برآورد عملکرد برنج با استفاده از روش‏ های زمین‏ آماری، شبکه های عصبی مصنوعی و رگرسیون چندگانه در شالیزارهای لشت نشای استان گیلان

چکیده پیش‏بینی عملکرد محصولات زراعی به‏دلیل اهمیتی که در برنامه‏ریزی اقتصادی دارند، همواره مورد توجه‏ی پژوهشگران بوده است. در این پژوهش سعی شده است تا ضمن پهنه‏بندی مکانی ویژگی‏های خاک با استفاده از تخمینگر زمین‏آماری کریجینگ، عملکرد محصول برنج توسط مدل‏های شبکه‏ی عصبی مصنوعی و رگرسیون چندگانه در شالیزارهای لشت‏نشای استان گیلان برآورد شود. برای این منظور، موقعیت 100 نقطه-ی مطالعاتی به طور تصادفی در مزارعی با عملکرد مختلف برنج بر روی نقشه‏ی توپوگرافی با مقیاس 1:25000 تعیین شدند. در مرحله‏ی بعد با مراجعه به صحرا در زمان برداشت محصول، توسط سامانه ی موقعیت‏یاب جهانی (gps) محل هر یک از نقاط مطالعاتی مشخص شدند. سپس از عمق صفر تا 30 سانتی متری خاک آن‏ها نمونه‏برداری گردید و نمونه‏های مذکور برای انجام تجزیه‏های فیزیکی و شیمیایی به آزمایشگاه منتقل شدند. هم‏زمان عملکرد ساقه و خوشه‏‏ی برنج نیز در مربعی به ابعاد 50 ×50 سانتی متر (مساحت 2500 سانتی‏متر مربع) اطراف هر نقطه‏ی مطالعاتی به کمک ترازو اندازه‏گیری شد. پس از پهنه‏بندی مکانی ویژگی‏های خاک توسط تخمینگر زمین‏آماری کریجینگ، فسفر قابل استفاده، درصد ماده‏ی آلی، قابلیت هدایت الکتریکی عصاره‏ی اشباع خاک و واکنش خاک توسط مدل‏های شبکه‏‏ی عصبی مصنوعی و رگرسیون چندگانه به‏عنوان مهم‏ترین ویژگی‏های موثر در عملکرد برنج تعیین شدند و عملکرد محصول بر اساس آن‏ها توسط مدل‏های مورد مطالعه برآورد گردید. برای ارزیابی دقت مدل‏های کلاسیک و نسبتاً نوین در تخمین عملکرد محصول از شاخص‏های آماری میانگین خطا (me)، میانگین خطای مطلق (mae)، جذر میانگین مربعات خطا (rmse)، کفایت مدل (mef) و جذر میانگین مربعات خطای استاندارد (rmsse) استفاده شد. بررسی مقادیر به‏دست آمده از شاخص‏های مذکور برای دو مدل مذکور نشان داد که مدل نوین شبکه‏های عصبی مصنوعی کارایی بیشتری در تخمین مکانی عملکرد برنج نسبت به روش‏ رگرسیون چندگانه دارد.