شماره راهنما :
2122 دكتري
پديد آورنده :
قبادي، محبوبه
عنوان :
توسعه مدل مديريت توليد ذرت بر پايه خروجي مدل DSSAT، طراحي بهينه آبياري با مدل هيدروديناميك و بررسي عدم قطعيت نتايج با پلتفرم pSIMS
گرايش تحصيلي :
آبياري و زهكشي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
يازده، 99 ص، مصور، جدول، نمودار
توصيفگر ها :
مدل گياهي , بهره‌وري آب , عدم قطعيت , آبياري جويچه‌اي , بهينه‌سازي , شبكه عصبي مصنوعي
تاريخ ورود اطلاعات :
1402/08/08
رشته تحصيلي :
علوم و مهندسي آب
تاريخ ويرايش اطلاعات :
1402/08/09
چكيده فارسي :
با كاهش حجم منابع آب تجديدپذير در سال‌هاي اخير و افزايش جمعيت، تأمين امنيت غذايي به يكي از چالش‌هاي اصلي كشورهاي گرم و خشك با محدوديت منابع آب تبديل شده است. در اين شرايط نياز به توليد غذاي بيشتر در بخش كشاورزي با استفاده از آب كمتر و به عبارتي افزايش بهره‌وري آب مي‌باشد. يكي از راهكارهاي مقابله با اين چالش، استفاده برنامه‌ريزي شده از آب، بهينه‌سازي الگوي كشت و تاريخ كشت در هر منطقه با لحاظ محدوديت‌هاي آب، خاك، گياه و اتمسفر و مديريت هوشمندانه پارامترهاي مديريتي است. در همين راستا اين پژوهش در قالب سه مطالعه انجام گرفت. در مطالعه اول، به توسعه يك مدل شبيه ساز-بهينه ساز بر مبناي نتايج مدل گياهي CERES-Maize-CSM پرداخته شد. با اتصال شبكه عصبي مصنوعي براي پيش‌بيني زيست توده ذرت و بهره‌وري آب در سناريوهاي مختلف به ابزار بهينه‌سازي ژنتيك، مدلي توسعه داده شد كه قابليت بهينه‌سازي تاريخ كاشت، مقدار كود و آب مصرفي را دارد. نتايج ارزيابي مدل نشان دهنده دقت شبكه عصبي در تخمين زيست توده و بهره‌وري آب در حدود 4 درصد نسبت به داده‌هاي دريافتي از مدل گياهي و حداكثر مقدار 8/23 درصد در مقايسه با داده‌هاي مزرعه‌اي بود. در اين مطالعه همچنين به ارزيابي و بررسي روش‌هاي پيش‌بيني داده‌هاي هواشناسي براي فصل پيش رو به عنوان اولين اطلاعات ضروري براي مديريت و برنامه‌ريزي و دستيابي به داده‌هاي دقيق با مدل گياهي پرداخته شد، دو روش استفاده از متوسط 10 و 20 ساله داده‌هاي تاريخي و روش طبقه‌بندي k-NN بر مبناي استفاده از داده‌هاي دماي حداكثر، حداقل و تبخير-تعرق مرجع در مقياس‌هاي زماني روزانه، هفتگي، ده روزه و ماهانه بررسي شدند. همچنين اثر داده هاي هواشناسي مذكور در توليد زيست توده ذرت با استفاده از مدل CERES-Maize ارزيابي شد. نتايج نشان دهنده متوسط مقادير NRMSE كمتر از 30/16 درصد در استفاده از روش k-NN در تخمين داده‌ها براساس داده‌هاي دماي حداكثر در هر دو منطقه مورد مطالعه بود و تخمين داده‌هاي تابستان در تمامي سناريوها، بيشترين دقت را نسبت به فصل‌هاي بهار و پاييز داشت. همچنين استفاده از 10 سال داده در مقايسه با 20 سال داده منجر به كاهش 2/6 درصدي مقادير متوسط NRMSE در منطقه گلپايگان و افزايش دقت پيش بيني شد. از آن جايي كه داده‌هاي ورودي به مدل گياهي با عدم قطعيت همراه هستند و اجراي آن براي يك نقطه از مزرعه نمي‌تواند در سطح كلان مديريتي كمك كننده باشد و با خطا همراه است. در مطالعه دوم به بررسي عدم قطعيت نتايج دريافتي از بسته نرم افزاري DSSAT براي محصول ذرت با پلتفرم pSIMS پرداخته شد. با اجراي مدل به صورت شبكه بندي شده و لحاظ سه دسته گروه داده خاك، ده گروه داده آب و هوا و سه تاريخ كاشت متفاوت (28ارديبهشت، 28 خرداد و 16 تير) براي 15 سال (2003 تا 2017) به بررسي دامنه تغييرات نتايج دريافتي (زيست توده كل، بهره‌وري آب آبياري و تبخير- تعرق ذرت در كل فصل) پرداخته شد. در هر پيكسل از منطقه، 1350 بار مدل اجرا شد كه 450 اجرا مربوط به يك سناريوي تاريخ كاشت است. دامنه تغييرات نتايج دريافتي در چهار منطقه توليد ذرت در استان اصفهان (اصفهان-برخوار، فلاورجان، گلپايگان و فريدن) مورد ارزيابي قرار گرفت. نتايج نشان دهنده بيشترين تاثير پارامتر تاريخ كاشت بر SD ((Standard Deviation نتايج و كمترين تاثير داده‌هاي آب و هوايي و خاك بود. در بين چهار منطقه مورد مطالعه، فريدن با دامنه تغييرات 2/0 تا 09/2 تن بر هكتار بيشترين تغييرات انحراف معيار بين سه تاريخ كاشت را داشت و كمترين آن در اصفهان-برخوار و فلاورجان به ترتيب با دامنه تغييرات 85/0 تا 93/0 و 67/0 تا 81/0 تن بر هكتار بود. همچنين بررسي تاثير تغييرات زماني بر مقادير SD نتايج نيز نشان دهنده، مقدار 08/0 تا 12/2 تن بر هكتار (4/0 تا 5/8 درصد از كل مقدار زيست توده ذرت علوفه‌اي) در 15 سال و در چهار منطقه مورد مطالعه بود. انحراف معيار عملكرد در مناطقي با دماي متوسط كمتر و بارش بيشتر (فريدن و گلپايگان) مقادير بيشتر با تغييرات چشمگيرتري در طي 15 سال و سه تاريخ كاشت داشت. دامنه تغييرات بين 12/0 تا 13/1 تن بر هكتار در گلپايگان و 15/0 تا 12/2 تن بر هكتار در فريدن در 15 سال بود. در مطالعه سوم نيز با استفاده از ابزار شبيه ساز توسعه داده شده در مطالعه اول، با شبيه‌سازي جريان در جويچه با حل معادله سنت ونانت و استفاده از تابع هدف حداقل كردن هزينه‌هاي آبياري به بهينه‌سازي پارامترهاي طراحي آبياري جويچه‌اي در راستاي دست يابي به حداكثر عملكرد پرداخته شد. به منظور بررسي دقت مدل توسعه داده شده، نتايج با داده‌هاي مزرعه اي مقايسه شد كه منجر به كاهش 44 درصدي هزينه و افزايش 15درصدي راندمان كاربرد شد.
چكيده انگليسي :
In recent years, decrease in the volume of renewable water resources and concurrent rise in population have posed significant challenges to food security in arid countries with limited water resources. In the first study a simulation-optimization model was developed, integrating the CERES-Maize model. This approach combined an artificial neural network for predictive yield and water productivity across diverse scenarios with a genetic optimization tool. The result was a model with the capacity to finely adjust planting dates, optimize fertilizer application, and water usage. This enabled farmers to intricately plan their upcoming season. The model evaluation results highlight that the simulation model achieves approximately 4% accuracy in estimating yield and water productivity, when compared against crop model data and a peak accuracy of 23.8% when contrasted with field data. Because input data for the crop model carries uncertainty and its application to a single point in the farm is not very useful at a larger management level, the second study tackles the uncertainty of results from the crop model. This was done using DSSAT through the pSIMS platform. The implementation involved a grided approach, encompassing three soil data and ten weather data groups. The model was assessed across three different planting dates (May 28, June 28, and July 16) over a span of 15 years (2003 to 2017). In each pixel of the area, the model was run 1350 times, of which 450 runs correspond to a planting date scenario. In the received results, the range of changes in yield, plant evapotranspiration and water productivity values in four maize production areas in Isfahan province were evaluated. The findings reveal that the planting date parameter exerts the most significant influence on the standard deviation of the results, while weather and soil data have comparatively lesser impact. Among the four studied regions, Fereydan with a range of changes of 0.2 to 2.09 tons per hectare had the highest SD changes between the three planting dates, and the lowest in Isfahan-Borkhar and Falavrajan with a range of changes of 0.85 to 0.93 and 0.67 to 0.81 tons per hectare respectively. Additionally, investigating the impact of temporal variations on the standard deviation values indicate fluctuations ranging from 0.08 to 2.12 tons per hectare (equivalent to 0.4 to 8.5% of the total yield) over the 15-year period and across the four surveyed regions. In the third study, by using the simulation optimization tool developed in the previous section, and simulating the flow in the furrow by solving the Saint-Vanant equation and using the objective function of minimizing the amount of cost, the optimization of furrow irrigation design parameters was done. To validate the accuracy of the developed model, a comparison was made with field data. This comparison revealed a 44% decrease in costs and a 15% enhancement in application efficiency.
استاد راهنما :
محمد شايان نژاد , مهدي قيصري
استاد مشاور :
عليرضا گوهري , حمزه دوكوهكي
استاد داور :
جهانگير عابدي كوپائي , حميدرضا عشقي زاده , حامد ابراهيميان
