نیاز به استفاده بهینه از اراضی کشاورزی، به دلیل افزایش بسیار زیاد جمعیت و کمبود آب در مناطق خشک و نیمه خشک، در حال حاضر، بیش از پیش احساس می گردد. در این راستا، ارزیابی کیفی تناسب اراضی و تخمین پتانسیل تولید آنها، گام مهمی در فرآیند برنامه ریزی استفاده بهینه از اراضی به حساب می آید. صرفه اقتصادی نیز یکی از عوامل مهمی است که کشاورزان را ترغیب می کند تا نسبت به کشت یک محصول اقدام کنند. بنابر این علاوه بر ارزیابی کیفی و کمی، می توان بر اساس مقدار سود خالص یا ناخالص در واحد سطح، از نظر اقتصادی نیز تناسب اراضی را مورد ارزیابی قرار داد. این تحقیق به منظور انجام ارزیابی کیفی، کمی و اقتصادی تناسب اراضی منطقه شهرکرد برای ذرت علوفه ای، مقایسه دو مدل فائو و واگنینگن در تعیین پتانسیل تولید و تعیین سطح مدیریت انجام گرفت. برای نیل بدین مقصود، با انطباق خصوصیات اراضی با نیازهای رویشی گیاه مورد نظر، از طریق روش های محدودیت ساده و پارامتریک و با استفاده از نرم افزار ales، کلاس تناسب واحدهای اراضی برای ذرت علوفه ای تعیین گردید. برای ساختن مدل در نرم افزار ales، روش محدودیت ساده به کار رفت. یک بانک اطلاعاتی دربرگیرنده واحدهای خاک، خصوصیات خاک و نیازهای رویشی ذرت علوفه ای در محیط نرم افزار ایجاد و سپس اطلاعات مربوط به خصوصیات اراضی با نیازهای رویشی ذرت علوفه ای انطباق داده شد. پتانسیل حرارتی- تابشی تولید ذرت علوفه ای آبی به کمک دو مدل فائو و واگنینگن برآورد شد.سپس پتانسیل تولید اراضی با ضرب کردن شاخص خاک در پتانسیل حرارتی- تابشی تولید، محاسبه گردید. شاخص خاک که نشان دهنده اثر مشخصات محدود کننده آن در کاهش تولید است، از دو فرمول استوری و ریشه دوم بدست آمد. در نهایت، از طریق روش های نرخ بازده داخلی، سود ناخالص، ارزش فعلی خالص و نسبت منفعت به هزینه، با استفاده از نرم افزار ales، کلاس تناسب اقتصادی واحدهای اراضی برای ذرت علوفه ای تعیین گردید. برای ساختن مدل در نرم افزار ales، یک بانک اطلاعاتی در بر گیرنده واحدهای خاک، خصوصیات خاک، نیازهای رویشی ذرت علوفه ای، عملکرد، نرخ بازده وام بانکی، هزینه های ثابت و متغیر و قیمت فروش هر واحد ذرت علوفه ای در محیط نرم افزار ایجاد و سپس کلاس تناسب اقتصادی تعیین شد. نتایج نشان داد که وقتی از نرم افزار ales استفاده می شود و زمانی که در روش پارامتریک، فرمول ریشه دوم به کار می رود، اغلب واحدهای اراضی برای کشت آبی ذرت علوفه ای، در زیر کلاس تناسب کیفی (s2c) قرار می گیرند. زمانی که فرمول استوری مورد استفاده قرار می گیرد، اغلب واحدهای اراضی به علت ضرب درجات تناسب و نه به خاطر محدودیت هر یک از مشخصات اراضی، دارای تناسب بحرانی (s3c) می شوند. بیشترین محدودیت را برای کشت آبی ذرت علوفه ای در منطقه مورد مطالعه، متوسط درجه حرارت حداقل سیکل رشد و نسبت تعداد ساعات آفتابی به طول روز در مرحله رشد رویشی ایجاد می کنند و در بعضی واحدهای اراضی، ph خاک نیز عامل محدود کننده تولید به حساب می آید. پتانسیل حرارتی- تابشی ذرت علوفه ای آبی که از طریق مدل فائو بدست می آید بیشتر از مقدار پتانسیلی است که با استفاده از مدل واگنینگن محاسبه می گردد. سطح مدیریت در اغلب واحدهای اراضی بالا است. ارتباط خطی قوی بین پتانسیل تولید اراضی و عملکرد زارعین نشان می دهد که روشهائی که در این تحقیق برای پیش بینی پتانسیل تولید اراضی به کار رفته اند، روشهای قابل قبولی هستند. برای هر دو مدل، استفاده از فرمول استوری برای محاسبه شاخص خاک، ارجحیت دارد. در ارزیابی اقتصادی وقتی روش ارزش فعلی خالص به کار می رود، اغلب واحدهای اراضی، در زیر کلاس تناسب (s2) قرار می گیرند و زمانی که از سه روش دیگر استفاده می گردد، کلاس تناسب اقتصادی تمامی واحدهای اراضی (s1) می گردد. کلاس تناسب اقتصادی به دست آمده بر مبنای روش محاسبه سود ناخالص، بدون استفاده از نرم افزار ales، در 40% واحدهای اراضی، (s2) و در 60% آنها (s1) می باشد. نتایج تعیین کلاس تناسب اقتصادی به کمک نرم افزار ales بر مبنای روش محاسبه ارزش فعلی خالص با طبقه بندی کیفی تناسب اراضی مطابقت بیشتری دارد.

چکیده ارزیابی اراضی شیوه ای است که توسط آن می توان اراضی را براساس خصوصیات و پتانسیل ها و وجود یا عدم وجود محدودیت ها به منظور استفاده برای کاربری های مختلف طبقه بندی نمود. به منظور طبقه بندی اراضی برای استفاده های کشاورزی و منابع طبیعی، مهمترین ملاک و فاکتور، تولید یا عملکرد محصول مورد نظر در آن اراضی است. بهترین روش ارزیابی روشی است که بتواند بین مشخصات اراضی که در تولید محصول دخالت دارند، با عملکرد و یا پتانسیل محصول ارتباط برقرار نماید. روش های نوین ارزیابی اراضی شامل روش های مختلف مدل سازی است که در آن با استفاده از تکنیک هایی توانایی مدل ها در تعیین این ارتباط آزمون می گردد. این مطالعه با هدف بررسی اثر پستی و بلندی بر خصوصیات خاک و عملکرد محصول گندم دیم و تعیین رابطه بین این خصوصیات و پارامترهای اقلیمی و مدیریت با عملکرد گندم دیم با استفاده از مدل های آماری، هوشمند و پویا و پیش بینی عملکرد محصول گندم دیم در چهار منطقه زاگرس مرکزی طراحی گردید. برای این منظور سه مطالعه اجرا گردید. در مطالعه اول تأثیر پستی و بلندی و موقعیت شیب بر خصوصیات مختلف خاک و عملکرد محصول گندم دیم بررسی گردید. نتایج نشان داد که پستی و بلندی بر خصوصیات خاک موثر بوده و موقعیت شیب باعث ایجاد تنوع در خصوصیات خاک شده است. مدل سازی عمق خاک با استفاده از ویژگی های توپوگرافی نشان داد که درجه شیب به عنوان مهم ترین پیش بینی کننده و بعد از آن شاخص رطوبت، سطح حوضه و شاخص انتقال رسوب به عنوان ویژگی های مهم توپوگرافی در پیش بینی عمق خاک موثر بودند. نتایج نشان داد که عملکرد دانه و زیست توده گندم همبستگی مثبت و بسیار معنی داری با درصد اشباع و ماده آلی خاک و همبستگی منفی و بسیار معنی داری با درصد شن دارد. همچنین نتایج نشان داد که موقعیت شیب تأثیر معنی داری بر عملکرد دانه و زیست توده گندم دیم دارد. مناسب ترین موقعیت شیب برای تولید محصول گندم دیم موقعیت پنجه شیب و نامناسب ترین موقعیت، شانه شیب بود. در مطالعه دوم مدل سازی عملکرد دانه و زیست توده هوایی گندم دیم به کمک مدل های آماری و هوشمند انجام شد. برای این منظور داده های خصوصیات خاک، ویژگی های توپوگرافی، پارامتر اقلیمی بارش هفتگی و پارامتر مدیریتی علف های هرز به عنوان ورودی ها و عملکرد دانه و زیست توده گندم به عنوان خروجی های مدل ها در سه سناریو در نظر گرفته شد. نتایج سناریوی اول نشان داد که، مدل های شبکه عصبی مصنوعی دقت بهتر و بیش تری در پیش بینی عملکرد دانه و زیست توده گندم دیم نسبت به مدل های ماشین بردار پشتیبان و مدل های آماری داشته و دارای r2 بیش تر و rmse کم تر بودند. براساس نتایج آنالیز حساسیت، مهم ترین پارامترهای موثر در عملکرد دانه و زیست توده گندم دیم فاکتورهایی بودند که میزان آب در خاک را کنترل می کنند. علاوه بر آن برخی خصوصیات حاصل خیزی خاک نظیر نیتروژن کل خاک برای تولید دانه گندم و پتاسیم قابل جذب خاک برای تولید زیست توده هوایی گندم جزء فاکتورهای خیلی مهم شناخته شدند. نتایج سناریوی دوم نشان داد که، به دلیل متفاوت بودن متغیرهای موثر در هر مدل، مدل های آماری توسعه داده شده در پیش بینی عملکرد گندم، فقط برای محدوده هر منطقه کارایی داشته و تعمیم آنها به دیگر مناطق صحیح نیست. نتایج سناریوی سوم نشان داد که، مدل های شبکه عصبی مصنوعی در پیش بینی هر دو عملکرد دانه و زیست توده هوایی در چهار منطقه مورد مطالعه از توانایی بیش تری نسبت به مدل های رگرسیون چند متغیره برخوردار بودند. در مطالعه سوم واسنجی، اعتبارسنجی و ارزیابی مدل پویای dssat در پیش بینی عملکرد گندم دیم انجام شد. برای این منظور ضرائب ژنتیکی گندم رقم سرداری با استفاده از اندازه گیری های مزرعه آزمایشی تعیین و از این طریق مدل واسنجی شد. با استفاده از داده های مزارع آزمایشی دیگر عمل اعتبارسنجی مدل انجام شد و ارزیابی مدل با مقایسه شاخص های آماری صورت گرفت. نتایج نشان داد که مدل ceres-wheat توانایی قابل قبولی در شبیه سازی مراحل رشد و پیش بینی عملکرد دانه گندم در موقعیت های پنجه و پای شیب داشته ولی برای تأثیر پستی و بلندی بر عملکرد نیاز به اصلاح بعضی مدول ها دارد.