي مصنوعي در حد قابل قبولي بوده است. همچنين مشخص گرديد که مدل مطلوب شبکه عصبي مصنوعي در حالت تغييرات افزايشي نسبت به دماي حداکثر هوا، داراي بيشترين حساسيت و نسبت به پارامتر حداقل رطوبت نسبي، کمترين حساسيت را دارد.

 نسخه قابل چاپ