CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۰ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: JR_GIRS-8-4_003
زبان مقاله: فارسی
حجم فایل: ۵.۸۴ مگابات (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکه عصبی مصنوعی

  میلاد باقری - دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشگاه تهران
  محمدرضا جلوخانی نیارکی - استادیار دانشکده جغرافیا، دانشگاه تهران
  کیوان باقری - دانشجوی دکتری سنجش از دور و GIS، دانشگاه تهران

چکیده مقاله:

با افزایش روزافزون جمعیت و نیاز به مواد غذایی، گندم به­عنوان محصولی با بیشترین سطح زیر کشت و تولید سالانه در مقیاس جهانی از اهمیت ویژه ای برخوردار بوده است لذا شناسایی و معرفی مناطق مساعد کشت آن در هر منطقه ضروری است. استان کرمانشاه به عنوان 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. لایه های 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. لایه های مربوط به بارندگی و دما به ترتیب با استفاده از داده های ایستگاه های باران سنجی و سینوپتیک و عمل درون یابی 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 جست­وجو 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، نسبتا 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 داده اند، 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.

کلیدواژه‌ها:

گندم, شبکه عصبی, پهنه بندی, پرسپترون چندلایه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_GIRS-JR_GIRS-8-4_003.html
کد COI مقاله: JR_GIRS-8-4_003

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
باقری, میلاد؛ محمدرضا جلوخانی نیارکی و کیوان باقری، ۱۳۹۶، بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکه عصبی مصنوعی، فصلنامه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی 8 (4)، https://www.civilica.com/Paper-JR_GIRS-JR_GIRS-8-4_003.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (باقری, میلاد؛ محمدرضا جلوخانی نیارکی و کیوان باقری، ۱۳۹۶)
برای بار دوم به بعد: (باقری؛ جلوخانی نیارکی و باقری، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • عینی، ح.، س. صادقی و س. ر. حسین­زاده. ۱۳۹۱. پهنه ...
  • کمالی، غ. ع.، ع. صدقیانی­پور، ع. صداقت­کردار و ا. عسکری. ...
  • Brink R, Young A. 1977. A framework for land evaluation. ...
  • Fischer G, Van Velthuizen H, Shah M, Nachtergaele FO. 2002. ...
  • Ghaffari A. 2000. Application of GIS and crop simulation modelling ...
  • Huang H-C, Hwang R-C, Hsieh J-G. 2002. A new artificial ...
  • Jalili Ghazi Zade M, Noori R. 2008. Prediction of municipal ...
  • Jarvis C, Stuart N, Hims M. 2002. Towards a British ...
  • Khan M, De Bie C, Van Keulen H, Smaling E, ...
  • Khush GS. 2005. What it will take to feed 5.0 ...
  • Kiartzis S, Bakirtzis A, Petridis V. 1995. Short-term load forecasting ...
  • Molden D. 2007. Water for food, water for life: a ...
  • Noori R, Karbassi A, Mehdizadeh H, Vesali‐Naseh M, Sabahi M. ...
  • Noori R, Khakpour A, Omidvar B, Farokhnia A. 2010. Comparison ...
  • Reilly DL, Cooper LN. 1995. An overview of neural networks: ...
  • Sadras VO, McDonald G. 2012. Water use efficiency of grain ...
  • Sharda R. 1994. Neural networks for the MS/OR analyst: An ...
  • Shen S, Yang S, Li B, Tan B, Li Z, ...
  • Subasi A, Ercelebi E. 2005. Classification of EEG signals using ...
  • Tucker CJ. 1979. Red and photographic infrared linear combinations for ...
  • Yilmaz I. 2009. Landslide susceptibility mapping using frequency ratio, logistic ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۰۱۲۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > گندم
  • کشاورزی > کشاورزی دیم
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.