این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۴۵، شماره ۴، صفحات ۳۷۹-۳۸۸
عنوان فارسی بهبود برآورد عملکرد محصول در مدل شبیه‌سازی SWAP با استفاده از داده‌های ماهواره‌ای
چکیده فارسی مقاله به منظور برآورد عملکرد گیاهان در سطوح وسیع، از روش به‌روزرسانی مدل‌های رشد گیاه با داده‌های ماهواره‌ای استفاده می‌شود. هدف این تحقیق تعیین میزان بهبود برآورد عملکرد محصول در مدل شبیه‌سازی SWAP با استفاده از این روش بود. این تحقیق در سال زراعی 1390ـ 1391 در سه سامانه آبیاری عقربه‌ای، واقع در شبکه آبیاری قزوین، تحت کشت گیاهان ذرت علوفه‌ای و چغندرقند، انجام شد. اجرای مدل SWAP در دو مرحله بدون به‌روزرسانی و با به‌روزرسانی با شاخص سطح برگ ماهواره‌ای انجام شد. برآورد عملکرد محصول چغندرقند و ذرت با مدل SWAP به‌روزرسانی‌شده به‌ترتیب 7/13 و 5/14 درصد در مقدار درصد خطا و 321/3 و 621/1 تن بر هکتار در مقدار RMSE بهبود یافت. نتایج به‌دست‌آمده نشان داد با به‌روزرسانی شاخص سطح برگ ماهواره‌ای می‌توان خطاهای داده‌های ورودی مدل و عدم ‌قطعیت موجود در آن‌ها را به میزان زیادی کاهش داد و با دقت مطلوبی عملکرد را در سطح وسیع و با تفکیک مزرعه به مزرعه برآورد کرد.
کلیدواژه‌های فارسی مقاله ذرت علوفه‌ای، سنجش از دور، شاخص سطح برگ، چغندرقند، مدل SWAP،
عنوان انگلیسی Improving Crop Yield Estimation through SWAP Model Using Satellite Data
چکیده انگلیسی مقاله Updating the satellite data in crop growth models is a useful technique to estimate the crop yield on some large scale farms. Throughout the present study, the improvement of SWAP model simulation was investigated using this technique for crop yield estimation. The study was conducted during 2012 growing season at some three center- pivot farms, covered by fodder maize and sugar beet as the main crops in Qazvin Irrigation Network. SWAP model was run by two methods, namely through either non-updated or updated satellite Leaf Area Index (LAI) data. Results indicated that sugar beet and fodder maize yields estimated through updated SWAP model were improved by about 13.7 and 14.5 (%) in absolute percent error while they amounted to 3.321 and 1.621 (ton/ha) in RMSE.The obtained results indicated that the LAI assimilation technique (using satellite data) can greatly reduce errors related to model input parameters. It can reduce the uncertainty as well as estimate fairly accurately the crop yield in a large area and on any individual farm.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا بادیه نشین | badyeh jarineshin
کارشناس ارشد آبیاری و زهکشی گروه آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

حمیده نوری |
استادیار گروه آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مجید وظیفه دوست |
استادیار گروه مهندسی آب دانشگاه گیلان
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نشانی اینترنتی http://ijswr.ut.ac.ir/article_52590_1967e60f0961e25e92b4bd5e71110368.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات