كاربرد شبكه هاي عصبي مصنوعي و GIS در تخمين پارامترهاي موثر در تعيين الگوي كشت (مطالعه موردي : شهرستان نهاوند)

Applying ANN and GIS for estimation of effective parameters in determination of plant pattern (Case Study: Nahavand City)

يكي از مهم ترين مسايل پيش روي كشاورزي فارياب، تدوين الگوي كشت بهينه مي باشد. در اين راستا تخمين پارامترهاي موثر بر كميت و كيفيت آب قابل دسترس به عنوان يكي از مولفه هاي حايز اهميت در اتخاذ تصميمات مديريتي در پيشرفت و توسعه كشاورزي پايدار امري ضروري است. در اين مطالعه از تكنيك شبكه هاي عصبي مصنوعي براي تخمين سطح آب چاه هاي پيزومتري و همچنين عوامل موثر بر كيفيت آب (EC , SAR) مورد استفاده براي كشاورزي بهره گرفته شده است. بدين منظور از داده هاي ماهانه برداشت شده سطح آب چاه هاي پيزومتري در طي 7 سال و داده هاي مربوط به كيفيت آب در طول 4 سال در دشت نهاوند استفاده شد. همچنين تراز سطح آب زير زميني شهرستان نهاوند در سال86-1385با استفاده از سامانه اطلاعات مكاني ترسيم شد. كارايي مدل توسط معيارهاي آماري شامل ضريب تعيين (R2) ، ريشه مربع ميانگين خطا(RMSE) و ميانگين قدرمطلق خطا (MAE) مورد ارزيابي قرار گرفت. نتايج برآمده نشان داد كه ضريب R2 براي تخمين سطح آب چاه هاي پيزومتري برابر 98/0 و براي SARو EC به ترتيب برابر با 991/0 و 990/0 بودند. نتايج فوق بيانگر توانايي مناسب شبكه هاي عصبي مصنوعي به عنوان تكنيكي برتر براي شبيه سازي پارامترهاي كمي وكيفي موثر در تعيين الگوي كشت بود. همچنين نتايج حاصل از ترسيم مكاني سطح آب زيرزميني توسط سامانه اطلاعات جغرافيايي حاكي از كمبود منابع آب هاي زير سطحي در اين منطقه بود .