view in publisher's site
- خانه
- لیست مقالات
- چکیده
Applying multi-objective genetic algorithm (MOGA) to optimize the energy inputs and greenhouse gas emissions (GHG) in wetland rice production
Highlights•37.8% and 40% of the total energy input can be reduced by using MOGA.•19.6% and 46.37% of the total GHG emissions can be reduced by using MOGA.•Nitrogen held the first rank with a reduction of 41.29% and 51.31% of GHG emissions.•Rice yield by using MOGA was close to the region’s maximum under current condition.AbstractEfficient use of energy in crops production will minimize greenhouse gas emission (GHG), prevent destruction of natural resources, and promote sustainable agriculture as an economical crop production system. The aim of this study is applying the multi-objective genetic algorithm MOGA to optimize the energy inputs and reduce the greenhouse gas emissions (GHG) for wetland rice production in Malaysia. The developed multi-objective genetic algorithm (MOGA) model, showed an excess of energy inputs used by the farmers more than the required energy by 37.8% and 40% for the transplanting and broadcast seeding methods. The potential of GHG emissions reduction by MOGA was computed as 95.89 and 236.13 kg CO2eq/ha. Nitrogen represents the highest contributor to the reduction of both, total energy input and total GHG emissions in the two cultivation methods transplanting and broadcast seeding methods. Despite lower consumption of inputs by MOGA, crop yield is estimated at 9.4 ton/ha in transplanting and 9.2 ton/ha in broadcast seeding, which is close to the region’s maximum under current condition.The main finding that MOGA model showed an excess of energy inputs used and the potential of GHG emissions reduction was 19.6% and 46.37%.for the transplanting and broadcast seeding methods.Graphical abstractDownload : Download high-res image (249KB)Download : Download full-size image
استفاده از الگوریتم ژنتیک چند منظوره (MOGA)برای بهینه‌سازی نهاده‌های انرژی و انتشار گازهای گلخانه‌ای (GHG)در تولید برنج تالابی
نکات برجسته * ۳۷.۸ % و ۴۰ % از کل انرژی ورودی را می توان با استفاده از MOGA کاهش داد.
* ۶ / ۱۹ % و ۳۷ / ۴۶ % از کل نشر GHG را می توان با استفاده از MOGA کاهش داد.
نیتروژن رتبه اول را با کاهش ۴۱.۲۹ % و ۵۱.۳۱ % انتشار گازهای گلخانه‌ای داشت.
* عملکرد برنج با استفاده از MOGA نزدیک به حداکثر منطقه تحت شرایط فعلی بود. استفاده موثر از انرژی در تولید محصولات، انتشار گازهای گلخانه‌ای (GHG)را به حداقل می‌رساند، از تخریب منابع طبیعی جلوگیری می‌کند، و کشاورزی پایدار را به عنوان یک سیستم تولید محصول اقتصادی ارتقا می‌دهد.
هدف از این مطالعه استفاده از الگوریتم ژنتیک چند منظوره MOGA برای بهینه‌سازی نهاده‌های انرژی و کاهش انتشار گازهای گلخانه‌ای (GHG)برای تولید برنج تالابی در مالزی است.
مدل الگوریتم ژنتیک چند منظوره توسعه‌یافته (MOGA)، مقدار اضافی انرژی ورودی مورد استفاده توسط کشاورزان را بیش از انرژی مورد نیاز با ۳۷.۸ % و ۴۰ % برای انتقال و پخش روش‌های کاشت نشان داد.
پتانسیل کاهش انتشار GHG توسط MOGA به صورت ۹۵.۸۹ و ۲۳۶.۱۳ کیلوگرم CO۲eq / ha محاسبه شد.
نیتروژن بیش‌ترین سهم را در کاهش هر دو، کل انرژی ورودی و کل گازهای گلخانه‌ای در دو روش کاشت نشاکاری و روش کاشت پخش دارد.
علی‌رغم مصرف کم‌تر ورودی‌ها توسط MOGA، عملکرد محصول در کشت نشایی ۹.۴ تن در هکتار و در کشت پخش ۹.۲ تن در هکتار برآورد می‌شود که نزدیک به حداکثر منطقه تحت شرایط فعلی است. یافته اصلی که مدل MOGA مقدار زیادی از انرژی ورودی مورد استفاده و پتانسیل کاهش انتشار گازهای گلخانه‌ای را نشان داد، ۱۹.۶ % و ۴۶.۳۷ % بود.
برای روش کار نشاکاری و پخش بذر. دانلود انتزاعی: دانلود تصویر با کیفیت بالا (۲۴۹ KB)دانلود: دانلود تصویر با اندازه کامل
ترجمه شده با 
- مقاله General Energy
- ترجمه مقاله General Energy
- مقاله انرژی عمومی
- ترجمه مقاله انرژی عمومی
ترجمه کنید