توسعه توابع توليد غلات مهم دشت قزوين در شرايط كم آبي و تنش شوري با استفاده از مدل AquaCrop و شبكه عصبي مصنوعي

در بهره‌برداري از آب‌هاي با كيفيت پايين در مناطق خشك و نيمه خشك، مديريت آبياري براي افزايش بهره‌وري مصرف آب ضروري مي‌باشد. ﺗﻌﯿﯿﻦ ﺗﺎﺑﻊ توليد آب ﺷﻮري ﻋﻤﻠﮑﺮد ابزار مهمي براي مديريت آبياري است. در اين پژوهش، توانايي مدل گياهي AquaCrop در مديريت هاي مختلف آبياري و در سطوح مختلف شوري براي غلات عمده دشت قزوين شامل گندم، جو و ذرت ارزيابي شد. نتايج بررسي، ضريب تبيين را براي عملكرد گندم، جو و ذرت به ترتيب 0/97، 0/86 و 0/91 نشان داد. بنابراين مدل مزبور در شرايط شوري و كم‏آبياري با تقريب خوبي مي‌تواند عملكرد را ارزيابي نمايد. براي تعيين توابع توليد بهينه هر محصول نتايج مدل گياهي با سه مدل رگرسيون‏ ﺧﻄﯽ، غيرخطي و همچنين شبكه عصبي مصنوعي مقايسه گرديد. ﻧﺘﺎﯾﺞ ﻧﺸﺎن داد ﮐﻪ مدل شبكه عصبي توانست عملكرد را نسبت به مدل AquaCrop با همبستگي بالا (0/99) برآورد نمايد. در صورتي كه اين مقادير در تابع خطي براي گياه گندم و جو و ذرت به ترتيب0/98، 0/95، 0/78 و در تابع نمايي 0/92، 0/86 و 0/81 بود. همچنين، خطاي محاسبه شده در روش شبكه عصبي براي گياه گندم، جو، ذرت به ترتيب 40/16، 62/09 و 87/08 كيلوگرم بود كه اين ميزان به ترتيب در مقايسه با مدل خطي 75%، 70% و 95% و نسبت به مدل نمايي 90%، 85% و 93% كاهش داشت. بهترين شبكه آموزش ديده براي تعيين تابع توليد آب شوري  براي جو و گندم پنج نرون و براي ذرت هفت نرون در ساختار شبكه‌ي تك لايه معرفي گرديد. تحليل حساسيت به كار رفته براي گياهان گندم وجو نشان داد كه مدل‏هاي رگرسيون خطي، نمايي و شبكه عصبي نسبت به پارامتر مقدار آب آبياري و ميزان شوري آب و خاك حساسيت كم دارند و تنها حساسيت گياه ذرت نسبت به پارامتر شوري خاك در محدوده متوسط قرار گرفت.