نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد گروه ماشین‌های کشاورزی و مکانیزاسیون دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران.

2 استادیار گروه ماشین‌های کشاورزی و مکانیزاسیون دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران.

چکیده

برنامه‌ریزی برای توسعه مکانیزاسیون از مهم‌ترین مؤلفه‌ها در توسعه بخش کشاورزی است. بنابراین آگاهی از وضعیت مکانیزاسیون هر منطقه می‌تواند به برنامه‌ریزان کمک کند تا اصولی‌ترین روش برنامه‌ریزی را برای به حداقل رساندن نابرابری‌هایی منطقه‌ای به‌کار گیرند. تحلیل خوشه‌ای ابزار برنامه‌ریزی است و این امکان را می‌دهد تا بر مبنای همگنی موجود بین مناطق، آنها را به شیوه‌ای مناسب طبقه‌بندی، تفسیر و تبیین کند. به‌منظور پهنه‌بندی توزیع توان تراکتوری مورد نیاز در کشاورزی استان خوزستان از خوشه‌بندی FCM استفاده شد. برای ارزیابی عملکرد خوشه‏بندی از چهار تابع اعتبارسنجی، ضریبتقسیم‌بندی و آنتروپی تقسیم‌بندی فازی و دو تابع بر مبنای مفهوم تراکم درون خوشه‌ها و جداشدگی خوشه‌ها استفاده گردید. بر اساس نتایج اعتبارسنجی، تعداد بهینه خوشه‏ها 2 به‌دست آمد. مقدار درجه عضویت بالاتر از ۴۰ درصد به‌عنوان حد پایین تعلق پذیری شهرستان‌های استان به هر خوشه در نظر گرفته شد. بر این اساس خوشۀ 1 و 2 به‌ترتیب 16 و 18 عضو دارد. تحلیل مکانی خوشه‏های ایجاد شده نشان می‌دهد که نواحی شمالی و شرقی استان در خوشۀ یک قرار دارند و از نظر دسترسی به توان در وضعیت مناسبی نیستند و از نظر نیاز به توزیع توان تراکتوری در اولویت قرار دارند. نواحی مرکز تا جنوب و بخش‌هایی از شرق استان در خوشۀ دو قرار دارند و وضعیت موجود آنها در خصوص دسترسی به توان، نسبتاً مناسب‌تر است.

کلیدواژه‌ها

Aghili-Nategh, N., Samavatian, N., Yonji S. and Lak, M. B. 2012. Determination of optimum level of agricultural mechanization in Hamadan province. Proceedings of the 7th National Congress on Agricultural Machinery and Mechanization. Sep. 5-7. Shiraz University. Shiraz, Iran. (in Persian)

Almassi, M., M. Safari, and A. Hedayatipour. 2008. Mechanization Coefficients and indices in tillage operation using conventional tractor and plow in ten provinces of country. Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Amini, M., Afyuni, M., Fathianpour, N., Khademi, H. and Fluhler, H. 2005. Continuous soil pollution mapping using fuzzy logic and spatial interpolation. Geoderma. 124, 223-233.

Amirian, F., Jafarzadeh, A., Shahbazi, F., Ghorbani-Golzarinejad, M. and Servati, M. 2015. Application of the fuzzy sets theory and FAO method on suitability and clustering of land units in Marand region for sunflower and canola products. Soil Water Sci. J. 26(1/1): 273-290.

Andrade, P. and Jenkins, B. M. 2003. Identification of patterns of farm equipment utilization in two agricultural regions of central and northern Mexico. Agric. Eng. Int. CIGR J. Sci. Res. Dev. Invited Overview Paper. Vol. V.

Azimi, F., Shakiba, A. R. and Saedi, N. 2010. Zoning of agricultural climate in south and southeast Iran using with clustering analysis. J. Nat. Geogr. 1(4): 47-58. (in Persian)

Bagheri, N. and Moazzen, S. A. 2009. Optimum strategy for agricultural mechanization development in Iran. Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Bagheri, E., Shahidzadeh, M., Javadi, A., Mohammadi-Mazrae, H. 2013. Investigation of mechanization status using GIS in Miandoab and providing approach development. First National Conference on Agriculture and Environment Sciences. Feb. 21. Hamadan, Iran.(in Persian)

Bezdek, J. C., Ehrlich, R. and Full, W. 1984. FCM: The fuzzy c-means clustering algorithm. Comput. Geosci. 10(2-3): 191-203.

Chuang, K. Sh., Tzeng, H. L., Chen, Sh., Wu, J. and Chehit, T. J. 2006. Fuzzy c-means clustering with spatial information for image segmentation. Comput. Med. Imag. Graph. 30, 9-15.

Goktepe, A. B., Altun, S. and Sezer, A. 2005. Soil clustering by fuzzy c-means algorithm. Adv. Eng. Software. 36, 691-698.

Keshvari, A. and Marzban, A. 2018. Prioritizing the power arrival in Agriculture Khuzestan province using FAHP and FTOPSIS. J. Agric. Machinery. 9(1). doi: 10.22067/jam.v9i1.69258. (in Persian)

Kim, D.W., Lee, K. H. and Lee, D. 2004. On cluster validity index for estimation of the optimal number of fuzzy clusters. Pattern Recogn. 37, 2009-2025.

Kuo-Lung, W. and Y. Miin-Shen. 2005. A cluster validity index for fuzzy clustering. Pattern Recogn. 26,
1275-1291.

Lak, M. B. and Bloki, M. S. 2008. Investigation of mechanization level in Hamadan county. Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Mohajerdoust, V., Akram, A., Mashhuri-Azar, M. and Vojdani-Heris, F. 2008. Determination of required tractor units and desirable mechanization level in Savojbolagh plain (given to the time of operational pick and tractor management). Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Molaee, K. and Nourmohammadi, M. 2008. Mechanization in the Neyriz city (Fars) and suitable strategies for its development. Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Momeni, M. 2012. Data Clustering (Cluster Analysis). Momeni Pub. Tehran, Iran. (in Persian)

Priya, K. and Venkateswari, S. 2017. Application of Gustafson-Kessel-like clustering algorithm in delineation of management zones in precision Agriculture. Int. J. Appl. Agric. Res. 12(3): 279-293.

Ranjbaran. H. 2009. Statistics, probability, and Its Using in the Economy. Nooreelm and Esbaat Pub. Hamadan, Iran. (in Persian)

Sadeghi, M. R., Khadem-Al-Husseini, N. A., Abdeshahi, A. and Marzban, A. 2008. Investigating of effecting factors in agricultural mechanization development in South Khorasan province. Proceedings of the 5th National Congress on Agricultural Machinery and Mechanization. Aug. 28-29. Ferdowsi University of Mashhad. Mashhad, Iran. (in Persian)

Singh, G. and Singh-Atwal, K. 2017. Classification and clustering in yield prediction based on soil properties. Int. J. Adv. Res. Comput. Sci. 8(7): 253-258.

Wang, T. C. and Lee, H. D. 2009. Developing a fuzzy TOPSIS approach based on subjective weights and objective weights. Expert Sys. Appl. 36, 8980-8985.

Wu, K. L. and Yang, M. S. 2005. A cluster validity index for fuzzy clustering. Pattern Recogn. 26, 1275-1291.

Yaghini, M., Ranjpour, M. and Yousefi, F. 2009. A survey of fuzzy clustering algorithms. Proceedings of the 3rd National Conference Data Mining. Dec. 15. Secretariat Data Mining of Iran. Tehran, Iran. (in Persian)

Yang, Z., Chen, G., Duan, J., Peng, T. and Wang, J. 2009. Development strategy of agricultural machinery based on energy-saving in china. Biennial Conference of the Australian Society for Engineering in Agriculture (SEAg). Sep. 3-16, Brisbane, QLD.