مدل سازی ردپای آب گندم با استفاده از مدلهای یادگیری ماشین در استان فارس
نویسندگان
1 دانش آموختۀ کارشناسی ارشد آبخیزداری، گروه مهندسی منابع طبیعی، دانشگاه هرمزگان، بندرعباس ایران
2 هیئت علمی گروه مهندسی منابع طبیعی، دانشیار، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس ایران
doi
10.22059/ije.2022.346879.1670چکیده
این مطالعه با هدف تخمین، پیشبینی و مدلسازی ردپای آب سبز و آبی محصول زراعی گندم با استفاده از مدلهای یادگیری ماشین در اراضی فاریاب در دورۀ آماری (1384 تا 1396) انجام شد. بر این اساس، با استفاده از دادههای اقلیمی و گیاهی و روش فازی کلاستر، مناطق کشت گندم فاریاب در استان فارس به چهار منطقه همگن تقسیم شد. در هر منطقه براساس چارچوب اوکسترا، ردپای آب آبی، سبز و خاکستری برآورد شد. سپس، ردپای آب در هم اقلیم همگن به دو دسته آموزش (70 درصد) و آزمون (30 درصد) تقسیم شد و با استفاده از مدل شبکۀ عصبی و دو کرنل لوگ لوجستیک و تانژانت هایپربولیک (50 ترکیب ورودی)، مدل جنگل تصادفی و رگرسیون بردار پشتیبان (تابع کرنل سیگموئید) با متغیرهای اقلیمی و گیاهی، پیشبینی صورت گرفت و نتایج مدلها با شاخصهای ارزیابی خطا و دیاگرام تیلور مورد مقایسه قرار گرفت. نتایج نشان داد بهترین مدل برای برآورد ردپای آب گندم فاریاب در استان فارس مدل شبکۀ عصبی مصنوعی با تابع لوگ لوجستیک با ضریب همبستگی بیش از 72/0 و میانگین خطای مطلق کمتر از 48/0 (مترمکعب بر تن) است و میتواند به ارتقای فرایند تصمیمگیری به مدیران آب و برنامهریزان کمک کنند.