مقاله پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
1 بازدید
۹۷,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله پیش بینی خسارات ناشی از خشکسالی کشاورزی با استفاده ار تصاویر ماهوار های در اراضی دیم استان کرمانشاه :

تعداد صفحات:۱۲

چکیده:

در سال های اخیر پدیده خشکسالی خسارت های فراوانی را به بخش کشاورزی در ایران وارد آورده که ضرورت وجود یک سیستم پیش آگاهی از تأثیر خشکسالی بر وضعیت کشاورزی و برآورد میزان آسیب آن بر عملکرد محصولات، برای سیاستگذاران و بهره برداران را ضروری می نمای د. در این تحقی ق یک مدل برای ارزیابی آسیب خشکسالی در کرمانشاه با استفاده از روش های آماری و هوشمند توسعه یافت که به طور خاص AF391برای گندم دیم بوده و قادر می باشد آسیب ناشی از خشکسالی را در مراحل فنولوژیک بحرانی رشد گیاه برآورد نماید. ابتدا مدل با شاخص های خشکسالی SPI ،CMI ،Z-index ،PDSI و EDI توسعه یافت و ضر یب همبستگی این مدل برای پنج مرحله رشد بین ۰/۲۰ تا ۰/۷۴ متغییر بود. سپس با استفاده از داده های ماهواره ای و الگوریتم SEBALتبخیر-تعرق واقعی محاسبه و از شاخص جدید S_CSDI که در این تحقیق توسعه یافت به همراه شاخص های VCI ،CSDI و TCI مدل عملکرد محصول ساخته شد که ضریب همبستگی مدل برای پنج مرحله رشد بین ۰/۲۹ تا ۰/۷۸ متغییر بود که حکایت از سرعت و دقت بیشتر مدل ماهوارهای دارد. جهت انتخاب متغیرهای مناسب، روش هوشمند الگوریتم ژنتیک و شبکه عصبی به کار گرفته شد. در هر دو مدل، نتایج مدل با گذشت زمان در مراحل مختلف بحرانی رشد از برازش بهتری برخوردار بوده و پهنه بندی نتا یج در دو سال شاخص در محیط GIS این روند را تأیید می نماید.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.