چکیده:
پژوهش حاضر با هدف پیش بینی میزان عملکرد گندم آبی و دیم با روش های زمین آمار کریجینگ و شبکهی عصبی مصنوعی در سطح استان خراسان رضوی انجام گرفت. بدین منظور نخست مشخصات طول و عرض جغرافیایی هفده شهرستان مورد مطالعه، به عنوان ورودی های هر دو روش تعریف شد. خروجی هر روش نیز مقدار عملکرد گندم آبی و دیم هر شهرستان بود. در بخش زمین آمار سه روش کریجینگ معمولی، کریجینگ ساده و کریجنگ عمومی و در بخش شبکهی عصبی مصنوعی، ساختار پرسپترون سهلایه با الگوریتم پس انتشار خطا، مورد ارزیابی قرار گرفت. نتایج نشان دادند در بین روش های زمین آمار، روش کریجینگ ساده با نیمتغییرنمای دایرهای در پیش بینی عملکرد گندم آبی با مجذور میانگین مربعات خطای نرمال 120/0 و روش کریجینگ معمولی با نیم تغییرنمای نمایی و مجذور میانگین مربعات خطای نرمال 348/0 در پیش بینی عملکرد گندم دیم مناسب بود. مقایسهی نتایج زمین آمار و شبکهی عصبی مصنوعی بیانگر توانایی بالای شبکهی عصبی در مقابل روش زمین آمار کریجینگ بود، بهطوری که در شبکهی عصبی مصنوعی عملکرد گندم دیم و آبی به ترتیب با 46 و 42 درصد خطای کمتر نسبت به روش زمین آمار برآورد شد. همچنین محاسبهی شاخص ویلموت نشان داد دقت شبکهی عصبی در پیش بینی عملکرد گندم دیم، 81 درصد و در گندم آبی 65 درصد بود. در حالی که شاخص ویلموت برای پیش بینی عملکرد گندم دیم و آبی به روش زمین آمار، به ترتیب 53 درصد و 50 درصد به دست آمد. درمجموع می توان چنین نتیجه گرفت که روش شبکهی عصبی مصنوعی با تلفیق دو عامل طول و عرض جغرافیایی، قادر به پیش بینی عملکرد گندم آبی و دیم پیش از برداشت با دقت مناسب است.
خلاصه ماشینی:
"بنابراین اهداف این پژوهش،پیشبینی میزان عملکرد گندم آبی و دیم تولیدی با روشهای زمین آمار کریجینگ و شبکهی عصبی مصنوعی، تجزیه و تحلیل الگوی تغییرات مکانی عملکرد گندم با ویژگیهای طول و عرض جغرافیایی،تهیهی نقشههای پراکنش مکانی و بررسی میزان تغییرپذیری عملکرد در سطح زمینهای گندمکاری استان خراسان رضوی است.
(به تصویر صفحه مراجعه شود) همانگونه که جدول شمارهی 3 نشان میدهد،مناسبترین روش برآورد عملکرد گندم آبی و دیم در روشهای زمین آمار براساس معیارهای خطای برآورد،به ترتیب روش کریجینگ ساده و معمولی است.
نتایج آمارههای محاسبه شده در شبکهی عصبی مصنوعی(جدول شمارهی 3)،بیانگر دقت قابل توجه شبکهی عصبی مصنوعی در برآورد عملکرد گندم دیم(0/188- ESMRN )است که خطای آن 46 درصد کمتر از خطای روش کریجینگ معمولی،به عنوان روش برتر زمین آمار است.
بحث و نتیجهگیری هدف این پژوهش،تعیین روش مناسب برای پیشبینی مقدار عملکرد گندم آبی و دیم استان خراسان رضوی به کمک روش شبکهی عصبی مصنوعی و روش زمین آمار کریجینگ و در نهایت پهنهبندی آن است.
بررسیها انجام شده با لحاظ شاخص ویلموت نشان داد،مدل شبکهی عصبی در مقایسه با روش زمین آمار کریجینگ،برای پیشبینی مقدار عملکرد گندم آبی و دیم منطقه خراسان رضوی از دقت بالاتری برخوردار است.
اگرچه در مدل نهایی میتوان از عوامل اقلیمی مانند بارش و دما،به عنوان متغیرهای ثانویه یا کمکی در قالب روش کوکریجینگ یا روش شبکهی عصبی با بیش از دو نرون اطلاعاتی در لایهی ورودی نیز کمک گرفت،اما تعمیم کاربرد روشهای ارائه شده در این پژوهش و به کارگیری عوامل اقلیمی در مدلسازی عملکرد،نیازمند مقایسه با اندازهگیریهای بیشتر در اقلیمهای مختلف و محصولات گوناگون است."