الهام رحمانی
عبدالمجید لیاقت
علی خلیلی

دراین تحقیق ابتداپارامترهای هواشناسی شامل بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط، مجموع دماهای بیش از ۱۰ درجه سانتیگراد، تبخیر، فشار بخار آب هوا، متوسط سرعت باد، تعداد ساعتهای آفتابی ورطوبت نسبی هوا در دوره رشد محصول وشاخصهای خشکسالی شامل شاخص درصدازنرمال(PNPI)، شاخص بارندگی سالانه استانداردSIAP) (، شاخص هیدروترمال) (HT تغییریافته، شاخص نگوین) (Km، شاخص ترانسو) (Ihتغییریافته ، شاخص استانداردشده بارش) (SPI، شاخص رطوبتی شاشکو) (mdو شاخص ناهنجاری بارش( RAI ) درایستگاههای تبریزومیانه، از نظر نرمال بودن وهم راستایی سنجش شدند. سپس بااستفاده از شبکه عصبی مصنوعی، مدلهای بهینه بین عملکردمحصول جو با پارامترهای هواشناسی وشاخصهای خشکسالی بدست آمد. ازبین مدلهای تهیه شده، مدل با پنج ورودی شامل متوسط دمای مینیمم، تعداد ساعات آفتابی، شاخص ناهنجاری بارش ، شاخص ترانسو تغییر یافته و شاخص استاندارد شده بارش ۲۴ ماهه مربوط به ایستگاه تبریز با دوره آماری ۳۰ سال به عنوان بهترین مدل برای پیش بینی عملکرد جودر منطقه شناخته شد. از بین شاخصهای مطالعه شده، شاخصهای نگوین، ترانسو تغییر یافته، استاندارد شده بارش ۲۴ ماهه و ناهنجاری بارش بیشترین همبستگی را با عملکرد نشان دادند. این تحقیق همچنین نشان داد که به دلیل بالا بودن ضریب تبیین مدل بهینه، روش شبکه عصبی در پیش بینی عملکرد از کارآیی قابل قبولی برخوردار است و ازاینرو برای تخمین خشکسالی کشاورزی و پیش بینی عملکرد محصول توصیه می شود.

Calcareous soil, conveniently measurable soil properties, inflection point, Pedo-transfer functions, Saline soil, Soil Moisture Retention Curve, Soil quality