در هنگام جستجو کلمه در قسمت عنوان میتوانید کلمات مورد جستجو را با کاراکتر (-) جدا کنید.
کاربرد نوع شرط:
- جایگاه : پژوهشی
- مجله: مجله مدیریت خاک و تولید پایدار
- نوع مقاله: Journal Article
- کلمات کلیدی: تحلیل سلسله مراتبی,اولویتبندی,تناسب اراضی,واژه های کلیدی: نخل خرما
- چکیده: چکیده
سابقه و هدف: یکی از راههای شناسایی ظرفیت تولید اراضی و انتخاب کاربری متناسب با آن، انجام ارزیابی تناسب اراضی است. برای این منظور بایستی، ابتدا معیارهای اقلیمی و خصوصیات خاک تاثیر گذار در تولید، شناسایی شوند. همچنین با توجه به تنوع و عدم تساوی درجه اهمیت این معیارها، اولویتبندی آنها کاری ضروری است. این تحقیق با هدف شناسایی و اولویتبندی معیارهای تاثیرگذار در تولید خرما و ارزیابی تناسب اراضی برای کاشت نخل خرمای رقم کبکاب در استان بوشهر با استفاده از فرآیند تحلیل سلسله مراتبی انجام گردید.
مواد و روشها: ابتدا زیرمعیارهای اقلیمی و خصوصیات فیزیکی و شیمیایی خاک تاثیر گذار در تولید محصول خرما، با استفاده از بررسی منابع علمی و انجام مطالعات خاکشناسی در مناطق مورد مطالعه، شناسایی و تعیین شدند. سپس ماتریس مقایسات زوجی در قالب روش فرآیند تحلیل سلسله مراتبی، تشکیل و براساس دیدگاه و نظر کارشناسان خبره، درجه اهمیت نسبی این زیرمعیارها تعیین گردید. در مرحله بعد وزن نسبی هر کدام از زیرمعیارها با استفاده از روش تقریبی میانگین حسابی محاسبه و بر اساس آن، اولویتبندی آنها انجام گرفت و در نهایت کلاسهای کیفی تناسب اراضی برای کاشت نخل خرمای رقم کبکاب با استفاده از فرآیند تحلیل سلسله مراتبی تعیین گردید.
یاقتهها: نتایج نشان داد مهمترین زیرمعیارهای اقلیمی تاثیر گذار در تولید محصول خرما عبارتند از: طول فصل خشک، تعداد روزهای با بارندگی بیش از 5 میلی متر در مرحله رسیدگی میوه، میانگین دما طی سیکل رشد، گلدهی و رسیدگی میوه، مجموع نیاز گرمایی از مرحله گلدهی تا رسیدگی میوه، میانگین رطوبت نسبی سیکل رشد و تشکیل میوه، میانگین ساعات آفتابی و تعداد ماههای سال با میانگین سرعت باد بیش از 5 متر بر ثانیه طی سیکل رشد. همچنین نتایج اولویتبندی زیرمعیارهای اقلیمی با استفاده از فرآیند تحلیل سلسله مراتبی، نشان داد در بین عوامل اقلیمی تاثیر گذار در ارزیابی تناسب اراضی برای کاشت خرما، میانگین دمای مرحله گلدهی با وزن نسبی 161/0 و تعداد ماههای سال با میانگین سرعت باد بیش از 5 متر بر ثانیه طی مرحله سیکل رشد با وزن نسبی 08/0 به ترتیب دارای بیشترین و کمترین درجه اهمیت میباشند. نتایج بررسی منابع علمی و انحام مطالعه خاکشناسی در مناطق مورد مطالعه، برای شناسایی زیرمعیارهای مربوط به خصوصیات فیزیکی و شیمیایی خاک مؤثر بر تولید خرما، نشان داد مهمترین این زیرمعیارها، عبارتند از: بافت خاک، میزان آهک، میزان گچ، اسیدیته، میزان کربن آلی، میزان پتاسیم قابل جذب، شوری و قلیائیت (نسبت جذب سدیم). و بر اساس نتایج اولویتبندی زیرمعیارهای خاک، شوری با وزن نسبی 27/0 و میزان گچ با وزن نسبی 041/0 به ترتیب دارای بیشترین و کمترین درجه اهمیت میباشند. نتایج ارزیابی کیفی تناسب اراضی با استفاده از روش AHP، نشان میدهد 75 درصد مناطق مورد مطالعه در استان بوشهر برای کاشت نخل خرمای رقم کبکاب، خیلی مناسب بوده و در کلاس تناسب S1 و 25 درصد نسبتاً مناسب بوده و در کلاس تناسب S2قرار میگیرند.
نتیجهگیری: بر اساس نتایج این تحقیق، توصیه میشود در انتخاب مکان مناسب کاشت نخل خرما به عوامل دما در طی مرحله گلدهی و شوری خاک، اهمیت و توجه زیادی داده شود.
واژه های کلیدی: نخل خرما، تناسب اراضی، تحلیل سلسله مراتبی، اولویتبندی- چکیده انگلیسی: ABSTRACT
Background and objectives: One of the ways to identification of land production capacity and appropriate use choice with that is land evaluation performance. For this purpose must first climatic criteria and soil characteristics affecting the production to be identified. Also, considering to diversity and inequality in importance degree of criteria, ranking of them is essential. This research aim to identification, ranking of effective criteria in date production and land suitability evaluation for planting of Date palm cv Kabkob in Bousher province, using analytical hierarchy process (AHP) carried out.
Materials and methods: At first, climatic subcriteria and soil physical and chemical characteristics affecting date production were identified by literature review and soil studies in studied area. Then, pairwise comparison matrix was made over analytical hierarchy process and the relative importance degree of these subcriteria was determined by excellent experts. In the weight calculation step, the approximation method was used to produce a relative weight of each of subcriteria. Then this subcriteria, based on their relative weight, ranked. Finally, land suitability evaluation for planting of date palm cv Kabkob in studied area of Bousher province, using AHP approach, carried out.
Results: The result showed that the most important of climatic subcriteria affecting date palm production including to length of dry season, number of days with precipitation index > 5 mm/day in repining period, average daily temperature (°C) at vegetative cycle, flowering and repining stage, heat requirement sum during the period of flowering, fruit formation and repining period, mean RH during the vegetative cycle and fruit formation period, insulation mean (n) and number of months where the wind speed is > 5 m/s during vegetative cycle. Also the result of climatic subcriteria ranking by using AHP approach showed that, temperature mean in flowering stage and numbers of months of year with wind speed mean more than 5 m/s in vegetative cycle stage with relative weights 0.161 and 0.08 have the highest and the lowest importance degree, respectively. The result showed that the most important of soil physical and chemical characteristics affecting date palm production were identified by literature review and soil studies in studied area including to soil texture, calcium carbonate content, gypsum content, acidity, organic carbon, available potassium, soil salinity (EC) and alkalinity (SAR). Base on the result of soil subcriteria ranking, soil salinity (EC) and gypsum content with relative weights 0.27 and 0.041 have the highest and the lowest importance degree, respectively. Also the result of land suitability evaluation showed that 75 percents of studied area in Bousher Provence are very suitable and 25 percents are moderately suitable for planting of date palm cv Kabkob.
Conclusion: According to the results of this research, is recommended for suitable site selection for date palm planting to temperature mean in flowering stage and soil salinity, much attention and importance to be given.
Keywords: Date palm, Land suitability, AHP, ranking- انتشار مقاله: 10-07-1395
- نویسندگان: حجت دیالمی,جواد گیوی,مهدی نادری خوراستگانی,محمود احمدپور,روح اله تقی زاده مهرجردی
- مشاهده
- جایگاه : پژوهشی
- مجله: تحقیقات اقتصاد کشاورزی
- نوع مقاله: Journal Article
- کلمات کلیدی: شبکه های عصبی مصنوعی,الگوریتم ژنتیک,مصرف انرژی,برنامه ریزی ژنتیک,بخش کشاورزی ایران
- چکیده: هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی مذکور با مدلهای شبکهی عصبی مصنوعی و برنامهریزی ژنتیک، از شاخصهای ارزیابی خطای استاندارد نسبی، میانگین خطا، میانگین قدر مطلق درصد خطا و مجذور میانگین مربعات خطا استفاده شد. نتایج ارزیابی نشان داد که الگوی ترکیبی شبکههای عصبی و الگوریتم ژنتیک، نسبت به مدل شبکه عصبی مصنوعی و برنامهریزی ژنتیک دارای بالاترین دقت در پیشبینی تقاضای انرژی بخش کشاورزی کشور میباشد. پیشنهاد میشود در تحقیقات آتی با استفاده از مدل ترکیبی مذکور به پیشبینی مصرف انرژی در سایر بخشهای اقتصادی پرداخته شود و کارایی آن سنجیده شود.
- چکیده انگلیسی: Evaluating hybrid model of artificial neural networks and genetic algorithms for forecasting consumption of energy in Iran agricultural sector
- انتشار مقاله: 09-09-1394
- نویسندگان: روح اله تقی زاده مهرجردی,احمد فتاحی اردکانی,محمدحسین طهاری,حمید بابایی
- مشاهده
- جایگاه : پژوهشی
- مجله: مجله پژوهشهای حفاظت آب و خاک
- نوع مقاله: Journal Article
- کلمات کلیدی: کاربری اراضی,شبکه عصبی مصنوعی,مدل رقومی ارتفاع,تصویر ماهوارهای
- چکیده: سابقه و هدف: فرسایشپذیری خاک یکی از خصوصیات بسیار مهم خاک میباشد که بررسی تغییرات مکانی آن، جهت مدیریت زراعی، تخریب اراضی و مطالعات زیست محیطی حائز اهمیت میباشد. بنابراین اطلاع از تغییرپذیری مکانی فرسایشپذیری خاک نقش مهمی در مدلسازی فرسایش آبی دارد. بررسی تغییرات فرسایشپذیری خاک به شیوههای مرسوم گران و زمانبر است . لذا یکی از راههای حل این چالش استفاده از نقشهبرداری رقومی خاک است که میتواند خصوصیات خاک را با استفاده از دادههای کمکی و مدلهای دادهکاوی به صورت رقومی پیشبینی کند. هدف از این تحقیق استفاده از مدلهای شبکه عصبی مصنوعی و جنگل تصادفی و دادههای کمکی برای تهیه نقشه فرسایشپذیری خاک میباشد.
مواد و روش: با استفاده از روش نمونهبرداری تصادفی طبقهبندی، تعداد 100 نمونه خاک از عمق 30-0 سانتیمتری خاکهای منطقه دهگلان استان کردستان (با وسعت 48701 هکتار) برداشت شده و خصوصیت بافت خاک، شن ریز، کربن آلی، نفوذپذیری، ساختمان خاک و فرسایشپذیری خاک (با استفاده از معادله ویشمایر و اسمیت) اندازهگیری و محاسبه شد. متغیرهای محیطی در این پژوهش اجزاء سرزمین و دادههای تصویر +ETM بودند. پارامترهای سرزمین ( شامل 15 پارامتر) و شاخص رس و شاخص گیاهی نرمال شده (NDVI) به ترتیب با استفاده از نرمافزار SAGA و ArcGIS10.3 محاسبه و استخراج گردید. جهت ارتباط بین فرسایشپذیری خاک و متغیرهای کمکی از مدلهای جنگل تصادفی و شبکه عصبی مصنوعی بهره گرفته شد و با استفاده از روش اعتبارسنجی دوجانبه مورد ارزیابی قرار گرفت. در نهایت نقشه شوری خاک با استفاده از مدل بهتر تهیه شد.
یافتهها: برای پیشبینی فرسایشپذیری خاک، متغیرهای کمکی شامل شاخص خیسی، شاخص همواری دره، شیب، شاخص رس، شاخص NDVI و باند 7 مهمترین بودند. نتایج این تحقیق نشان داد که دو مدل (شبکه عصبی مصنوعی با 80/0، 003/0 و 021/ و جنگل تصادفی با 76/0، 005/0 و 024/ به ترتیب0برای ضریب تبیین، میانگین خطا و میانگین ریشه مربعات خطا) دارای دقت نزدیک بههم برای پیشبینی فرسایشپذیری خاک بودند. فرسایشپذیری خاک در محدوه بین 05/0 -0 تن ساعت بر مگا ژول میلیمتر قرار داشت و بیشترین مقادیر فرسایشپذیری خاک در مناطق مرتفع جنوبی با شیب زیاد و پوشش گیاهی کم مشاهده شد. در کلاس شیب بیشتر از 10 درصد فرسایشپذیری خاک بیشتر از سایر کلاسهای شیب بود. همچنین کلاس شیب بیشتر از 10 درصد، دارای کمترین مقادیر دادههای کمکی شامل شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا، شاخص رس و باند7 و بیشترین مقدار شاخص NDVI بود.
نتیجه گیری: در پژوهش حاضر از مدلهای شبکه عصبی مصنوعی و جنگل تصادفی جهت بررسی تغییرات مکانی فرسایشپذیری خاک در منطقه دهگلان استان کردستان استفاده شد. میزان فرسایشپذیری خاک در کلاس شیب >10% در مقایسه با سایر کلاسهای شیب بیشتر بود. شاخص NDVI مهمترین متغیر کمکی در پیش بینی فرسایشپذیری خاک در منطقه بود. همچنین شبکه عصبی مصنوعی و جنگل تصادفی بر اساس نتایج شاخصهای آماری شامل ضریب تبیین، میانگین خطا و میانگین ریشه مربعات خطا ( به ترتیب 80/0، 003/0 و 021/ برای شبکه عصبی مصنوعی و 76/0، 005/0 و 024 برای جنگل تصادفی) برآورد دقیقی از فرسایشپذیری خاک داشتند. پیشنهاد میگردد جهت نقشهبرداری رقومی خصوصیات خاک و به روز کردن نقشههای قدیمی از تکنیکهای پدومتری (همچون مدل شبکه عصبی مصنوعی و جنگل تصادفی) و دادههای کمکی اجزاء سرزمین و تصاویر ماهوارهای استفاده شود. همچنین پیشنهاد میگردد که فرسایشپذیری خاک مستقیماً اندازه گیری شده و نتایج آن با این مطالعه مقایسه گردد.- چکیده انگلیسی: Background and Objectives: Soil erodibility is one of the most important soil properties which investigation of its spatial variability is essential to crop management, land degradation and environmental studies. Therefore, information about spatial variability of soil erodibility has important role to modeling of water erosion. Investigation of variability of soil erodibility using traditional methods is expensive and time consuming. Therefore, one of the ways to solve this challenge is using digital soil mapping that digitally can predict soil characteristics using auxiliary data and data mining models. The aim of this research is using artificial neural network (ANN) and random forest (RF) models and auxiliary data to make soil erodibility map.
Materials and Methods: Using stratified random soil sampling method 100 soil samples in depths 0-30 cm of Dehgolan soils, Kurdistan Province (covers 48710 ha) were taken and soil texture, fin sand, infiltration, soil structure and soil erodibility (using Wischmeier and Smith equation) were measured and computed. Auxiliary data in this study were terrain attributes and Landsat ETM+ data. Terrain parameters (include 15 parameters) and clay index (SI) and normalized difference vegetative index (NDVI) were computed and extracted using SAGA and ArcGIS10.3 software, respectively. To make a relationship between soil erodibility and auxiliary data, RF and ANN models were applied and were validated using cross validation method. Finally, soil salinity map were made using better model.
Results: To prediction of soil erodibility, auxiliary variables include wetness index, Multi-resolution Valley Bottom Flatness (MrVBF), slope, clay index, NDVI index and B7 were the most important. The results of the study showed that two models (0.80, 0.003 and 0.021 for ANN and 0.76, 0.005 and 0.024 RF for determination of coefficient, mean error, and root mean square root, respectively) were closely matched to predict soil erodibility. Soil erodibility content ranged between 0 to 0.05 t h MJ-1mm-1 and the highest its contents were observed in southern high regions with high slope and low vegetation. In slope class > 10 % soil erodibility was higher than other slope classes. Slope class > 10 % also had the lowest contents of auxiliary data including Wetness index, MrVBF, clay index and band 7 and the highest content of NDVI index .
Conclusion: In this research to investigate spatial variability of soil erodibility ANN and RF models was used in Dehgolan region, Kurdistan province. Soil erodibility content was higher in slope class > 10 % compared to other slope classes. NDVI index was the most important auxiliary data to predict soil erodibility of the study area. ANN and RF also based on the results of statistics indices including determination of coefficient, mean error, and root mean square root (0.80, 0.003 and 0.021 for ANN and 0.76, 0.005 and 0.024 for RF) had accurate estimation of soil erodibility. It is suggested using pedometric techniques such as ANN model and auxiliary data of terrain attributes and satellite images to digital mapping of soil properties and updating old maps. It is suggested also direct measurement of soil erodibility and its result will be compared to this study.- انتشار مقاله: 20-03-1396
- نویسندگان: فریبا گلمحمدی,کمال نبی اللهی,روح اله تقی زاده مهرجردی,مسعود داوری
- مشاهده