RT - Journal Article T1 - Modeling Nitrate Leaching from a Potato Field Using Adaptive Network-Based Fuzzy Inference System Combined With Genetic Algorithm JF - JSTNAR YR - 2015 JO - JSTNAR VO - 18 IS - 70 UR - http://jstnar.iut.ac.ir/article-1-2917-fa.html SP - 13 EP - 24 K1 - Drip fertigation K1 - ANFIS K1 - HYDRUS-2D K1 - Genetic algorithm K1 - Nitrate leaching. AB - کاربرد مرسوم کودهای نیتروژنه از طریق آب آبیاری، یکی از مهم‌ترین عوامل افزایش غلظت نیترات آب‌های زیرزمینی نواحی فاریاب می‌باشد. این مسئله، مدیریت آب و عناصر غذایی را برای کاهش آلودگی آب‌های زیرزمینی و افزایش بازده عناصر غذایی ضروری می‌نماید. برای برآورده‌نمودن این نیاز، کودآبیاری قطره‌ای یک جایگزین مناسب می‌باشد. طراحی و اجرای کود آبیاری قطره‌ای نیازمند به دانستن آب‌شویی نیترات از محصولات با ریشه‌ی سطحی نظیر سیب‌زمینی که نمی‌توانند از لایه‌های پایینی خاک عناصر غذایی را جذب کنند، دارد. در این پژوهش، آب‌شویی نیترات از مزرعه‌ی سیب‌زمینی تحت آبیاری و کوددهی قطره‌ای با استفاده از سیستم استنتاج تطبیقی فازی-عصبی (Adaptive Network-based Fuzzy Inference System:ANFIS) در ترکیب با الگوریتم ژنتیک مدل‌سازی و پیش‌بینی گردید. در قسمت اول این مطالعه با استفاده از HYDRUS-2D، آب‌شویی نیترات از خاک شنی تحت کشت سیب‌زمینی درشرایط شدت جریان‌های مختلف قطره‌چکان و مقادیر مختلف کود نیتروژن مدل‌سازی و شبیه‌سازی گردید. نتایج حاصل از شبیه‌سازی HYDRUS-2D برای آموزش و اعتبارسنجی ANFIS جهت پیش‌بینی آب‌شویی نیترات استفاده شد. یافتن شعاع دسته‌ها در ANFIS، با استفاده از الگوریتم ژنتیک انجام گرفت. ضریب همبستگی و درصد خطای مطلق میانگین نسبی بین داده‌های حاصل از مدل ANFIS و مشاهده‌ای برای داده‌های امتحانی به‌ترتیب 99/0 و64/0 بود. با‌توجه به معیارهای ارزیابی مشخص شد که ANFIS با دقت بالایی می‌تواند آب‌شویی نیترات را در شرایط مطالعه‌ی حاضر شبیه‌سازی نماید. هم‌چنین ANFIS می‌تواند عدم قطعیت ناشی از داده‌های مزرعه‌ای را پوشش دهد. LA eng UL http://jstnar.iut.ac.ir/article-1-2917-fa.html M3 ER -