علوم آب و خاک

پیش‌بینی عمق آبشستگی موضعی به‌عنوان پدیده‌ای پویا و غیرخطی با استفاده از روش‌هایی با توانایی پیش‌بینی مناسب همواره مورد توجه پژوهشگران بوده‌اند. از عوامل مؤثر در اندازۀ حفرۀ آبشستگی، شکل هندسی پایه‌های پل است. در این پژوهش با استفاده از الگوریتم پشتیبان بردار ماشین و بر مبنای 395 دادۀ صحرایی سازمان زمین‌شناسی آمریکا و فروهلیچ (1988) در قالب دو سناریو، مقدار عمق آبشستگی سه پایۀ پل استوانه‌ای، نوک تیز و مستطیلی بر اساس ترکیب‌های مختلف پارامترهای بی‌بعد: زاویۀ حملۀ آب (α)، عدد فرود (Fr)، نسبت طول به عرض پایه (ِb / L) ( و نسبت قطر متوسط ذرات رسوبی به عرض پایه (ِb / 50 D) پیش‌بینی شدند. نتایج پژوهش ضمن تأیید عملکرد قابل قبول الگوریتم SVM برای همۀ پایه­ ها در هر دو سناریو نشان داد در سناریوی اول و دوم بهینه‌ترین عملکرد مربوط به پایۀ مستطیلی به‌ترتیب با ضریب همبستگی 0/8702 و 0/8838 و مقدار بیشینۀ Ds(DDR) با مقادیر 0/854 و 1/229 در فرایند تست الگوریتم بودند. همچنین تأثیر مثبت افزایش تعداد داده‌ها روی عملکرد الگوریتم SVM با افزایش شاخص‌های ارزیابی تأیید شد. مقایسۀ نتایج نشان داد الگوریتم SVM مقادیر آبشستگی را بیشتر از مقدار مشاهداتی با خطای مطلق بین 11 تا 35 درصد برآورد کرده است. 

تأثیرات تغییرات اقلیم روی عملکرد و بازدهی محصولات کشاورزی از اصلی‌ترین دغدغه‌ها و چالش‌های صنعت کشاورزی است. عوامل محیط زیستی مختلفی مانند تغییرات شدید دما و نوسانات شدید بارندگی روی رشد و عملکرد محصولات کشاورزی تأثیرگذار است. زعفران یکی از مهم‌ترین محصولات کشاورزی کشور ایران است که نقش مهمی در موضع صادرات دارد. ایران دارای بیشترین تولید زعفران در جهان و استان همدان یکی از بزرگ‌ترین تولیدکنندگان آن در ایران است. در این مطالعه با بهره‌گیری از روش‌های هوش مصنوعی برای دسته‌بندی و تحلیل حساسیت داده‌های هواشناسی و کشاورزی، تأثیر تغییر اقلیم بر عملکرد زعفران در استان همدان بررسی شد. نتایج نشان داد که شاخص‌های تغییرات شدید اقلیمی ناشی از بیشینه و کمینه دمای ماهانه، بیشترین تأثیر منفی را نسبت به سایر شاخص‌های هواشناسی بر عملکرد زعفران دارند. علاوه بر این، نتایج نشان داد که الگوریتم جنگل تصادفی، به عنوان یکی از مناسب‌ترین روش‌ها برای تحلیل حساسیت در مقایسه با سایر الگوریتم‌های بررسی‌شده، عمل می‌کند. سه شهرستان ملایر، نهاوند و اسدآباد، دارای بیشترین دقت در تحلیل حساسیت بودند. یافته‌ها نشان داد که با استفاده از اطلاعات دمایی حدی ماهانه، می‌توان ریسک تولید زعفران را ارزیابی کرد و آگاهی لازم برای کشت این محصول را افزایش داد.