کاربرد مدل های شبکه عصبی مصنوعی در تخمین عملکرد محصول شلیل مغان تحت آبیاری شیاری دوطرفه

حوضه آبریز دریاچه ارومیه به دلیل استفاده بی رویه از منابع آب به ویژه در بخش کشاورزی و کاهش نزولات جوی در تامین نیازهای اکولوژیک خود با بحران روبه رو شده است. لذا، بهبود سیستم های آبیاری سطحی موجود می تواند راه کار مناسبی در کاهش مصرف و استفاده بهینه از منابع آب در این حوضه باشد. در همین راستا، به منظور بررسی و مقایسه تاثیر رویکرد آبیاری شیاری دوطرفه بر عملکرد و کارایی مصرف آب در محصول شلیل رقم مغان مورد پژوهش در سال زراعی 99-1398 در اراضی شهرستان میان دوآب واقع در جنوب دریاچه ارومیه اجرا و عملکرد محصول از طریق مدل های شبکه تابع پایه شعاعی (RBF) و شبکه پیش خور تعمیم یافته (GFF) برآورد شد. برای این منظور، یک مجموعه داده شامل 140 داده در دو سطح آبیاری کرتی T1 (شاهد) و آبیاری شیاری دوطرفه T2 (تیمار) و مشخصات خاک منطقه به عنوان پارامترهای ورودی استفاده شد. 80 درصد (112 داده) برای آموزش و 20 درصد (28 داده) برای آزمایش شبکه استفاده شد. در این پژوهش روش مدیریت زمان آبیاری نیز در نظر گرفته شد. به نحوی که در هر آبیاری، میزان آب مورد نیاز در هر دو بخش شاهد و تیمار بر اساس نیاز آبی شلیل مغان و فواصل آبیاری تعیین شد. نتایج نشان داد که رویکرد آبیاری شیاری دوطرفه و نیز اعمال تیمار برنامه ریزی آبیاری زمان واقعی موجب افزایش بهره وری آب (72/0 کیلوگرم بر مترمکعب) در این مزرعه شد. هم چنین نتایج مدل سازی نشان داد که مدل RBF با آموزش Levenberg Marquardt و چهار لایه پنهان پتانسیل بالایی در تخمین عملکرد محصول شلیل مغان دارد. در مجموع، با اعمال پارامتر سطوح آبیاری به عنوان ورودی، مدل شبکه عصبی مصنوعی می تواند تخمین مطلوب تری (RMSE = 0.035) از عملکرد محصول شلیل مغان ارایه دهد.