حسنی محمدی منور

کشت برنج در منطقه شمال کشور یکی از محصولات مهم محسوب می شود. با توجه به این عمده برنج کشور از این منطقه تامین می شود، پیش بینی سطح کشت نقش مهمی را می تواند در تامین آن در کشور ایفا نماید. استفاده از اطلاعات ماهواره ای و سنجش از دور این موضوع را محقق می کند. از این رو تفکیک اراضی برنج و پیش بینی شاخص NDVI در استان های مازندران و گیلان با استفاده ازتصاویر ماهواره ای سنجنده های سنتینل1,سنتیل2و لندست8 تصاویر ماهواره ای طی سال های 2016تا2019 انجام شد وبا برنامه نویسی سامانه google earth engine اراضی برنج با ضریب کاپای 97درصد تفکیک گردید. همچنین اطلاعات ماهواره MODIS از سال‫های 2001 تا 2020 برای این دو استان اخذ شد. مدل های سری زمانی ARIMA، ERTH، PROPHET، MARS و ETS برای پیش بینی شاخص NDVI مورد قیاس قرار گرفت. نتایج نشان داد که در استان مازندران مدل ARIMAبه دلیل بالاترین ضرایبR2(97/0)وکوچکترین ضرایب خطای مدل MAE(03/0) وRMASE(04/0) بالاترین عملکرد را دارد و در استان گیلان مدل PROPHET به دلیل بالاترین ضرایبR2(90/0)وکوچکترین ضرایب خطای مدل MAE(03/0) وRMASE(04/0) دقیق ترین عملکرد را نشان داد. بنابراین ARIMA و PROPHET دو مدلی هستند که با بیشترین میزان نکویی برازش با داده های NDVI تطابق داشتند. همچنین دربررسی باقی مانده های برازش یافته بیانگر نرمال بودن باقی مانده ها بود و می تواند برای پیش بینی سطح کشت مورد استفاده قرار گیرند. به طور کلی نتایج بدست آمده می تواند به الگوی کشت در آینده و حتی تامین برنج مورد نیاز کشور کمک نماید. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬

ستفاده از تکنیک سنجش از دور امروزه در کشاورزی کاربردهای فراوانی دارد. امروزه برآورد تولید، به عنوان یکی از پارامترهای اساسی در کشاورزی دقیق می باشد. هدف از این مطالعه تخمین عملکرد تاکستان با استفاده از شاخص های گیاهی سنجش از دور می باشد. در این تحقیق داده های زمینی عملکرد تاکستان های استان همدان طی سال های 2007 تا 2020 از جهاد کشاورزی استان همدان جمع آوری شد. موقعیت و نقشه تاکستان های استان همدان با استفاده از سنجنده سنتینل2 و سنتینل1 استخراج شد همین طور برای طبقه بندی و استخراج تاکستان ها از الگوریتم SVM استفاده شد. و با استفاده از ماتریس خطا دقت طبقه بندی مورد ارزیابی قرار گرفت که طبقه بندی تصاویر با دقت کلی 70 درصد و با کاپا 61/0 انجام شد. شاخص های گیاهی NDVI، NDWI و LAI از سنجنده مودیس با قدرت تفکیک زمانی 16 روزه استخراج شدند. سپس عملکرد تاکستان ها با استفاده از مدل های یادگیری ماشین RF، XGBoost و SVR پیش بینی شد. برای پیش بینی عملکرد تاکستان ها داده ها به دو قسمت آموزش و آزمون تقسیم شدند و نتایج نشان داد مدل XGBoost با مقدار جذر میانگین مربعات خطا 519/1130 برای داده های آموزش نسبت به مدل های RF و SVR عملکرد مناسبی داشت و برای داده های آزمون مدل RF با مقدار جذر میانگین مربعات خطا 869/1236 و با مقدار انحراف معیار 3/4 درصد نسبت به مدل های XGBoost و SVR عملکرد مناسبی داشت.

تعیین میزان تبخیروتعرق درفرآیندطراحی سیستم های آبیاری وزهشکی وعملکردسازه های مرتبطباطرح های کشاورزی ازاهمیتفراوانیبرخورداراست.تنوع روش هاومعرفیروش هایجدیدتااندازه-ایکارانتخابروشبهینهبرآوردرادشوارساختهوتعیینمیزاندقتواعتمادبهآنهانیازمندارزیابیومقایسهمنظموعلمیاست. در همین راستا روش های هوشمندی هم چون ماشین بردار پشتیبان در جهت کاهش هزینه های اندازه گیری و افزایش دقت به کار گرفته می شوند.در اینمطالعهمقادیرتبخیروتعرقمرجع بااستفادهازروشپنمن- مانتیث)فائو)بااستفادهازدادههایآبوهواییایستگاهسینوپتیکهمدان،ملایرو نهاوند به-کمکبرنامهنرمافزار Cropwat.8.0 محاسبه شد. سپسمتغیرهایمستقلهواشناسیایستگاه های همدان، نهاوند و ملایر درسناریوهایپنج گانه دسته بندی گردید و با استفاده از ماشین بردار پشتیبانو تحت توابع آموزش لونبرگ مارکوات و مومنتوم و الگوریتمحداقلمربعاتجزئی (PLS)دقتبرآورد پارامتر تبخیر و تعرق مرجع در هر یک از سناریوهایپنج گانه اطلاعاتیموردارزیابیقرارگرفت.یافته های پژوهش نشان داد ماشین بردار پشتیبان تحت تابع آموزش لونبرگ مارکوات دقت بالایی در برآورد تبخیر و تعرق مرجع دارد. هم چنین به استثنای سناریوی 5 ایستگاه همدان کاهش پارامترهای ورودی در تابع لونبرگ مارکوات با افزایش خطا همراه بود.با توجه به آماره های خطاسنجی در تابع آموزش لونبرگ مارکوات سناریوی 1 ایستگاه ملایر به عنوان الگوی بهینه انتخاب گردید (17/0=RMSE). در مطالعه حاضر هم چنین دقت برآورد تبخیر و تعرق مرجع با تابع آموزش مومنتوم نیز مورد ارزیابی قرار گرفت. نتایج حاکی از دقت بالای تابع مومنتوم در برآورد تبخیر و تعرق مرجع بود. سناریوی 1 ایستگاه ملایر با (47/0=RMSE) کمترین خطا را در بین سه ایستگاه داشت. باتوجهبهآماره-هایخطاسنجیبهتریننتایجماشینبردارپشتیباندرهردوتابعآموزشدرایستگاهملایردرسناریواولاطلاعاتیمشاهدهگردید. نتایج مقایسه مدل هوشمند ماشین بردار پشتیبان (لونبرگ مارکوات و مومنتوم) و الگوریتم حداقل مربعات جزئی نشان داد که مدل هوشمند ماشین بردار پشتیبان (لونبرگ مارکوات) به استثنای سناریوی دوم ملایر و همدان عملکرد بهتری نسبت به سایر مدل ها دارد. هم-چنینباتوجهبهاینکهاندازه گیریپارامترهایهواشناسیهزینه هایزیادیرادربرخواهدگرفتمی-توانبستهبهنظرکارشناسدرهرایستگاهازالگوهاییباکمترینمتغیروبیش ترین دقت بهره برد به طور مثال در هر سه ایستگاه

استفاده از تکنیک های کشاورزی دقیق در یک محیط گلخانه ای برای مدیریت نیتروژن محصول، می تواند به جلوگیری از کمبود نیتروژن، افزایش کیفیت نهایی گیاه، کاهش هزینه های کود بیش ازحد و جلوگیری از رواناب نیتروژن کمک کند. سنسور های نوری یک رویکرد سریع و غیر مخرب برای محاسبه ی محتوای کلروفیل گیاهان با اندازه گیری بازتاب یا جذب برگ های سبز هستند. هدف از این تحقیق، بررسی قابلیت اطمینان شاخص پوشش گیاهی (NDVI) محاسبه شده توسط سنسور دستی گرین سیکر به عنوان شاخص غیرمستقیم وضعیت نیتروژن گوجه و خیار گلخانه ای و مقایسه ی عملکرد این حسگر با حسگر نوری دیگر (اسپد) است. هدف دیگر این مطالعه بررسی کیفیت گیاه با اصلاح برنامه ی کودی در طول رشد تولید بر اساس خوانش حسگرها بود. آزمایش در بهار سال 1396 در گلخانه ی تحقیقاتی گروه مهندسی مکانیک بیوسیستم دانشگاه بوعلی سینا همدان انجام شد. گلخانه ی مورد مطالعه از نوع پیش ساخته و از جنس پلی کربنات بود. گوجه فرنگی و خیار با تیمارهای 0، 028/0، 138/0، 359/0 و 607/0 گرم بر لیتر کود اوره ی 46% کوددهی گردید. قبل از شروع آزمایشات خاک مورد استفاده به روش کجلدال تجزیه وتحلیل شد. نتایج نشان داد خاک حاوی 5/15 % نیتروژن می باشد. در روز 71 پس از کاشت تیمار های یک، دو و سه با کود اضافی تحت درمان قرار گرفتند. تمامی مقادیر نیتروژن قرائت شده توسط گرین سیکر و اسپد با میزان کود اعمال شده به گیاهان در هر مرحله از آزمایشات مقایسه شدند. همچنین تعداد برگ گیاهان در پایان هر مرحله از داده برداری شمارش شدند. رابطه رگرسیونی بین متغیرها اندازه گیری شده با نرم افزار SPSS محاسبه گردید. بین NDVI قرائت شده توسط گرین سیکر و میزان کود تیمارها همبستگی 95 درصد و بین کلروفیل و میزان کود همبستگی 91 درصد وجود داشت. در کل گوجه فرنگی نسبت به خیار به درمان کودی واکنش دقیق تری نشان داد.

امروزه تعیین کیفیت محصولات کشاورزی مانند میوه ها و سبزی جات یکی از فعالیت های پس از برداشت است که با توجه به رشد تقاضا برای محصولات با کیفیت بالا، بیشتر مورد توجه قرار گرفته است. عواملی همچون میزان مواد جامد محلول، اسیدیته و سفتی از جمله عوامل میزان رسیدگی محصولات به شمار می آیند. هدف از انجام این پژوهش مقایسه طیف مرئی و مادون قرمز نزدیک جذبی از گوجه و اسیدیته تیتراسیون گوجه زیتونی بود. برای این منظور از سه ناحیه در PH ، زیتونی و تدوین مدلی برای پیش گویی مواد جامد محلول 1040 طیف نگاری انجام شد.در نهایت مدل کالیبراسیونی با استفاده از روش های آنالیز مولفه nm 370 الی nm جهت افقی در ناحیه بین تدوین گشت. نتایج آزمایشات نشان داد که طیف جذبی به نمونه مورد (PLS) و کمترین توان های دوم جزئی (PCA) های اصلی آزمایش و مواد تشکیل دهنده آن بستگی دارد و مشخص گردید که می توان با انجام طیف سنجی مادون قرمز خصوصیات کیفی مورد نظر میوه را به صورت غیر مخرب پیشگویی کرد.