ارزیابی روش های شبکه ی عصبی مصنوعی و زمین آمار در برآورد توزیع مکانی عملکرد گندم دیم و آبی (مطالعه موردی: خراسان رضوی)

پژوهش حاضر با هدف پیش بینی میزان عملکرد گندم آبی و دیم با روش های زمین آمار کریجینگ و شبکه‎ی عصبی مصنوعی در سطح استان خراسان رضوی انجام گرفت. بدین منظور نخست مشخصات طول و عرض جغرافیایی هفده شهرستان مورد مطالعه، به عنوان ورودی های هر دو روش تعریف شد. خروجی هر روش نیز مقدار عملکرد گندم آبی و دیم هر شهرستان بود. در بخش زمین آمار سه روش کریجینگ معمولی، کریجینگ ساده و کریجنگ عمومی و در بخش شبکه‎ی عصبی مصنوعی، ساختار پرسپترون سه‎لایه با الگوریتم پس انتشار خطا، مورد ارزیابی قرار گرفت. نتایج نشان دادند در بین روش های زمین آمار، روش کریجینگ ساده با نیم‎تغییرنمای دایره‎ای در پیش بینی عملکرد گندم آبی با مجذور میانگین مربعات خطای نرمال 120‎/0 و روش کریجینگ معمولی با نیم تغییرنمای نمایی و مجذور میانگین مربعات خطای نرمال 348‎/0 در پیش بینی عملکرد گندم دیم مناسب بود. مقایسه‎ی نتایج زمین آمار و شبکه‎ی عصبی مصنوعی بیانگر توانایی بالای شبکه‎ی عصبی در مقابل روش زمین آمار کریجینگ بود، به‎طوری که در شبکه‎ی عصبی مصنوعی عملکرد گندم دیم و آبی به ترتیب با 46 و 42 درصد خطای کمتر نسبت به روش زمین آمار برآورد شد. همچنین محاسبه‎ی شاخص ویلموت نشان داد دقت شبکه‎ی عصبی در پیش بینی عملکرد گندم دیم، 81 درصد و در گندم آبی 65 درصد بود. در حالی که شاخص ویلموت برای پیش بینی عملکرد گندم دیم و آبی به روش زمین آمار، به ترتیب 53 درصد و 50 درصد به دست آمد. درمجموع می توان چنین نتیجه گرفت که روش شبکه‎ی عصبی مصنوعی با تلفیق دو عامل طول و عرض جغرافیایی، قادر به پیش بینی عملکرد گندم آبی و دیم پیش از برداشت با دقت مناسب است.