Skip to main content
SUPERVISOR
امیراحمد دهقانی (استاد مشاور) حسین خادمی موغاری (استاد مشاور) شمس اله ایوبی (استاد راهنما) احمد جلالیان (استاد راهنما)
 
STUDENT
Mojtaba Norouzi Masir
مجتبی نوروزی مصیر

FACULTY - DEPARTMENT

دانشکده کشاورزی
DEGREE
Master of Science (MSc)
YEAR
1385

TITLE

Prediction of Rainfed Wheat Yield Using Artificial Neural Network in Ardal District of Chaharmahal and Bakhtiari Province
Understanding the variability in crop yield and identification of the factors affecting crop yield is necessary to achieve sustainable increase in agricultural productivity in agro-ecosystems. Crop production systems become very complex in rainfed conditions under variable topography. Knowledge of the relationships between topographical parameters, soil properties, management factor and crop yield can be used for developing appropriate management practices for enhanced productivity of the dry land production systems. In rolling landscapes, topography is the most important factor controlling soil water redistribution and physicochemical soil properties that affect plant growth and yield. Wheat ( Triticum aestivum ) is the most important crop that can be grown in the arid and semiarid regions of Asia . Little investigation has been made to identify important factors that influence wheat production using non-linear statistical approaches in the semiarid hilly regions. Moreover, no attempt has been made to predict the variability in grain protein of wheat in the hilly regions. Therefore, the objectives of this study were to predict biomass, grain yield, thousand seed weight and grain protein of wheat in hilly regions under rainfed agriculture using ANN model and to identify the most important edaphic and topography parameters affecting the variability of wheat yield in the semiarid region of western Iran . The study was conducted on a farmer–operated wheat field in 900ha size, located in Ardal district of Chaharmahal and Bakhtiari province, west of Iran . The study area is located within 50 ° 12 ? to 50 ° 37 ? E longitude and 31 ° 58 ? to 32 ° 03 ? N latitude. The mean elevation of the area is approximately 1860m above the sea level. The mean annual temperature at the site is 15 ْ C. The average annual precipitation is 600 mm which mainly falls from November through April. The hillslopes of the study area have been developed by extensive dissection of sedimentary Eocene deposits and have 20-30% lateral slope. Generally, the soil texture is silty clay and silty clay loam in the 0-30 cm soil layer; and the soils of the study area are dominantly path="m,l,21600r21600,l21600,xe" o:spt="202" coordsize="21600,21600" as curvature, wetness index and stream power index that related to moisture distribution over the
سال های زیادی است که توجه محققین و دانشمندان کشاورزی به این مهم مشغول است که افزایش سریع جمعیت و بالا رفتن مصرف سرانه به دلیل بهبود سطح زندگی، نیاز ما را به محصولات کشاورزی و صنایع جانبی آن بیشتر می کند. از سویی دیگر نظر به اهمیت بررسی وضعیت کشت محصولات مختلف برای سیاست گذاری و برنامه ریزی در بخش کشاورزی، مطالعه عوامل مؤثر در امر تولیدات کشاورزی و از جمله مهمترین آنها یعنی خاک، ضروری و مهم به نظر می رسد. یکی از عوامل مؤثر در ثبات یا عدم ثبات خصوصیات خاک در زمین های زراعی، پستی و بلندی و مخصوصاً عامل شیب می باشد. چنین وضعیتی به خصوص در اراضی دیم منطقه اردل مشاهده می گردد به صورتی که بخش اعظمی از اراضی این منطقه متأثر از عوامل پستی و بلندی می باشد. بنابراین شناخت و آگاهی از این پارامترها از نظر تأثیر بر عملکرد محصولات مهم نظیر گندم جهت تولید بهینه و به صرفه و دستیابی به توسعه ای پایدار در زمینه کشاورزی امری لازم و ضروری به نظر می رسد. این تحقیق در اراضی زراعی تحت کشت گندم دیم در منطقه اردل استان چهارمحال و بختیاری، به منظور ایجاد مدل های رگرسیونی و شبکه های عصبی مصنوعی بین محصول و شاخص های پستی و بلندی، خصوصیات فیزیکوشیمیایی خاک و فاکتور مدیریتی وزن علف هرز و تعیین مهمترین فاکتورهای ادافیکی و توپوگرافی مؤثر بر مؤلفه های عملکرد گندم دیم، اجرا شده است. نمونه برداری از محصول گندم به طریق تصادفی طبقه بندی شده و جمعاً در 100 نقطه در منطقه ای به وسعت 900 هکتار به وسیله پلات با ابعاد 1×1 متر و با استفاده از GPS به گونه ای انجام شد که توزیع سطوح ژئومرفیک مختلف را پوشش دهد. سپس مدل رقومی ارتفاع منطقه در پیکسل هایی به ابعاد 3×3 متر تهیه و از روی آن ویژگی های پستی و بلندی محاسبه شد. نتایج نشان داد که روش شبکه عصبی دارای دقت بیشتری در برآورد مؤلفه های عملکرد گندم دیم نسبت به روش رگرسیون چند متغیره می باشد به گونه ای که مدل‌های شبکه عصبی مصنوعی توانستند 86 تا 95 درصد از تغییرپذیری مؤلفه های عملکرد گندم دیم در منطقه مورد مطالعه را با استفاده از خصوصیات ادافیکی و توپوگرافی پیش‌بینی نمایند. پارامترهای پستی و بلندی شاخص انتقال رسوب و شیب که مرتبط با فرآیندهای فرسایشی و خصوصیات هیدرولوژیکی زمین نما نظیر انحنای زمین، شاخص رطوبتی و شاخص قدرت جریان که مرتبط با توزیع رطوبت در سطح زمین نما می باشند، به عنوان مهمترین فاکتورهای مؤثر بر تغییرپذیری مؤلفه های عملکرد گندم دیم در این منطقه شناخته شدند. همچنین نتایج حاصل از این تحقیق نشان داد که علاوه بر پارامترهای توپوگرافی، تغییرپذیری مؤلفه های عملکرد گندم دیم در منطقه مورد مطالعه با خصوصیاتی از خاک که مرتبط با ظرفیت نگهداری آب، زهکشی و عناصر غذایی هستند، رابطه دارد که این خصوصیات شامل ماده آلی، مقدار رس، پایداری خاکدانه، نیتروژن کل، پتاسیم ق

ارتقاء امنیت وب با وف بومی