پیش بینی فصلی به روش تلفیقی بازنمونه گیری k-نزدیک ترین همسایه و مدل CERES-Wheat در کشت گندم دیم

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 389

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AGRIMET-6-2_003

تاریخ نمایه سازی: 20 خرداد 1398

چکیده مقاله:

اطلاع از شرایط آب و هوایی فصل پیش رو امکان اتخاذ راهبردهای مدیریتی متناسب در مزرعه را فراهم ساخته و در کاهش هزینه ها و ریسک تولید نقش مهمی ایفا نماید. در این مطالعه، به منظور پیش بینی فصلی عوامل جوی و انتخاب دو گزینه مدیریت زراعی (تاریخ کاشت و مصرف نیتروژن) برای فصل آتی در شهرستان ایذه در استان خوزستان، از روش  kنزدیک ترین همسایه (k-NN) اصلاح شده و مدل شبیه ساز رشد و نمو گندم CERES-Wheat استفاده شد. نتایج نشان داد که روش k-NN برای پیش بینی شرایط آب و هوایی و مدل CERES-Wheat جهت شبیه سازی عملکرد گندم از دقت مناسبی برخوردارند. از تلفیق روش پیش بینی فصلی k-NN با مدل CERES-Wheat تاریخ کاشت مناسب گندم دیم در منطقه مطالعاتی، بین 5 آبان تا اوایل آذر تعیین شد. مقدار نیتروژن مصرفی در سال های کم باران و سال های نرمال به ترتیب 50 و 150 کیلوگرم در هکتار پیشنهاد می گردد. این رهیافت می تواند به عنوان یک ابزار پشتیبان تصمیم در مدیریت زراعت دیم پیش از آغاز سال فصل زراعی در سایر مناطق اقلیمی مورد استفاده قرار گیرد.

نویسندگان

سید بهرام اندرزیان

عضو هیئت علمی، سازمان تحقیقات ل، آموزش و ترویج کشاورزی، مزکز تحقیقات و آموزش کشاورزی خوزستان

ایمان بابائیان

مرکز ملی اقلیم شناسی مشهد

بهنام اندرزیان

دانشجوی کارشناسی ارشد امنیت سایبری، دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Andarzian, B., Hoogenboom, G., Bannayan, M., Shirali, M., Andarzian, B. ...
  • Asseng, S., Mclntosh, P. C., Wang, G., Khimashia, N. 2012. ...
  • Bannayan, M., Eyshi Rezaei, E., Hoogenboom, G. 2013. Determining optimum ...
  • Bannayan, M., Hoogenboom, G. 2007. Daily weather sequence prediction realization ...
  • Bannayan, M., Hoogenboom, G. 2008. Weather Analogue: a tool for ...
  • Brandsma, T., Konnen, G. P. 2006. Application of nearest-neighbor resampling ...
  • Brandsma, T., Buishand, T. A. 1998. Simulation of extreme precipitation ...
  • Capa-Morocho, M., Ines, A., Amor, V. M., Baethgeen, W. E., ...
  • Dumont, B., Basso, B., Leemans, V., Bodson, B., Destain, J. ...
  • Farooq, M., Bramley, H., Palata, J. A., Siddique, K. H. ...
  • Gangopadhyay, S. M., Rajagopalan, C. B. 2005. Statistical downscaling using ...
  • Hunt, L. A., Pararajasingham, S., Jones, J. W., Hoogenboom, G., ...
  • Johen, T., Boettcher, U., Kage, H. 2012. A variable thermal ...
  • Jones, J. W., Hoogenboom, G., Porter, C. H., Boot, K. ...
  • Kelmm, T., Mcpherson, R. A. 2017. The development of seasonal ...
  • Marletto, V., Ventura, F., Fontana, G., Tomei, F. 2007. Wheat ...
  • Mvromatis, T. 2016. Spatial resolution effects on crop yield forecasts: ...
  • Porter, J. R., Gawith, M., 1999. Temperature and growth and ...
  • Raes, D., Sithole, A., Markarau, A., Milford, J. 2004. Evaluation ...
  • Roel, A., Baethegan, W. E., 2007. Towards the development of ...
  • forecasts in uruguayan rice production sector. In: Hansen, J.W., Sivakumar, ...
  • Semenov, M. A., Doblas-Reyes, F. J,. Martre, P. 2007. Utility ...
  • Sharif, M., Burn, D. H., 2005. Simulating climate change scenarios ...
  • Spiertz, J. H. J., Hamer, R. J., Xu, H., Primo-Martin, ...
  • Thorp, K. R., Hunsaker, D. J., French, A. N., White, ...
  • Wahid, A., Gelani, S., Ashraf, M., Foolad, M. R., 2007. ...
  • Yates D., Gangopadhyay, S., Rajagopalan, B., Strzepek, K. 2003. A ...
  • Zahedi, M., Jenner, C. F., 2003. Analysis of effects in ...
  • Zinyengere, N., Mhiza, T., Mashonjowa, E., Chipindu, B., Geerts, S., ...
  • نمایش کامل مراجع