پیش بینی عملکرد پسته با استفاده از رگرسیون چندمتغیره ی خطی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان های رفسنجان و انار استان کرمان)

امروزه، مدیریت اصولی اراضی به‏عنوان یک راهکار مهم برای رسیدن به عملکرد بیشتر در واحد سطح و استفاده بهینه از منابع خاک و آب، مورد توجه پژوهشگران، تولیدکنندگان و سیاست گذاران عرصه کشاورزی قرار گرفته است. پژوهش حاضر با هدف بررسی ارتباط بین عملکرد پسته و عوامل موثر بر آن، صورت پذیرفت. بدین منظور، 129 قطعه باغ در مناطق مختلف شهرستآن های رفسنجان و انار شناسایی و انتخاب گردید. نمونه برداری از آب آبیاری، برگ درختان و خاک همه باغ ها انجام شد. همچنین برای هر باغ یک پرسشنامه به منظور جمع آوری اطلاعات مدیریتی و تعیین مقدار عملکرد تهیه شد. در نهایت یک متغیر وابسته یعنی عملکرد محصول و 50 متغیر مستقل شامل ویژگی های خاک، آب و گیاه برای انجام مدل سازی به کمک مدل های رگرسیون چند متغیره خطی و شبکه های عصبی مصنوعی مورد استفاده قرار گرفت. نتایج نشان می دهد که رگرسیون چند متغیره ی خطی تنها 26 درصد تغییرات عملکرد را توجیه می نماید اما وقتی با تقسیم منطقه به چهار بخش، داده ها همگن تر می شود، دقت این روش افزایش یافت. به طوری که ضریب تبیین اصلاح شده ی مدل برای باغ های منطقه نوق، انار، حومه شرقی و حومه غربی به ترتیب به حدود 4/92، 5/81، 95 و 6/53 درصد رسید. این مدل ها، به ویژگی های مربوط به آب آبیاری حساسیت زیادی نشان می دهند. بنابراین، توجه ویژه به روش های نوین آبیاری و اتخاذ رویکردهای صحیح مدیریتی به منظور افزایش بهره وری آب ضروری به نظر می رسد. شبکه عصبی مصنوعی با 9 نرون در یک لایه پنهان، تابع فعال سازی تانژانت-سیگموئید و تابع آموزشی لونبرگ مارکوات دارای دقت 3/98 درصدی در پیش بینی عملکرد محصول پسته در کل منطقه مورد مطالعه می باشد.