fa بهینه‌سازی قطعه‌بندی اراضی کشاورزی با رویکرد چندمعیاره و استفاده از الگوریتم ژنتیک سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research <span style="font-size:10pt"><span style="text-justify:inter-ideograph"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:"Times New Roman",serif"><span lang="FA" style="font-family:"B Nazanin"">قطعه‌بندی اراضی کشاورزی به‌عنوان یک ابزار کلیدی در مدیریت پایدار منابع زمین، نقشی مهم در افزایش بهره‌وری و کارایی تولیدات کشاورزی ایفا می‌کند. با توجه به محدودیت منابع آب و خاک و افزایش تقاضا برای محصولات کشاورزی، توسعه روش‌های نوین و کارآمد برای قطعه‌بندی اراضی ضرورت بیشتری یافته‌است. در این پژوهش، یک روش ترکیبی مبتنی بر الگوریتم ژنتیک و الگوریتم‌های قطعه‌بندی موجود برای بهینه‌سازی قطعه‌بندی اراضی کشاورزی در منطقه کوکده، شهرستان آمل، مورد بررسی قرار گرفته است. هدف این مطالعه، ارائه یک راهکار بهینه برای تقسیم اراضی کشاورزی به قطعاتی با ابعاد مناسب و هندسه مطلوب است که معیارهای چندگانه‌ای نظیر نوع محصول، شیوه آبیاری و محدودیت‌های هندسی را در نظر می‌گیرد. نتایج حاصل از پیاده‌سازی این روش نشان می‌دهد که قطعات ایجادشده دارای ابعادی نزدیک به استانداردها و مطابق با آیین‌نامه‌های موجود هستند. در حالی که فرایند سنتی قطعه‌بندی اراضی که توسط کارشناسان انجام می‌شود، زمان‌بر و پرهزینه است، روش پیشنهادی در این تحقیق از نظر دقت، زمان پردازش و بهینه‌سازی هندسی عملکرد بهتری نسبت به روش‌های موجود داشته است. مقایسه نتایج نشان می‌دهد که اختلاف ابعاد قطعات در روش پیشنهادی با قطعات ایجادشده توسط کارشناس، در طول قطعات 7_/0 درصد و در عرض قطعات 7_/5 درصد است. علاوه بر این، زمان موردنیاز برای قطعه‌بندی با روش پیشنهادی تقریباً ۵۰ درصد کمتر از زمان قطعه‌بندی با روش الگوریتم ژنتیک بوده است. این پژوهش نشان می‌دهد که استفاده از روش ترکیبی پیشنهادی و بهره‌گیری از الگوریتم‌های قطعه‌بندی موجود می‌تواند به‌عنوان ابزاری کارآمد و مؤثر برای بهینه‌سازی قطعه‌بندی اراضی کشاورزی مورد استفاده قرار گیرد.</span><span dir="LTR" style="font-size:7.0pt"></span></span></span></span></span></span><br>   <span style="font-size:10pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="line-height:140%"><span style="page-break-after:avoid"><span style="unicode-bidi:embed"><span style="font-family:"Times New Roman",serif"><span lang="es" style="line-height:140%"><span style="color:black">Agricultural land partitioning which is a fundamental instrument of sustainable land management, plays a crucial role in enhancing the productivity and efficiency of the agricultural systems. Given the growing constraints on water and soil resources, coupled with rising demand for agricultural products, developing innovative and efficient partitioning methods has become an urgent necessity. This study investigates a hybrid method that integrates a genetic algorithm with the existing partitioning algorithms to optimize agricultural land partitioning in the Koukedeh region of Amol Town. The primary objective is to develop an optimal framework for subdividing land blocks into parcels with appropriate dimensions and favorable geometrical characteristics, in which the multiple criteria such as crop type, irrigation method, and geometric constraints aretakenintoconsideration. The implementation results demonstrate that the generated parcels exhibit dimensions closely aligned with the established standards and regulatory guidelines. Unlike the conventional, time-intensive, and costly expert-led process, the proposed method outperforms the existing approaches in accuracy, computational efficiency, and geometric optimization. A comparative analysis indicates that the dimensional deviation of the proposed method's parcels, relative to the expert-delineated ones, is only 0.7% in length and 5.7% in width. Furthermore, the partitioning time using the hybrid method was approximately 50% shorter than that required by the standalone genetic algorithm. Overall, the findings suggest that the integration of the proposed hybrid approach with the existing partitioning algorithms can serve as a robust and effective tool for optimizing the agricultural land partitioning, thereby contributing to the sustainable land management and enhanced agricultural productivity.</span></span></span></span></span></span></span></span></span><br>   قطعه‌بندی اراضی کشاورزی, بهینه‌سازی, الگوریتم ژنتیک, چند معیاره, یکپارچه‌سازی اراضی Agricultural land partitioning, optimization, genetic algorithm, multi-criteria, land consolidation. 1 23 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-1-1&slc_lang=fa&sid=1 Mohammad Karimi محمد کریمی mkarimi@kntu.ac.ir 100319475328460010840 100319475328460010840 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Meherdad Bijandi مهرداد بیجندی mehrdadbijandi@gmail.com 100319475328460010841 100319475328460010841 No Tafresh university دانشگاه تفرش Vahid Farahani وحید فراهانی vahid.farahani72@gmail.com 100319475328460010842 100319475328460010842 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی