با افزایش روزافزون جمعیت و نیاز به مواد غذایی، گندم به عنوان محصولی با بیشترین سطح زیر کشت و تولید سالانه در مقیاس جهانی از اهمیت ویژه‌ای برخوردار بوده است لذا شناسایی و معرفی مناطق مساعد کشت آن در هر منطقه ضروری است. استان کرمانشاه به‌عنوان محدوده مورد مطالعه یکی از مناطق حاصلخیزی است که بیشترین کشت گندم را در بین محصولات زراعی دارد. بدین منظور در این مطالعه از شبکه عصبی پرسپترون چندلایه (MLP) با الگوریتم آموزش لونبرگ- مارکوات جهت شناسایی و معرفی مناطق مساعد کشت گندیم دیم استفاده شد. لایه‌های ورودی شبکه شامل 12 لایه؛ کاربری اراضی، میانگین بارندگی سالانه، میانگین بارندگی فصل پاییز، میانگین بارندگی فصل بهار، میانگین دمای سالانه، میانگین دمای فصل بهار، میانگین دمای فصل پاییز، شیب، جهت شیب، ارتفاع از سطح دریا، رطوبت نسبی، درجه- روز است. لایه‌های مربوط به بارندگی و دما به ترتیب با استفاده از داده‌های ایستگاه‌های باران‌سنجی و سینوپتیک و عمل درون‌یابی در محیط ArcGIS تهیه شدند. لایه های وابسته به ارتفاع نیز با استفاده از DEM با قدرت تفکیک 30×30 متر IRS استخراج شدند. ابتدا به منظور تعیین فضای جست وجو الگوریتم شبکه عصبی، مناطق غیر قابل کشت تعیین و از کل لایه های ورودی حذف گردید. 210 مکان مناسب کشت به عنوان نقاط آموزشی شبکه تهیه شد. در نهایت کلاس مناطق غیر قابل کشت که 15% و نتایج حاصل از مدل شامل پنج کلاس بسیار مساعد، مساعد، نسبتاً مساعد، نامساعد و بسیار نامساعد که به ترتیب 5/4، 14/8، 24، 22/5 و 18/3 درصد از کل مساحت استان را به خود اختصاص داده‌اند، تعیین شد. همچنین ضریب رگرسیون کلی 91 درصدی شبکه که حاصل شرکت کلیه داده در شبکه است، بیانگر کارای بالای شبکه عصبی پرسپترون چندلایه در این پهنه‌ بندی است. پرونده مقاله

کسب آگاهی و دانش در رابطه با برآورد میزان محصولات می‌تواند نقش مهمی را در مدیریت اراضی کشاورزی و برآورد میزان تولید خالص ایفا کند. امروزه تکنیک‌های سنجش از دور به عنوان یک ابزار مدیریتی برای بسیاری از عناوین و موضوعات مورد توجه می‌باشد. ترکیب نتایج حاصل از مشاهدات و اندازه‌گیری‌های زمینی با این تکنیک‌ها می‌تواند با فراهم آوردن داده‌های به‌هنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده‌ای در تمامی بخش‌ها از جمله کشاورزی داشته است و مسیر رسیدن به کشاورزی دقیق را آسان‌تر کند. در پژوهش حاضر سعی برآن بوده که با استفاده از داده‌های زمینی موجود از 37 قطعه زمین زراعی و داده‌های ماهواره‌ای سنجش از دور و روش‌های آماری، مدل‌سازی و برآوردی دقیق از میزان محصول گندم در منطقه گیلان‌غرب ارائه گردد. لذا جهت بررسی ویژگی‌ها و فرآیندهای رشد در طول دوره‌ی کاشت تا برداشت محصول، از داده‌های سنجنده OLI، و برای نمایش تغییرات زیست توده از شاخص NDVI استفاده شده است. با ترسیم منحنی رشد گندم، ارتباط بین پارامترهای هندسی محاسبه شده از نمودار دوره رشد محصول (مساحت زیر نمودار، ماکزیمم، انحراف‌معیار، چولگی و کشیدگی) و میزان محصول مشخص شده است، که این قسمت به نوعی جز نوآوری‌های تحقیق است. در نهایت با اعمال روش تحلیل عاملی با روش PCA روی پارامترها، با ایجاد رابطه رگرسیون خطی، میزان خطا برای هر یک از پارامترها بطور مجزا حساب شده است. با مقایسه نتایج یک رابطه رگرسیونی با بدست آمد. با استفاده از روش تحلیل عاملی میزان به میزان 04/0 افزایش داده شد و به مقدار 69/0 رسید. پرونده مقاله

پرونده مقاله