عنوان پایان‌نامه
مدل سازی و بهینه سازی میزان انتشار آلایندگی و انرژی مصرفی در کشت چند محصول (سیب زمینی، گندم، خیارگلخانه ای و گوجه فرنگی گلخانه ای) در شهرستان فریدون شهر در استان اصفهان
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5002ک;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59018;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5502ک
- تاریخ دفاع
- ۲۶ شهریور ۱۳۹۲
- دانشجو
- بنیامین خوشنویسان
- استاد راهنما
- شاهین رفیعی
- چکیده
- در این تحقیق چهار محصول غالب شهرستان فریدون‌شهر در استان اصفهان از نظر الگوی مصرف انرژی و تبعات زیست¬محیطی ناشی از مصرف بی¬رویه نهاده¬های کشاورزی مورد ارزیابی و تحلیل قرار گرفته است. از ارزیابی چرخه زندگی این محصولات به منظور تعیین بارهای محیطی تولید شده استفاده شده است و به کمک تحلیل پوششی داده¬ها و الگوریتم ژنتیک مقادیر بهینه مصرف نهاده¬ها مورد تحلیل و بررسی قرار گرفته است. به منظور مدل‌سازی عملکرد محصولات و شاخص¬های زیست¬محیطی شبکه¬های عصبی مصنوعی و سامانه استنتاج عصبی-فازی تطبیقی (انفیس) مقایسه شده¬اند. نتایج حاصل از این پژوهش نشان داد که میزان کل انرژی نهاده در تولید چهار محصول گندم، سیب¬زمینی، خیار و گوجه¬فرنگی گلخانه¬ای به ترتیب 17/80، 72/83، 1/1667 و 1/1316گیگا ژول در هکتار می-باشد. در تولید محصولات زراعی گندم و سیب¬زمینی بیشترین میزان مصرف نهاده¬ها به ترتیب با 49% و 37% به الکتریسیته تعلق داشته است در حالی که در بخش تولیدات گلخانه¬ای بیشترین میزان مصرف انرژی برای خیار و گوجه‌فرنگی با 66% به گاز طبیعی تعلق داشته است. نتایج بهینه¬سازی مصرف انرژی با تحلیل پوششی داده-ها و الگوریتم ژنتیک چند هدفه به وضوح نشان دادند که پتانسیل بسیاری برای کاهش مصرف انرژی در تولیدات فوق وجود دارد. به علاوه میزان مصرف بهینه نهاده¬ها که از بهینه¬یابی چند هدفه حاصل شده است به طور معناداری کمتر از نتایج تحلیل پوششی داده¬ها بوده است. بر این ساس در بهینه¬ترین حالت مصرف انرژی کل نهاده در تولید گندم، سیب¬زمینی، خیار و گوجه‌فرنگی گلخانه-ای به ترتیب با 4/26%، 1/45%، 64% و 2/39% کاهش به رقم 59، 46، 601 و 799 گیگا ژول در هکتار خواهد رسید. ارزیابی تأثیراتزیست‌محیطی محصولات مورد مطالعه نشان داد که در بخش زراعی بیشترین بارهای محیطی از جانب الکتریسیته و کودهای شیمیایی بوده است در حالی که در بخش گلخانه¬ای بیشترین آلایندگی ناشی از مصرف زیاد گاز طبیعی بوده است. مقایسه شبکه-های عصبی مصنوعی و انفیس جهت پیش¬بینی عملکرد محصولات آشکار ساخت که مدل انفیس چند لایه قادر است تا با دقت بیشتر و خطای کمتر عملکرد محصولات را برآورد کند در حالی که تفاوت محسوسی میان آن¬ها برای پیش¬بینی شاخص¬های زیست‌محیطی مشاهده نگردید. ضریب همبستگی برای عملکرد پیش¬بینی شد? گندم، سیب¬زمینی، خیار و گوجه‌فرنگی گلخانه¬ای با بهره¬گیری از شبکه¬های عصبی مصنوعی برابر بودند با 867/0، 925/0، 94/0 و 916/0 در حالی که مقادیر حاصل شده از انفیس به ترتیب برابر بودند با 976/0، 987/0، 99/0 و 968/0.
- Abstract
- In this research four major crops including wheat, potato, greenhouse cucumber and tomato of Fereydoonshar located in Esfehan province were evaluated from energy use pattern and environmental impacts caused by excessive use of agricultural inputs point of views. Life cycle assessment methodology was applied to assess produced environmental burdens and moreover the optimum amount of input materials was picked out using data envelopment analysis (DEA) and genetic algorithm (GA). Also, artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS) as modeling tools were compared. The evaluations indicated that the total energy input in cultivation of wheat, potato, greenhouse cucumber and tomato was respectively calculated as 80.17, 83.72, 1667.1 and 1316.1 GJ/ha. Electricity with a share of 49% and 37% played the most important role on the total input energy of wheat and potato cultivation respectively, while in both greenhouse cucumber and tomato productions natural gas with a share of 66% had the most significant effect on the total energy input. The results of opimization of energy calculated by DEA and GA demonstrated that there is a high potentioal for reducing wasteful uses of energy from different sources in the cultivation of these crops in the region. Also, the optimum amount of input materials introduced by GA was significantaly less than that of DEA. Accordingly, in the most optimum condition, the total energy input in cultivation of wheat, potato, greenhouse cucumber and tomato with 26.4%, 45.1%, 64% and 39.2% reduction will achieve to the values of 59, 46, 601 and 799 GJ/ha. The evaluations of environmental assessment illustrated that in open-field cultivation all environmenatl impacts were dominated by electricity and chemical fertilizers while in greenhouse cultivation excessive use of natural gas dominated all environmental impacts. Drawing a comparison between ANN and ANFIS for prediction of crops yield reavealed that ANFIS was capable of predicting yield with more acuuracy and less error but no significant differences was observed between them for estimating envoronmental indices. Corrolation coefficient resulted from application of ANN for prediction of wheat, potato, greenhouse cucumber and tomato yield was calculated as 0.867, 0.925, 0.94 and 0.916 respectively, while that of ANFIS was computed as 0.976, 0.987, 0.99 and 0.968.
