مدل‌سازی انرژی و انتشارات گازهای گلخانه‌ای تولید محصول جو دیم با بهره‌گیری از یادگیری ماشین در شهرستان نظرآباد، استان البرز

انتخاب روش‌های صحیح و مناسب عملیات‌های زراعی باعث کاهش مصرف انرژی و کاهش تولید گازهای گلخانه‌ای در تولیدات محصولات کشاورزی می‌شود. در این مطالعه مقادیر انرژی ورودی، خروجی و انتشار گازهای گلخانه‌ای  تولید جو در شهرستان نظرآبادِ استان البرز مورد بررسی قرار گرفت. مقادیر مختلف کاربرد نهاده‌ها و اطلاعات جامع در هر مرحله از کاشت تا برداشت از طریق مصاحبه و پر کردن پرسش‌نامه‌های تخصصی جمع‌آوری شد. مقادیر انرژی مصرفی و انتشارات با استفاده از ضرایب تبدیل انرژی و انتشار گازهای گلخانه‌ای استخراج‌شده از منابع محاسبه شد. باتوجه‌به نتایج به‌دست‌آمده میانگین انرژی کل مصرفی mj/ha 16.14443 به دست آمد. مقدار پتانسیل گرمایش جهانی کل ناشی از فعالیت‌های مختلف در مزرعه 650.77 کیلوگرم معادل کربن‌دی‌اکسید در هکتار بوده است. بیشترین انتشار گازهای گلخانه‌ای مربوط به کود شیمیایی نیتروژن و سوخت دیزل بوده است. شاخص‌های نسبت انرژی، بهره‌وری انرژی، شدت انرژی و انرژی خالص به‌ ترتیب 5.03، kg/mj 0.34،mj/kg 91.2 و  mj58348 به دست آمد. مدل‌سازی انرژی با سه روش رگرسیونی درخت تصمیم، رگرسیون جنگل تصادفی و رگرسیون گرادیانی تقویت‌شده انجام شد و ضریب همبستگی آن‌ها به ترتیب برابر 0.76، 0.79 و 0.76 و جذر میانگین مربعات خطای نسبی به ترتیب برابر 0.04، 0.05 و  0.06 محاسبه شد. نتایج نشان داد که روش  رگرسیونی درخت تصمیم قادر است بادقت بیشتری مقادیر انرژی را پیش‌بینی کند. تحلیل حساسیت با shap  انجام شد و تاثیرگذارترین نهاده روی پیش‌بینی انرژی کود شیمیایی نیتروژن بود.

modeling energy and greenhouse gas emissions of rainfed barley production using machine learning in nazarabad city, alborz province

choosing the correct and appropriate methods of agricultural operations reduces energy consumption and greenhouse gas production in the emissions of agricultural crops. in this study, the amount of energy input, energy output, and greenhouse gas emissions of barley production in nazarabad city of alborz province were investigated. various amounts of inputs and comprehensive information were collected at each stage from planting to harvesting through interviews and filling specialized questionnaires. energy consumption and emissions were calculated using energy conversion coefficients and greenhouse gas emissions extracted from the sources. according to the obtained results, the average total energy consumption was 14443.16 mj ha-1. the total global warming potential due to different activities in the farm was 650.77 kg equivalent of carbon dioxide per hectare. the highest emission of greenhouse gases was related to nitrogen fertilizer and diesel fuel. the indices of energy ratio, energy efficiency, energy intensity, and net energy gain were 5.03, 0.34 kg/mj, 2.91 mj/kg, and 58348 mj, respectively. energy modeling was done with three methods: decision tree regression, random forest regression, and enhanced gradient regression that, their correlation coefficients were 0.76, 0.79 and 0.76 respectively, and the root mean square errors were calculatd 0.04, 0.05 and 0.06 respectively the results showed that the decision tree regression method is able to predict energy values more accurately. sensitivity analysis was performed with shap and the most influential input on energy prediction was nitrogen fertilizer.