بانک مقالات کشاورزی

پيش بيني عملکرد محصولات زراعي نظير گندم به دليل اهميتي که در برنامه ريزي اقتصادي دارند از دير باز مورد توجه پژوهشگران بوده است. هدف عمده اين پژوهش، برآورد توليد محصول قبل از برداشت است. اخيرا کاربرد شبکه هاي عصبي مصنوعي به عنوان ابزاري قوي که قادر به محاسبه معادلات پيچيده و تحليل عددي با مناسب ترين تقريب مي باشد، گسترش يافته است. پژوهش حاضر به منظور بسط و آزمون يک مدل شبکه عصبي مصنوعي براي پيش بيني ميزان عملکرد گندم ديم بر اساس داده هاي هواشناسي در منطقه قروه استان کردستان است. داده هاي هواشناسي شامل ميانگين حداقل و حداکثر دما، ميانگين درجه حرارت در نقطه شبنم، رطوبت نسبي، بارش ماهيانه و ساليانه، ميانگين دماي سالانه، سرعت باد، تعداد روزهاي يخبندان، باراني و ابري، بيشترين ميزان بارندگي روزانه و برخي داده هاي ديگر، بين سال هاي زراعي 1368 الي 1379 مدنظر قرار گرفت. مدل هاي مختلف شبکه تهيه و مقادير مطلوب پارامترها براي تخمين عملکرد گندم ديم با استفاده از فرايند سعي و خطا تعيين گرديد. نتايج حاصل از اين پژوهش نشان داد که در ميزان توليد گندم در دشت قروه، مقدار و نحوه پراکنش بارش و ميانگين دماي حداکثر روزانه، خصوصا در ماه هاي مياني و انتهايي ريشه از اهميت ويژه اي برخوردار است و با کوچک ترين تغييري در مقدار هر يک از آن ها عملکرد محصول به ميزان زيادي دست خوش تغيير مي گردد. نتايج هم چنين حاکي از آن بود که مدل شبکه عصبي مصنوعي، مقدار عملکرد گندم ديم را قبل از برداشت محصول با قابليت برآورد بسيار خوب پيش بيني نمود. نتايج روابط رگرسيوني نيز نشان داد که دو عامل بارندگي ساليانه و حداقل رطوبت نسبي هوا بر حسب درصد در ماه خرداد 94.3 درصد تغييرات عملکرد گندم ديم را در منطقه توضيح مي دهند.

 نسخه قابل چاپ