سیستم‌های پشتیبان تصمیم‌گیری در مدیریت علف‌های‌هرز

محورهای موضوعی : پژوهش علف های هرز

مجتبی حسینی ¹ , مهدی مجاب ² , مهدی نصیری محلاتی ³

1 - اگروتکنولوژی دانشکده کشاورزی دانشگاه فردوسی
2 - مربی، گروه علوم کشاورزی، دانشگاه پیام نور، ایران
3 - گروه اگروتکنولوژی، دانشکده کشاورزی، دانشگاه فردوسی مشهد2

تاریخ دریافت : 1398/09/09 تاریخ پذیرش : 1401/05/21 تاریخ انتشار : 1401/06/01

کلید واژه: مدل اقتصادی زیستی, مدیریت علف های هرز, سیستم پشتیبان تصمیم‌گیری, علف‌کش,

چکیده مقاله :

فناوری کشاورزی باعث تغییرات مداوم در روش های مدیریت مزارع می شود به طوری که کشاورزان با نهاده های جدید زیاد و متنوعی روبرو بوده و تصمیم‌گیری صحیح و موثر در زمینه به کارگیری امری دشوار شده است. سیستم‌های کمک به تصمیم‌گیری (DSS) از دهه 1980 میلادی در بخش کشاورزی بعنوان ابزار کمک‌دهنده به تصمیم‌گیری مورد استفاده قرار گرفته‌اند. این سیستم‌ها در علوم علف های هرز بطور کلی به دو دسته تقسیم می شوند: 1- سیستم هایی که بر اساس تاثیر علف‌کش یا شناسایی علف‌های ‌هرز توصیه می کنند 2- سیستم هایی که بر اساس بانک بذر یا تراکم گیاهچه علف هرز توصیه‌های اقتصادی می نمایند. سیستم های پیشرفته تر در تلاش هستند که هر دو جنبه رقابت علف هرز و پویایی جمعیت علف های هرز را با توجه به دز علف کش انتخابی مد نظر قرار دهند. هدف استفاده از DSS ها در مدیریت علف‌های هرز کنترل مناسب علف های هرز، کاهش استفاده از علف کش ها، کاهش هزینه مدیریت علف های هرز و کاهش خطرات محیطی است. تاکنون از برنامه های متعددی چون HERB، MUS-HERB، WEEDSIM، SELOMA، Herbicide Application Decision Support System (HADSS)، Pocket HERB، WebHADSS، Weedsoft، Weed Manager، GESTINF، AVENA-PC، Expert system ، Pl@ntInfo و RIM (Ryegrass Integrated Management) در مدیریت علف های هرز استفاده شده است و انتظار می رود در آینده استقبال بیشتری از این برنامه ها شود.

چکیده انگلیسی:

gricultural technology is constantly changing farm management strategies as farmers are facing with many new cultivars and pesticides and making proper efficient decision s difficult in the recent years. DSS models have been used in agriculture as decision-making tools since 1980s. Weed-related DSS have generally fallen in to one of two broad categories: Those that make recommendations based on herbicide efficacy or weed identification and those that consider the weed seedbank or weed seedling density and make recommendations based on economic benefit. More advanced systems that considers both weed copetition and weed population dynamics in regards to herbicide dose selection. The objectives of decision support systems are to produce adequate weed control recommendations resulting in a reduction in herbicide use, environmental risk, and lower weed management costs. Several program such as HERB, MUS-HERB, WEEDSIM, SELOMA, Herbicide Application Decision Support System (HADSS), Pocket HERB, WebHADSS, Weedsoft, Weed Manager, GESTINF, AVENA-PC, Expert system, Pl@ntInfo and RIM (Ryegrass Integrated Management) so were used in weed management. It is expected that DSS application increased in the near future.