ذرت علوفه ای
ارسال شده توسط tondar6000 5 سال پیش

⚠️ گزارش تخلف

افزايش روزافزون تقاضاي محصولات کشاورزي و افزايش فشار بر منابع آب و خاک از يک سو و مشکلات دستيابي به داده هاي ميداني از سوي ديگر، ضرورت استفاده از مدل هاي مناسب براي پيش بيني عملکرد محصولات کشاورزي را نمايان مي سازد. در اين ميان مدل هاي کامپيوتري امکان بررسي استراتژي هاي مختلف مديريتي را فراهم آورده اند. هدف اصلي اين پژوهش تعيين حداقل پارامترهاي ورودي مورد نياز براي تعيين عملکرد ذرت علوفه اي به کمک شبکه هاي عصبي مصنوعي و نيز کاربرد اين نوع از شبکه ها براي پيش بيني عملکرد ذرت علوفه اي در سطوح مختلف آب و کود نيتروژني مي باشد. بدين منظور داده هاي آزمايشي مزرعه اي ذرت علوفه اي در چهار سطح آبياري 0.7، 0.85، 1 و 1.13 آب مورد نياز گياه (ETc) و سه سطح کودي صفر، 150 و 200 کيلوگرم نيتروژن در هکتار مورد استفاده قرار گرفت. نتايج نشان داد زماني که حداقل سه پارامتر آب آبياري، کود نيتروژني و درجه روز رشد به عنوان ورودي به مدل شبکه عصبي مصنوعي معرفي شوند اين مدل قادر به پيش بيني عملکرد ماده خشک ذرت علوفه اي با دقت بالايي مي باشد. بهترين اعتبار سنجي اين مدل، در گام دهم آموزش و با ميانگين مربعات خطاي 0.003 حاصل شد. همچنين نتايج آناليز حساسيت حاکي از آن بود که درجه روز رشد با ضريب حساسيت 9.96، مهمترين پارامتر موثر بر پيش بيني عملکرد ذرت علوفه اي مي باشد و پس از آن ميزان آب آبياري با ضريب حساسيت 2.07 قرار مي گيرد. افزودن پارامترهاي تشعشع خورشيدي و رطوبت نسبي متوسط به ورودي ها سبب کاهش ميزان ميانگين مربعات خطا يا به عبارتي افزايش دقت مدل در روند آموزش شبکه مي شوند.