نشریه آبیاری و زهکشی ایران

نشریه آبیاری و زهکشی ایران

ارزیابی تاثیر پارامترهای مختلف بر میزان بهره‌وری گندم با استفاده از هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان
رامین فضل اولی 1
شادی صراف 2
جواد وجاهت 3
علیرضا عمادی 2
1 گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2 گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
3 گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران.
چکیده
در پژوهش حاضر با بهره‌گیری از هوش مصنوعی، بهره‌وری گندم در شهر ساری به عنوان محدوده مورد مطالعه با لحاظ سایر پارامترهای دخیل در تولید مورد بررسی قرار گرفته است. تغییرات خصوصیات موفولوژیکی و فیزیولوژیکی چهار رقم گندم مورد مطالعه تحت تیمارهای مختلف خاک‌ورزی و سطوح رطوبتی مختلف قابل‌ملاحظه و قابل‌تأمل بود به‌گونه‌ای که در اغلب موارد اثرات هر یک از تیمارهای مورد استفاده و همچنین اثرات متقابل آن‌ها بر روی خصوصیت مورد ارزیابی در سطوح مختلف 1 و 5 درصد خطا معنادار شد. عملکرد بیولوژیکی به‌عنوان یکی از مهم‌ترین عوامل موردنظر به ترتیب برای ارقام نیک‌نژاد، چمران، الوند و سرداری تحت شرایط خاک‌ورزی مرسوم و آبیاری معادل ظرفیت زراعی به ترتیب معادل 16/25، 18/5، 16/5 و 17/2 تن بر هکتار و تحت شرایط بدون خاک‌ورزی با تنش شدید دیم به ترتیب معادل 8/3، 8/2، 8/6 و 9/6 تن بر هکتار به دست آمد. روند تغییرات خصوصیات عملکردی برای ارقام دیم سرداری و الوند به‌مراتب کمتر از تغییرات مشاهده ‌شده برای دو رقم آبی نیک­نژاد و چمران بود و به‌طورکلی شرایط خاک‌ورزی مرسوم و حداقل تنش رطوبتی برای نیل به تولید قابل‌قبول برای ارقام مختلف ضروری خواهد بود و کاهش چشمگیری در خصوصیات عملکردی مورد انتظار اتفاق نیفتد. اثر ارقام کشت شده بیشتر بر خصوصیت وزن هزار دانه و ارتفاع موثر بود، به‌نحویکه به طور کلی این عامل از طریق فاکتورهای دیگر مانند تغییر در تراکم کشت گندم می‌تواند عملکرد بیولوژیکی و تولید کلی گیاه را یکسان نماید ولی بعضی از خصوصیات مانند تحت تنش قرار گرفتن رقم خاص مد نظر از قبیل ارقام سرداری و الوند مقاومت بیشتری از خود نشان دادند و عملکرد آنها تحت شرایط تنش با تغییرات کمتری نسبت به دو رقم چمران و نیک‌نژاد تولید زیستی و یا سایر خصوصیات مورد بررسی را نشان داد.
کلیدواژه‌ها
خاک‌ورزی
کشاورزی
گیاه
موجک
Matlab

عنوان مقاله English

Evaluation of the effect of different parameters on wheat productivity using artificial intelligence

نویسندگان English

Ramin Fazloula 1
Shadi Saraf 2
Javad Vejahat 3
Alireza Emadi 2
1 Department of Water Engineering, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
2 Department of Water Engineering, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
3 Department of Irrigation and Reclamation Engineering, College of Agriculture, University of Tehran, Karaj, Iran.
چکیده English

In the current research, using artificial intelligence, the productivity of wheat in the city of Sari as the study area has been investigated in terms of other parameters involved in production. The changes in the morphological and physiological characteristics of the four studied wheat cultivars under different tillage treatments and different moisture levels were noticeable and ponderable, so that in most cases the effects of each of the treatments used and also their mutual effects on the evaluated characteristic at different levels 1 and 5 The error percentage was significant. Biological performance as one of the most important factors considered for Niknejad, Chamran, Alvand and Sardari cultivars under conventional tillage and irrigation conditions equal to 16.25, 18.5, 16.5 and 17.2 tons per hectare respectively and Under the condition of no tillage with severe rain stress, 8.3, 8.2, 8.6 and 9.6 tons per hectare were obtained, respectively. The process of changes in performance characteristics for dry Sardari and Alvand cultivars was much less than the changes observed for the two Niknejad and Chamran blue cultivars, and in general, conventional tillage conditions and minimum moisture stress will be necessary to achieve acceptable production for different cultivars, and a significant reduction in Expected performance characteristics do not occur. The effect of cultivated cultivars was more effective on the characteristics of weight of 1000 seeds and height, so that in general this factor can equalize the biological performance and overall production of the plant through other factors such as changes in the density of wheat cultivation, but some characteristics such as being under stress The specific varieties in question, such as Sardari and Alvand varieties, showed more resistance and their performance under stress conditions showed less changes than Chamran and Niknejad varieties in terms of biological production or other investigated characteristics.

کلیدواژه‌ها English

Tillage
Agriculture
Plant
Wavelet
Matlab
افشاری­پور، ک.، حمزه، س.، علوی­پناه، ک. و مقبلی­دامنه، ا. 1398. ارزیابی میزان بهره­وری آب کشاورزی با استفاده از تصاویر ماهواره­ای و مدل WATPRO در اراضی تحت کشت گندم در جیرفت، تحقیقات منابع آب ایران. 5(1): 58-45.
جعفری، م.، لیاقت، ع. و محتشمی، س. 1402. مقایسه و ارزیابی الگوریتم‌های LM، BR و GD شبکه عصبی مصنوعی در برآورد عملکرد گندم دیم بر اساس پارامترهای هواشناسی استان کرمانشاه. 17(3): 544-529.
خوان­پایه، ا. و جلیلیان، ج. 1392. اثر سیستم‌های مختلف خاک‌ورزی و پیش تیمار بذر بر برخی خصوصیات مورفولوژی و عملکرد نخود دیم، پژوهش در گیاهان زراعی. 1(2): 43-34.
رضایی، ج.، بنایان، م. و نظامی، ا. 1394. برهمکنش ژنتیک و کم­آبیاری بر بهره­وری مصرف آب، اولین کنگره ملی آبیاری و زهکشی، دانشگاه فردوسی مشهد، مشهد.
صادقی، ح.، محمودی، ب. و پیشوائی، س. 1401. شیوه­نامه تعیین و سنجش نماگرهای بهره­وری استان­ها، تهران: انتشارات سازمان ملی بهره­وری ایران.
عبدالرحمنی، ب. و فیضی اصل، و. 1385. تاثیر تراکم بوته بر عملکرد دانه ژنوتیپ­های گندم با قدرت پنجه زنی متفاوت در شرایط دیم. نهال و بذر. بوم­شناسی گیاهان زراعی. 13(22): 558-543.
عرب عامری، ر.، سلطانی، ا.، کامکار، ب.، زینلی، ا. و خاوری، ف. 1389. تعیین پارامترهای مدل‌سازی عملکرد براساس شاخص برداشت در گیاه گندم. نشریه تولید گیاهی. 17(2): 150-137.
مردانی، ط. 1400. بهره وری و کارآیی ثمربخش یک راهنمای عملی، تهران: انتشارات کنکاش.
نورمحمدی، ق. سیادت، ع و کاشانی، ع. 1380. زراعت غلات. انتشارات دانشگاه شهید چمران اهواز. 234ص.نیازی فرد، ع. 1396. اثر تنش خشکی آخر فصل بر خصوصیات زراعی ارقام و لاین­های آبی جو. فصلنامه بوم­شناسی گیاهان زراعی. 12(1): 77-69.
Bwambale, E., Abagale, F. K. and Anornu, G. K. 2022. Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture: A review. Agricultural Water Management. 260: 107324.
Clegert, B., Bueno, C., Domingo, A., Layaoen, H. and Vial, L. 2016. Leaf emergence, tillering, plant growth, and yield in response to plant density in a high- yielding aerobic rice crop. Field crops research. 199: 52-64.
Dehghanisanij, H., Emami, H., Emami, S. and Rezaverdinejad, V. 2022. A hybrid machine learning approach for estimating the water-use efficiency and yield in agriculture. Scientific Reports. 12(1): 6728.
El-Mouhamady, A. B. A., Abdel-Rahman, H. M., Rizkalla, A. A. and El-Metwally, M. A. 2019. Assessment of Water Stress Tolerance in Wheat Genotypes Based on Half Diallel Analysis and DNA Fingerprinting. Pakistan Journal of Biological Sciences. 22: 103-116.
Fitzpatrick, J.L. 2013. Global food security: the impact of veterinary parasites and parasitologists. Veterinary parasitology. 195 (3-4): 233-248.
Guirgius, A.E., Aboukarima, A.M., Elmarazky, M.S. and Egela, M.I. 2015. Sunflower crop response to furrow irrigation inflow rate and tillage system. Misr Journal of Agricultural Engineering. 25(1): 38-57.
Katimbo, A., Rudnick, D. R., Zhang, J., Ge, Y., DeJonge, K. C., Franz, T. E. and Duan, J. 2023. Evaluation of artificial intelligence algorithms with sensor data assimilation in estimating crop evapotranspiration and crop water stress index for irrigation water management. Smart Agricultural Technology. 4:100176.
Kisi, O. and Cimen, M. 2012. Precipitation forecasting by using wavelet-support vector machine conjunction model. Engineering Applications of Artificial Intelligence. 25(4): 783-792.
Taner, A., Arisoy, R. Z., Kaya, Y., Gültekin, I. and Partigöç, F. 2015. The effects of various tillage systems on grain yield, quality parameters and energy indices in winter wheat production under the rainfed conditions. Fresenius Environmental Bulletin. 24(4): 1463-1473.
Talaviya, T., Shah, D., Patel, N., Yagnik, H. and Shah, M., 2020. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture. 4: 58-73.
Smith, M. N., Stark, S. C., Taylor, T. C., Ferreira, M. L., de Oliveira, E., Restrepo‐Coupe, N. and Figueira, M. 2019. Seasonal and drought‐related changes in leaf area profiles depend on height and light environment in an Amazon forest. New Phytologist.
Wei, K., Zhang, J., Wang, Q., Guo, Y. and Mu, W. 2022. Irrigation with ionized brackish water affects cotton yield and water use efficiency. Industrial Crops and Products. 175: 114244.
Wilhelm, W.W. 1998. Dry-matter partitioning and leaf area of winter wheat grown in a longterm fallow tillage comparison in the US Central Great Plains. Soil and Tillage Research. 49: 49-56.
Ziesche, S., Agarwal, S., Nagaraju, U., Prestes, E. and Singha, N. 2023. Role of Artificial Intelligence in Advancing Sustainable Development Goals in the Agriculture Sector. In The Ethics of Artificial Intelligence for the Sustainable Development Goals (pp. 379-397). Cham: Springer International Publishing.
نشریه آبیاری و زهکشی ایران
دوره 18، شماره 4 - شماره پیاپی 107
مهر و آبان 1403
صفحه 635-654