چکیده
متغیرهای آب و هوایی بویژه بارندگی در سال زراعی نقش اصلی را در پیش‌بینی عملکردمحصول ایفا می‌کنند. هدف ازاین تحقیق جستجوی روابط ممکن بین پارامترهای هواشناسی وشاخصهای خشکسالی ازیکطرف وعملکرد محصول ازطرف دیگرمیباشد. جستجوی این روابط به روشهای آماری کلاسیک وروش شبکه عصبی مصنوعی ومقایسه نتایج این دوازاهداف اصلی دیگر این پژوهش است .
دراین تحقیق عملکرد محصول جوآبی ودیم بعنوان پارامترهای وابسته و پارامترهای هواشناسی وشاخصهای خشکسالی بعنوان پارامترهای مستقل در نظر گرفته شده و تلاش شده است که با بررسی اثر متقابل انها برهم ، موثر ترین پارامترها برعملکرد در منطقه آذربایجان شرقی (شهرهای تبریزومیانه ) معرفی گردند.
در این تحقیق پارامترهای هواشناسی موردبررسی عبارتنداز:
بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط ، مجموع دماهای بیش از 10 درجه سانتیگراد، تبخیر، فشار بخار آب هوا ، متوسط سرعت باد و تعداد ساعتهای آفتابی در دوره رشد محصول ودرسالهای زراعی موردبررسی
وشاخصهای خشکسالی محاسبه شده تحقیق عبارتنداز :
شاخص درصدازنرمال(PNPI) ، شاخص بارندگی سالانه استاندارد) (SIAP ، شاخص هیدروترمال) (HT تغییریافته ، شاخص نگوین) (Km، شاخص ترانسو) (Ihتغییریافته ، شاخص استانداردشده بارش) (SPI ، شاخص رطوبتی شاشکو) (mdو شاخص ناهنجاری بارش) (RAI
در ابتدا پارامترهای هواشناسی وشاخصهای خشکسالی ،قبل از بررسی روابط موجود بین آنها وراندمان محصول، از نظر نرمال بودن وهم راستایی (اثرمتقابل ) سنجش شدند.
درکل برای شهرهای تبریز ومیانه با دوره آماری 30 سال و 17 سال تحلیل همبستگی یک و چندمتغیره بین عملکردمحصول جوبا پارامترهای هواشناسی وشاخصهای خشکسالی در حالات مختلف آزمون گردید و نتایج بشرح زیر است :
1) بهترین رابطه در آمار کلاسیک مدلهای چند متغیره زیر میباشند که همگی در سطح اطمینان 99 درصد معنی دارند:
Y(abi-Tabriz-30) = - 4.45 + 0.570 wind + 0.00135 E + 0.101 Tmin
(R-Sq = 72.7% , R-Sq(adj)= 69.5%)
-------------------------------------------------------------------------------------
Y(deim-Tabriz-17) = - 3.52 + 0.0641 RH + 0.376 wind - 0.487 K + 0.0374 SPI 24
(R-Sq = 76.6% , R-Sq(adj) = 68.8%)
-------------------------------------------------------------------------------------
Y(deim-miane-17) = 0.02 - 0.00103 T>=10 + 0.00981 P + 0.658 wind - 0.00109 sunshine - 0.403 K
(R-Sq = 76.8% , R-Sq(adj)= 66.3%)
-------------------------------------------------------------------------------------
همانطور که مشاهده میشود ، پارامترهای سرعت متوسط باد وشاخص خشکسالی نگوین دارای تاثیر بیشتری بر عملکرد میباشند .
2) بهترین مدل شبکه عصبی مدل چند متغیره بین پارامترهای متوسط دمای مینیمم،تعداد ساعات آفتابی، شاخص ناهنجاری بارش ، شاخص ترانسو تغییر یافته و شاخص استاندارد شده بارش 24 ماهه و عملکرد جو دیم در تبریز با دوره آماری 30 سال میباشد.
3) جهت پیش بینی عملکرد محصول، مدلهای چند متغیره بسیار بهتر از مدلهای یک متغیره میباشند .
4)دراین پژوهش 75 درصد، مدلهای شبکه عصبی بهتر از مدلهای مشابه در آمار کلاسیک بوده اند .ازاینرو روش شبکه عصبی جهت پایش خشکسالی کشاورزی و پیش بینی عملکرد محصول توصیه میشود .
5) عوامل بسیار موثر در یافتن مدل بهینه در شبکه عصبی عبارتند از :
تعداد لایه های میانی ، تعداد نرونهای لایه های میانی ، نوع تابع Transfer Function که در این تحقیق بیشتر توابع از دو نوع Tangent HyperbolicوDNNA بوده اند و نرخ یادگیری لایه خروجی . بقیه عوامل ثابت و پیش فرض شبکه بوده اند.
6) جهت بررسی کمی تاثیر خشکسالی در عملکرد محصول بهتر است ابتدا شاخصهای خشکسالی و پارامترهای هواشناسی موثرتر با روش آمار کلاسیک انتخاب و سپس با روش شبکه عصبی اقدام به پیش بینی عملکرد محصول گردد .