فاطمه میرزایی ندوشن؛ سعید مرید؛ صالح ارشد
دوره 11، شماره 3 ، آذر 1389، ، صفحه 1-14
چکیده
خشکسالی کشاورزی در سالهای اخیر خسارات زیادی به کشور وارد ساخته است که باید تلاش کرد تا با استفاده از مدیریت منطقی، حتیالامکان خسارات ناشی از آن را کاهش داد. بدین منظور لازم است تا مناطق متاثر از این بلا مقایسه شوند و در اولویت اقدامات مدیریتی قرار گیرند. در این مقاله برای تحلیل ریسک خشکسالی کشاورزی و مقایسة آن در شهرستانهای ...
بیشتر
خشکسالی کشاورزی در سالهای اخیر خسارات زیادی به کشور وارد ساخته است که باید تلاش کرد تا با استفاده از مدیریت منطقی، حتیالامکان خسارات ناشی از آن را کاهش داد. بدین منظور لازم است تا مناطق متاثر از این بلا مقایسه شوند و در اولویت اقدامات مدیریتی قرار گیرند. در این مقاله برای تحلیل ریسک خشکسالی کشاورزی و مقایسة آن در شهرستانهای استان کرمانشاه یک روش شناسی بر پایة آمار و اطلاعات کشت دیم گندم توسعه داده شده است. بدین منظور با استفاده از روشهای رگرسیون و سیستم فازی- عصبی (ANFIS) مدلی برای براورد عملکرد محصول با ورودی شاخصهای خشکسالی تهیه شد که پس از بررسیهای لازم، شاخصهای خشکسالی SPI و Z-index به عنوان ورودی و مدل ANFIS انتخاب شدند. سپس جهت براورد توزیع احتمالاتی عملکرد، از شبیهسازی مونت کارلو استفاده و ریسک خشکسالی در شهرستانهای منطقة مورد مطالعه که استان کرمانشاه بود، براورد شد. نتایج نشان داد که به طور نسبی شهرستان هرسین بیشترین و شهرستان سنقر کمترین ریسک را در مواجهه با خشکسالی دارد.
صالح ارشد؛ سعید مرید؛ محمدرضا مباشری؛ مجید آقا علیخانی
دوره 9، شماره 3 ، آذر 1387، ، صفحه 1-22
چکیده
در سالهای اخیر پدیده خشکسالی خسارتهای فراوانی به بخش کشاورزی کشور وارد آورده که وجود یک سیستم پیش آگاهی از تأثیر آنبر محصولات کشاورزی را برای کمک به سیاستگذاران و ذینفعان ضروریمیسازد. در این تحقیق، مدلی برای ارزیابی پیشبینی آسیب ناشی از خشکسالی کشاورزی برای استان کرمانشاه با استفاده از روشهای آماری و هوشمند توسعه ...
بیشتر
در سالهای اخیر پدیده خشکسالی خسارتهای فراوانی به بخش کشاورزی کشور وارد آورده که وجود یک سیستم پیش آگاهی از تأثیر آنبر محصولات کشاورزی را برای کمک به سیاستگذاران و ذینفعان ضروریمیسازد. در این تحقیق، مدلی برای ارزیابی پیشبینی آسیب ناشی از خشکسالی کشاورزی برای استان کرمانشاه با استفاده از روشهای آماری و هوشمند توسعه یافته است. این مدل بهطور خاص برای محصول گندم دیم است و میتواند خود را همراه با رشد گیاه و در مراحل مختلف فنولوژیک بهنگام کند. در فرایند توسعة مدل، از شاخصهای خشکسالی PDSI، Z-index، CMI، SPI و EDI استفاده و جهت انتخاب متغیرهای مناسب، روشهای الگوریتم ژنتیک، و شبکة مصنوعی عصبی بهکار گرفته شد. نتایج نشان میدهد که شاخص Z-index نسبت به بقیه شاخصها آسیب ممکن را بهتر پیشبینی میکند. همچنین، مدل با گذشت زمان در مراحل مختلف بحرانی رشد از برازش بهتری برخوردار میشود و بهخصوص از مرحلة سوم به بعد، سطح معنیداری روابط به 1 درصد رسیده و نتایج پیشبینی قابل اتکا میشود. همچنین، اتصال مدل به محیط سامانه اطلاعات جغرافیایی قابلیتهای آن را برای تحلیلهای لازم مکانی و ارائة کارآمدتر نتایج ارتقاء نمود.