ارزيابي و مدل سازي روند مصرف انرژي، عملكرد و ميزان انتشارات گلخانه اي در توليد نخودآبي استان اصفهان

Assessment and Modeling of Energy Consumption, Yield and Greenhouse Gas Emissions of Irrigated Chickpea Production in Isfahan Province

ين مطالعه به منظور بررسي و مدل سازي ميزان انرژي مصرفي و انتشارات گازهاي گلخانه اي در كشت نخود آبي در استان اصفهان توسط مدل پرسپترون چند لايه اي شبكه ي عصبي مصنوعي اجرا گرديد. ميزان هر يك از نهاده هاي مصرفي در توليد محصول، از 110 توليدكنند ه ي نخود آبي به شكل تصادفي توسط پرسش نامه جمع آوري گرديد. كل انرژي مصرفي، عملكرد محصول و نسبت انرژي در توليد نخود آبي به ترتيب برابر با 18/33211 مگاژول بر هكتار، 36/2276 كيلوگرم بر هكتار و 02/1 محاسبه گرديد. كود نيتروژن با 9808 مگاژول بر هكتار بيشترين ميزان انرژي مصرفي را به خود اختصاص داد. كل انتشارات گازهاي گلخانه اي برابر 20/965 كيلوگرم معادل كربن دي اكسيد بر هكتار محاسبه گرديد كه الكتريسيته و سوخت ديزل به ترتيب با 36% و 34% بيشترين سهم را از كل انتشارات گلخانه اي داشتند. مدل شبكه ي عصبي مصنوعي با آرايش 2-7-13 به عنوان بهترين مدل براي پيش بيني عملكرد و كل انتشارات گلخانه اي شناخته شد. بر اساس اين مدل، مقدار ضريب تبيين در پيش بيني عملكرد محصول و كل انتشارات گلخانه اي به ترتيب برابر با 0/929 و 0/979 تعيين شد. نتايج تحليل حساسيت مدل نيز نشان داد كه نهاده ي ماشين هاي كشاورزي بيشترين اثر را بر عملكرد و ميزان انتشارات گلخانه اي داشته است.

This study was conducted to investigate and model the energy consumption and greenhouse gas emissions of irrigated chickpea cultivation in Isfahan province using multilayer perceptron artificial neural network (ANN). The amount of each consumed inputs in production were collected from 110 producers of chickpea randomly by a questionnaire. The total energy consumption, product yield and energy ratio in chickpea production were calculated as 33211.18 MJ/ha, 2276.36 kg/ha, and 1.02, respectively. Nitrogen fertilizer with 9808 MJ/ha had the highest amount of consumed energy. Total greenhouse gas (GHG) emissions were calculated 965.20 kg CO2eq. ha-, in which, electricity and diesel fuel had the highest amount of total GHG emissions with 36% and 34%, respectively. An ANN model with 13-7-2 topology was recognized as the best model for prediction of yield and total GHG emissions. Based on this ANN model, the values of determination coefficient in prediction of yield and total GHG emissions were determined as 0.929 and 0.979, respectively. The results of sensitivity analysis of the model showed that agricultural machinery inputs had the highest impact on yield and total GHG emissions.