با توجه به افزایش جمعیت، افزایش تولید گیاهان زراعی یکی از نیازهای ضروری جامعه است. بنابراین افزایش عملکرد محصولات زراعی امری اجتناب ناپذیر می باشد. از طرفی مطالعات نشان می دهد که شوری آب آبیاری و خاک تاثیر زیادی در کاهش عملکرد محصولات کشاورزی دارند، لذا استفاده از روش های مناسب مدیریتی جهت جلوگیری از کاهش محصول امری ضروری است. اما گاهی اوقات اجرای یک روش در طول زمان می تواند اثرات منفی را به دنبال داشته باشد، لذا بررسی اثرات ناشی از اجرای یک سناریو قبل از اجرای آن می تواند به درک بهتری از سیستم منجر شود. در تحقیق حاضر به منظور بررسی تاثیر روش های مختلف مدیریتی، یک مدل کامپیوتری مبتنی بر روش تحلیل پویایی سیستم تهیه گردید. این مدل شبیه سازی بصورت شی گرا و بر پایه بازخورد بوده و اثر همزمان تنش آبی و شوری بر عملکرد محصول را شبیه سازی می کند. به منظور واسنجی و اعتباریابی نتایج مدل از داده های جمع آوری شده ی اراضی تحقیقاتی شبکه آبیاری سمت راست آبشار واقع در حوزه هیدرولوژیک رودخانه زاینده رود استفاده شد. این داده ها شامل عملکرد چغند قند برای 9 تیمار می باشد. پس از تجزیه و تحلیل آماری و محاسبه rmse و خطای استاندارد، میزان برازش میان مقادیر اندازه گیری و شبیه سازی شده رطوبت خاک، شوری خاک و عملکرد محصول محاسبه گردید. rmse پارامترهای فوق به ترتیب برابر با 076/0، 16/1 دسی زیمنس بر متر و 98/2776 کیلوگرم بر هکتار و خطای استاندارد آن ها به ترتیب 24/0، 13/0 و 07/0 برآورد گردید. با توجه به اینکه مدل مذکور توانایی شبیه سازی شبکه آبیاری با الگوی کشت متفاوت را دارد، به کمک آن شبکه سمت راست آبشار اصفهان برای محصولات اصلی در سال 86-1385 شبیه سازی شد و عملکرد محصولات کشاورزی شبکه با توجه به کمیت و کیفیت آب آبیاری آنها برآورد گردید. به منظور تجزیه و تحلیل آماری، شاخص های rmse، خطای نسبی، خطای استاندارد و ضریب همبستگی میزان برازش میان مقادیر واقعی و شبیه سازی شده عملکرد محصولات شبکه محاسبه شدند. مقدار این شاخص ها با توجه به شرایط موجود در شبکه به ترتیب 98/209 کیلوگرم بر هکتار، 36/1 درصد، 007/0 و 99/0 برآورد گردید که از دقت خوبی برخوردار است. بررسی های اولیه نشان داد میزان برداشت آب زیرزمینی بیشتر از حد مجاز منطقه می باشد. لذا با توجه به اهمیت منابع آب، خصوصا آب زیرزمینی، و ضرورت حفظ و نگهداری از آنها، دو سناریو جهت مدیریت میزان آب آبیاری در این شبکه تعریف شد. در یک سناریو میزان آب آبیاری با توجه به نیاز آبی محصولات و در سناریوی دیگر میزان آب آبیاری با توجه به محدودیت میزان برداشت از منابع آب زیرزمینی تعیین گردید. پس از آن عملکرد محصولات و پارامترهای اقتصادی ناشی از آنها بررسی و با نتایج مربوط به میزان برداشت آب در شرایط کنونی مقایسه شد. نتایج نشان داد که مدل حاضر می تواند با واسنجی دقیق و کامل، در تخمین عملکرد محصول در شرایط شوری خاک، شبیه سازی شبکه آبیاری، الگوی کشت آن و تعریف سایر سناریوها از دقت خوبی برخوردار باشد.

ازجمله مشخصه¬های مهم هر دریاچه تراز سطح آب آن است. آگاهی از نحوه نوسانات تراز امری موثر در تفسیر و بررسی مسایل مرتبط از جمله ریسک¬پذیری تاسیسات و سازه¬های وابسته، تغییرات ذخیره آبی دریاچه، ساخت و سازهای ساحلی و مباحث زیست محیطی می¬باشد. هرچند که با استفاده از اندازه¬گیری¬های مکرر تراز آب می¬توان دید کلی نسبت به تغییرات آن بدست آورد، اما شبیه¬سازی این متغیر امکان بررسی بیشتر آن، بخصوص تحت سناریوهای مختلف را فراهم می¬آورد. از جمله مباحثی که در سال¬های اخیر مورد توجه بسیاری از محققین و طراحان بوده است، بررسی سطح تراز آب دریاچه ارومیه می¬باشد که در سال¬ها و حتی در ماه¬های آینده در چه ارتفاعی قرار خواهد گرفت و چه بسا که با استفاده از این تراز بتوان مساحت دریاچه ارومیه و همچنین خط تراز دریاچه را مشخص نمود فلذا برای این منظور بکارگیری تکنولوژی هوش مصنوعی در مدل¬های هیدرولوژیکی مورد توجه بوده و توسعه یک مدل برای پیش¬بینی هیدرولوژیکی مبتنی بر سوابق گذشته بسیار مهم می¬باشد. ارایه الگوهای نو و به کارگیری تکنیک¬های پیشرفته می¬تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیر خطی شود. هدف از تحقیق حاضر ارائه روشی جدید در پیش¬بینی تراز آب دریاچه ارومیه و برآورد تراز آب دریاچه ارومیه با تاخیرها، تعداد نرون¬ها و لایه¬های پنهان مختلف با استفاده از ساختار مدل برتر در شبیه¬سازی تراز در حوضه¬ی دریاچه ارومیه با استفاده از شبکه¬های عصبی مصنوعی از نوع پرسپترون چند لایه (mlp) و تابع پایه شعاعی(rbf) و استفاده از تراز سطح آب دریاچه ارومیه به عنوان ورودی می¬باشد. مدل¬های شبکه عصبی عملکرد خوبی در زمینه تحلیل تراز آب دریاچه¬ها دارند. در این تحقیق از مدل¬های هوش مصنوعی که بر حسب تاخیرها، تعداد نرون¬ها ولایه¬های مختلف می¬باشند، جهت مدل¬سازی و پیش¬بینی دقیق تراز آب دریاچه ارومیه در آینده استفاده شده است. پس از استخراج تراز آب دریاچه ارومیه و تعیین ماه¬های مختلف از سال¬های مورد نظر، تراز آب دریاچه ارومیه بعنوان ورودی های شبکه عصبی استفاده گردیده که پس از آموزش و آزمون آنها ، ساختار هر دو نوع شبکه عصبی با توجه به شبیه سازی تراز آب مورد ارزیابی دو شاخص عملکرد ضریب همبستگی (r^2) و مجذور میانگین مربعات خطا (rmse) قرار گرفت که با در نظر گرفتن تاخیرهایی از یک تا 12 ماه و نرون¬های متفاوت مدل mlp به عنوان مدل برتر انتخاب شد که از ساختار این مدل برای پیش¬بینی تراز آب دریاچه ارومیه استفاده گردید. برای پیش¬بینی تراز سطح آب دریاچه ارومیه در آینده پارامتر ورودی همانند دو مدل قبلی تراز سطح آب دریاچه ارومیه بود که با داشتن تعداد نرون، تعداد لایه پنهان و تاخیرهای متفاوت بهترین مدل برای پیش بینی از طریق مطالبقت داده¬های پیش¬بینی شده با داده¬های مشاهداتی تراز سطح آب و بدست آوردن ضریب همبستگی (r^2) و مقدار مجذور میانگین مربعات خطا (rmse) انتخاب شد که مدل با تاخیر 36-12 با بیشترین شاخص عملکرد نمونه بهترین پیش¬بینی¬ها را برای 12 ماه آینده از خود نشان داد و همچنین مدل¬هایی که برای پیش¬بینی 24 ماه آینده انتخاب شده بودند شاخص¬های عملکرد مناسبی را از خود نشان ندادند که شاید علت آن نوع ساختار مدل می¬باشد که برای پیش¬بینی¬های کوتاه مدت مناسب است. همچنین در پیش¬بینی¬ها مشخص گردید که نرون¬های بالا عملکرد مناسبی را از خود نشان ندادند.

در این مطالعه عملکرد مدل های aquacrop و swap در پیش بینی عملکرد محصول گندم زمستانه (ارقام روشن و قدس)، رطوبت و شوری نیم رخ خاک، تحت تنش های شوری و آبی ارزیابی گردید، و مدل آگرو هیدرولوژیکی فائو به منظور پیش بینی عملکرد محصول، با استفاده از داده های میدانی محصول گندم زمستانه بررسی و ارزیابی گردید. آزمایش مزرعه ای با سه سطح شوری آب آبیاری شامل: s1، s2 و s3، به ترتیب 4/1، 5/4 و 6/9 دسی زیمنس بر متر و چهار سطح عمق آبیاری شامل: i1، i2، i3 و i4، به ترتیب 50، 75، 100 و 125 درصد نیاز آبی گیاه با سه تکرار، طی سال زراعی 85-1384 در منطقه بیرجند اجراءگردید. بر اساس نتایج، مدل aquacrop عملکرد دانه را برای هر دو رقم با دقت بالا، شبیه سازی نمود. متوسط خطای نسبی تخمین عملکرد دانه در مرحله واسنجی، برای ارقام روشن و قدس به ترتیب 98/2 و 82/4 درصد محاسبه گردید. متوسط ریشه میانگین مربعات خطای نرمال شده ی پیش بینی رطوبت خاک در مرحله واسنجی و اعتبارسنجی به ترتیب 58/14 و 1/15 درصد محاسبه گردید. متوسط ریشه میانگین مربعات خطای نرمال شده ی پیش بینی شوری عصاره اشباع خاک در مراحل واسنجی و اعتبارسنجی به ترتیب 6/34 و 8/36 درصد محاسبه شد. مدل swap عملکرد دانه را برای هر دو رقم با دقت خوب، شبیه سازی نمود. متوسط خطای نسبی تخمین عملکرد دانه در مرحله واسنجی، برای ارقام روشن و قدس به ترتیب 93/6 و 30/7 درصد محاسبه گردید. متوسط ریشه میانگین مربعات خطای نرمال شده ی پیش بینی رطوبت خاک در مرحله واسنجی و اعتبارسنجی به ترتیب 81/4 و 34/7 درصد محاسبه گردید. متوسط ریشه میانگین مربعات خطای نرمال شده ی پیش بینی شوری عصاره اشباع خاک در مراحل واسنجی و اعتبارسنجی به ترتیب 87/8 و 59/13 درصد محاسبه شد. بر اساس نتایج مدل فائو، متوسط خطای نسبی مدل در پیش بینی عملکرد دانه برای ارقام روشن و قدس، به ترتیب 2/9 و 1/26 درصد به دست آمد. بیشترین خطای مدل در پیش بینی عملکرد دانه، در هر دو رقم قدس و روشن، برای تیمار های s1i1، s2i1 و s3i1 به دست آمد. خطای نسبی پیش بینی عملکرد رقم روشن، برای تیمارهای s1i1، s2i1 و s3i1 به ترتیب 20، 1/28 و 6/26 درصد و رقم قدس به ترتیب 61، 5/94 و 9/99 درصد به دست آمد که نشان دهنده خطای بیش برآورد قابل ملاحظه مدل، تحت تنش شدید کم-آبی می باشد. بطور کلی، مدل های aquacrop و swap، عملکرد دانه و رطوبت را با دقت مناسبی پیش بینی کردند و مدل aquacrop در پیش بینی شوری عصاره اشباع در مقایسه با مدل swap، دارای خطای بیشتر می-باشد.

مدلسازی رشد گیاه ابزار مهمی در ارزیابی اثرات تنش خشکی بر روی عملکرد محصول و در نتیجه آن ، انتخاب تاریخ کشت بهینه و تصمیم گیری برای روش های مدیریتی مناسب می باشد. یکی از جدیدترین مدل های گیاهی مدل aquacrop است که توسط فائو توسعه داده شده و اساس آن عکس العمل عملکرد محصول نسبت به آب مصرفی می باشد و با استفاده از متغیرهای اقلیمی، گیاه، خاک و مدیریتی، عملکرد محصول را شبیه سازی می نماید. هدف از این تحقیق شبیه سازی دینامیکی رشد گیاه کلزای بهاره تحت شرایط محدودیت آب با استفاده از مدل aquacrop می باشد. این مطالعه برای یک رقم کلزای بهاره (brassica napus l.) که در جویچه هایی به عرض 5/0 متر در کرت هایی به طول 5 متر، شامل 8 ردیف کلزا با تراکم 80 بوته در مترمربع در زمینی به مساحت حدوداً 400 مترمربع در اراضی دانشکده کشاورزی دانشگاه تبریز واقع در منطقه کرکج در طی سال های 1389 و1390 توسط دکتر مجنونی و همکاران کشت شد، اجرا گردید. در هر دو سال فوق، طرح آزمایشی شامل 4 تیمار آبیاریi1 ،i2 ، i3 و i4 بترتیب برابر آبیاری کامل کلزا، بیست درصد، سی و پنج درصد و پنجاه در صد کمتر از نیاز بالقوه آن در 4 تکرار بصورت طرح بلوک های کامل تصادفی پیاده گردید. مدل aquacrop با استفاده از داده های اندازه گیری شده در سال 89 واسنجی و داده های اندازه گیری شده در سال90 اعتبارسنجی گردید. براساس نتایج، مدل aquacropعملکرد دانه را برای هر دوسال با دقت زیاد شبیه سازی کرد. مقادیر جذر میانگین مربعات خطا و شاخص تطابق در مرحله واسنجی و اعتبارسنجی برای عملکرد دانه به ترتیب 09/5، 05/7و 98/0، 96/0 درصد بدست آمد. همچنین برای رشد دینامیکی بیوماس به ترتیب 31/29، 83/20 درصد و 97/0، 96/0، برای پوشش گیاهی به ترتیب 53/22، 37/25 درصد و 95/0، 94/0 و برای رطوبت خاک به ترتیب 55/16، 2/16 درصد و89/0، 84/0 محاسبه گردید. در نهایت این نتیجه حاصل شد که، با استفاده از مدل واسنجی شده aquacrop می توان اقدام به پیش بینی عملکرد محصولات زراعی مختلف تحت مدیریت های مختلف آبیاری برای شرایط مختلف آب و هوایی نمود؛ و با انتخاب بهترین تصمیم و شیوه مدیریت آبیاری به تصمیم گیری های کلان مربوط به مدیریت منابع آب کشاورزی کمک نمود تا باعث صرفه جویی و افزایش بهره وری در مصرف آب کشاورزی گردد.