پهنه بندی عناصر غذایی با استفاده از شبکه عصبی مصنوعی و زمین آمار در دشت ارومیه

اساس توسعه کشاورزی دقیق علم بر خصوصیات خاک در هر نقطه و اعمال مدیریت ویژه می-باشد. بنابراین، آگاهی از ساختار وابستگی مکانی ویژگی های مختلف خاک و حد بحرانی عناصر غذایی در مزارع برای دستیابی به تولید بیشتر و مدیریت بهتر حائز اهمیت می باشد. در این تحقیق 82 نمونه خاک سطحی از منطقه دشت ارومیه جمع آوری و متغیرهای واکنش خاک، کربن آلی، کربنات کلسیم معادل، هدایت الکتریکی، فسفر، پتاسیم، آهن، روی و منگنز قابل دسترس اندازه گیری گردید. ارزیابی آماری بر کلیه نتایج حاصل صورت گرفت و جهت بررسی همبستگی بین متغیرها، روش همبستگی پیرسون به کار گرفته شد. از طریق بررسی های آماری با بسته نرم افزاری spss نرمال بودن توزیع داده ها تست شد. با استفاده از روش کریجینگ با استفاده از نرم افزارgs+ درون یابی انجام و میزان دقت نقشه پراکنش این متغیرها محاسبه گردید. برای کاربردی تر شدن، نقشه های تولیدی بر اساس روش پیشنهادی میزان عناصر و خصوصیات اراضی برای گیاه گندم که از سوی مرکز تحقیقات کشاورزی و منابع طبیعی استان آذربایجان غربی محاسبه شده است. با توجه به نقشه مشخص شد که اراضی از نظر میزان عنصر فسفر قابل دسترس در حد کفایت یا بیشتر از حد کفایت است. این احتمال در مورد پتاسیم قابل دسترس نیز صدق میکند اما عناصر آهن، روی و منگنز در بیشتر نواحی دچار کمبود می باشند. بنابراین، برای افزایش عملکرد کمی و کیفی گندم در خاک های زراعی منطقه، نیاز مبرم به مصرف کودهای محتوی آهن، روی و منگنز می باشد. همچنین به منظور پیش بینی کلاس بندی الگوی تغییرات مکانی عناصر فسفر، پتاسیم، آهن، روی و منگنز در منطقه در این پژوهش از شبکه عصبی lvq4a2 استفاده شده است. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی می تواند بر اساس خطای کم تشخیص در فاز آموزش و آزمایش در تهیه نقشه پهنه بندی غظت عناصر و ویژگی های خاک بکار برده شود.