ارزیابی تناسب اراضی مبتنی بر رویکرد تلفیقی شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی در دشت قوچان - شیروان
- سال انتشار: 1394
- محل انتشار: چهارمین همایش سراسری کشاورزی و منابع طبیعی پایدار
- کد COI اختصاصی: NACONF04_031
- زبان مقاله: فارسی
- تعداد مشاهده: 650
نویسندگان
دانشکده کشاورزی، دانشگاه آزاد اسلامی - واحد مشهد
گروه علوم و مهندسی خاک، دانشگاه تهران
دانشکده کشاورزی، دانشگاه آزاد اسلامی - واحد مشهد
چکیده
در مطالعه حا ضر به منظور ارزیابی تنا سب ارا ض ی برای ک شت گندم از روش ارزیابی چند عامله بر اساس مدل شبکه هایعصبی مصنوعی استفاده گردید. در این روش، فاکتورهای موثر بر عملکرد گندم شامل خصوصیات اقلیمی مورد نیاز، کیفیات وخصوصیات اراضی بر اساس جداول نیازهای اقلیمی و خاکی محصول گندم مستخرج از راهنمای سایز و همکاران ( 1993 ) باویژگی های اقلیمی و فیزیکو شیمیایی و حاصلخیزی خاک منطقه مورد مطالعه ، مقایسه و درجه هر یک از فاکتورها تعیینگردید. سپس بر اساس روش پارامتریک، شاخص تناسب اراضی در هر یک از واحدهای اراضی در منطقه مورد مطالعه تعیینو به عنوان متغیرهای ورودی شبکه در الگوریتم محاسباتی شبکه های عصبی مصنوعی تحت یادگیری و آموزش سیستم قرارگرفت. پس از تحقق فرآیند یادگیری و آموزش شبکه، پیش بینی مقادیر شاخص تناسب اراضی طی فرآیند تعمیم پذیری مدلشبکه های عصبی مصنوعی محاسبه گردید. سپس با استفاده از سیستم اطلاعات جغرافیایی (GIS) نقشه پهنه بندی کلاس های تناسب اراضی برای کشت گندم به روش میان یابی عکس وزنی فاصله (IDW) تهیه شد. بر اساس نقشه پهنه بندی تناسب اراضی برای کشت گندم، منطقه مورد مطالعه در کلاس تناسب متوسط ((S(2) قرار دارد.کلیدواژه ها
تناسب اراضی، روش پارامتریک، شبکه های عصبی مصنوعی، گندممقالات مرتبط جدید
- بررسی راهبردهای ترویج انرژی های پاک در بین گلخانه داران استان البرز
- مطالعه اثر روش های مختلف خاک ورزی بر عملکرد و برخی صفات سه رقم عدس دیم
- Machine Vision Approach Coupled with a Hybrid EHD-Convective Dryer to Model Khalal Slices Drying Process with ANFIS
- انتخاب مناسب دور موتور و نوع سوخت از لحاظ ویژگیهای عملکردی موتورهای دیزلی با استفاده از روش های تصمیم سازی
- پتانسیل سنجی تولید زیستگاز از پسماندهای کشاورزی و فضولات دامی در شهرستان اهواز
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.