عنوان پایان‌نامه
بررسی تأثیر خواص فیزیکی، شیمیایی، زیستی و مدیریتی خاک بر عملکرد باغات انار استان قم با استفاده از شبکه عصبی مصنوعی
- رشته تحصیلی
- مهندسی کشاورزی- علوم خاک گرایش فیزیک و حفاظت خاک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6700;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72843;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6700;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72843
- تاریخ دفاع
- ۱۱ بهمن ۱۳۹۴
- دانشجو
- سیدعلی کمالی نجات
- استاد راهنما
- منوچهر گرجی اناری
- چکیده
- کیفیت خاک یکی از شاخص های مهم در مدیریت خاک است که معمولا از سه جنبه فیزیکی، شیمیایی و زیستی مورد توجه قرار می گیرد. این شاخص برای ارزیابی تخریب اراضی یا اصلاح آن‌ها و تعیین نوع فعالیت‌های مدیریتی پایدار مهم است. ارزیابی کیفیت خاک برای تعیین پایداری سامانه‌های مدیریت اراضی و کمک به ایجاد کشاورزی پایدار و افزایش تولید محصول ضروری است. با توجه به اهمیت تولید کمی و کیفی محصول انار در ایران، باید مدیریت خاک به عنوان یکی از عوامل مهم مورد توجه قرار گیرد. مدیریت بهینه خاک در ابعاد فیزیکی، شیمیایی و زیستی، سبب افزایش عملکرد و سلامت محصول، کاهش هزینه‌ها، حفظ محیط زیست، و حفاظت خاک خواهد شد. در این طرح تحقیقاتی، اثرات کیفیت خاک بر تولید محصول انار مورد بررسی قرار گرفت. در این تحقیق، پس از نمونه‌برداری از عمق های 30 – 0 و 60- 30 سانتی‌متری خاک 24 باغ انار شهر قم ، برخی ویژگی های فیزیکی، شیمیایی، و زیستی خاک ها اندازه‌گیری شدند. داده های کسب شده همراه با عملکرد محصول باغات در سه حالت ( خصوصیات فیزیکی، شیمیایی و زیستی خاک در عمق 30- 0 سانتیمتر، خصوصیات فیزیکی و شیمیایی خاک در عمق 60-30 و عمق 60-0 سانتیمتر) توسط شبکه عصبی مصنوعی مدل سازی شده و به کمک تحلیل حساسیت، اهمیت هر یک از متغیرهای ورودی بر عملکرد محصول مشخص شد. نتایج نشان داد که مدل های شبکه عصبی مصنوعی با 18 ورودی ( خصوصیات خاک در عمق 0 تا 30 سانتی‌متری) و یک خروجی ( میزان تولید محصول باغ)، با 85/0R2= و 22/17MSE= و 75/2MAE=، و پس از تحلیل حساسیت با 8 ورودی و یک خروجی، با 98/0R2= و 91/1MSE= و 16/1MAE=، نسبت به حالت های دیگر روند بهتری از تغییرات عملکرد نسبت به ورودی های مدل و پیش‌بینی واقعی‌تری از تولید را ارائه نمودند. تحلیل حساسیت شبکه‌های عصبی نشان داد که در این منطقه ویژگی‌های فیزیکی و زیستی خاک اهمیت زیادی دارند و تأثیر بیشتری بر کیفیت خاک و عملکرد داشته‌اند. با توجه به آب و هوای گرم و خشک منطقه، آب قابل استفاده گیاه بیشترین تأثیر را در تولید محصول نشان داد. اقدامات مدیریتی چون حفظ بقایای گیاهی در سطح خاک، استفاده از کود دامی و کشت یونجه و شلغم به عنوان کود سبز نیز اثر بسزایی در افزایش کیفیت خاک و عملکرد محصول داشته اند. شاخص کیفیت خاک بر اساس ویژگی‌های اندازه‌گیری شده محاسبه شد و نشان داد که کیفیت خاک در عمق 30-0 سانتیمتر زیادتر بوده و روند بهتری را با عملکرد نشان میدهد. همچنین مشخص گردید که شاخص های کیفیت خاک که از تجمیع امتیازات نمایه ها به دست می آیند رابطه بهتری را با تولید محصول نسبت به تک تک خصوصیات نشان می دهند. البته کیفیت خاک تنها عامل برای افزایش عملکرد در باغات نیست و باید هرس درختان، مبارزه با آفات و بیماری های گیاهی و جنبه های دیگر نیز مورد توجه قرار گیرند. کلمات کلیدی: مدیریت خاک، کیفیت خاک، محصول انار، شبکه عصبی مصنوعی، شاخص کیفیت خاک
- Abstract
- Soil quality is one of important indecies in soil management that is considered from three aspects of physical, chemical, and biological. Soil quality is important for assessing land degradation or reclamation, and determining the soil management practices for sustainable use. Soil quality assessment is essential to determine the sustainability of soil management systems, create sustainable agriculture, and promote the yield production. To increase the quantity and quality of pomegranate production in Iran, soil as an important component must be managed in best ways. Proper management of soil physical, chemical, and biological properties can increase the healty yield production, reduce the costs, protect the environment, and conserve the soil. In this study, the effect of soil quality on pomegranate yield production was investigated. The soil samples were taken from 0-30 and 30-60 cm depth with three replicates in 24 orchards located in the city of Qom. Some physical, chemical, and biological properties of samples were measured and also irrigation water and tree leaves were analysed. Measured properties with the orchards yield were modeled by artificial neural network in three set of data (soil properties of 0-30 cm depth, soil properties of 30-60 cm depth, and soil properties of 0-60 cm depth). Sensitivity analysis were performed to identify the most effective properties on yielding as soil quality indicators. In general, the models of artificial neural network with 18 inputs ( soil properties related to a depth of 0 to 30 cm) and one output(orchard yield), with MAE=2.75, MSE= 17.22, and R2=0.85, and after sensitivity analysis, with 8 inputs and one output, with MAE= 1.16, MSE= 1.91, and R2= 0.98, showed better process than other models. Sensitivity analysis showed that the physical and biological characteristics are more important and have greater impact on soil quality and pomegrante yield. According to the warm and dry climate of region, available water for plant was the most important factor to promote the yield production. Soil management practices such as leaving the plant residue on soil surface, animal manure application, and planting alfalfa and turnip as green manure, has significant effect to increase the soil quality and pomegranate yield. Soil quality index was calculated by integrating the indicators scores for each orchard and showed that soil quality of topsoil (0-30 cm) has more effect on yield. However, the soil quality is not the only factor for achiving the maximum yield, but some other practices such as tree pruning, integrated pest management, etc. must be done properly. Keywords: soil management, soil quality, Pomegranate, artificial neural networks, soil quality index
