برآورد مكاني محصول كلزاي پاييزه بر اساس روش‌هاي ناپارامتريك‌ (كاربرد در برنامه ريزي فضايي كشاورزي)

سابقه و هدف: استان خراسان رضوي به دليل شرايط ويژه آب و هوايي از توان لازم براي كشت و توليد كلزا برخوردار است به-طوريكه شهرهاي شمالي و مركزي استان خراسان رضوي از قابليت بالايي به‌منظور كشت كلزا برخوردار است. قبل از توسعه كشت‌هاي جديد كلزا در مناطق مختلف ايران، ابتدا نياز به بررسي پارامترهاي مؤثر طبيعي و اقليمي در عملكرد كلزا است، تا به‌وسيله آن توان اكولوژيكي مناطق به‌منظور كشت كلزا شناخته شود. مدل‌سازي مكاني در سيستم اطلاعات جغرافيايي از مهم‌ترين راهكارهايي است كه مي‌تواند با تركيب روش‌هاي آماري و داده‌هاي مكاني، زمينه را براي سنجش عوامل محيطي و تناسب اراضي براي كشت يك محصول خاص فراهم آورد. در اين پژوهش رابطه مكاني بين عملكرد محصول كلزاي پاييزه و عوامل آب، خاك و هواشناسي طي دوره رشد در مزارع نمونه بررسي شد. مواد و روش‌ها: در اين پژوهش با به‌كارگيري دستگاه موقعيت‌ياب جهاني از 24 مزرعه كشت كلزاي پاييزه نمونه‌برداري شد و عملكرد واقعي آن محاسبه گرديد. سپس مقادير ده عامل محيطي شامل ارتفاع، شيب و جهت شيب توپوگرافي، EC و pH آب زيرزميني، ميانگين دما، تابش كل دريافتي مستقيم و پراكنده طي، تبخير و تعرق پتانسيل، شاخص عرضه باد و بافت خاك به روش نزديكترين همسايه براي مزارع انتخابي استخراج گرديد. سپس بعد از نرمال سازي متغيرها و با در نظر گرفتن دامنه اعداد، نمونه ها به دو قسمت آموزش (60 درصد، 14 مزرعه) و آزمون (40 درصد، 10 مزرعه) به‌طور تصادفي تقسيم گرديد. سپس از دو روش ناپارامتريك K نزديك‌ترين همسايه و جنگل تصادفي به‌منظور برآورد توان محيطي عملكرد توليدات كلزا استفاده شد و در محيط سامانه اطلاعات جغرافيايي نقشه برآورد عملكرد محصول كلزا تهيه گرديد. يافته‌ها: نتايج ميانگين درصد خطاي مطلق در روش‌هاي مورداستفاده نشان داد كه روش K نزديك‌ترين همسايه با 26 درصد خطا و جنگل تصادفي با 11 درصد خطا است. نتايج شاخص كارايي نش ساتكليف براي داده‌هاي آزمون نشان‌دهنده مقدار 65/0 براي روش K نزديك‌ترين همسايه و 82/0 براي روش جنگل تصادفي هست. به‌طوركلي نتايج نشان‌دهنده آن است كه روش جنگل تصادفي خطاي كمتري نسبت به روش K نزديك‌ترين همسايه در برآورد توليدات كلزا در منطقه مورد مطالعه دارد. يافته هاي اين تحقيق بر اساس مدل جنگل تصادفي نشان داد كه شاخص عرضه باد و ميانگين دما بيشترين تأثير و عوامل توپوگرافي جهت شيب جغرافيايي و ارتفاع از كمترين تأثير برخوردار هستند. همچنين pH و EC آب زيرزميني يكي ديگر از عوامل مهم در عملكرد مدل شده دانه كلزا در اين مطالعه است. نتيجه‌گيري: نخستين گام در رسيدن به موفقيت در طرح جامع توليد دانه‌هاي روغني كشور، شناسايي توان زراعي- بوم شناختي كشور به منظور تعيين مناطق مستعد كشت است. نتايج نشان داد كه نواحي مناسب كشت گياه كلزاي پاييزه در مناطق شمالي و شمال غربي منطقه سبزوار واقع‌شده است. مناطق مركزي با عملكرد پايين مشخص هستند كه عمدتاً به دليل و وجود سازندهاي گچي، نمكي در اين مناطق و همچنين وجود زهكش كال شور و وجود نمكزارها است. ازاين‌رو توصيه ميشود كه براي توسعه كشت اين گياه مناطق شمالي و شمال غربي منطقه سبزوار در اولويت كشت قرار گيرد. عملكرد محصولات زراعي در نتيجه تأثير مجموعه‌اي از عوامل ساختار ژنتيكي گياه و همچنين شرايط محيطي كشت است كه در اين مطالعه بر عوامل محيطي آن تأكيد شد.

Background and objectives: Khorasan Razavi province has the potential for growing and producing rapeseed because of favorable environmental conditions, so that the northern and central cities of province have high potential for cultivation of rapeseed. Modeling the correct relationship between environmental conditions and yields is a critical step to find how crop-planting choices in different regions of Iran.Spatial modeling in GIS is one of the most important strategies that can provide a basis for measuring environmental factors and land suitability for the cultivation of a particular product by combining statistical methods and spatial data. In this research, the link between water, soil and meteorological factors and yields modeled during the growing season in sample farms. Materials and methods: In this research, the position of 24 sample fields of rapeseed farming was recorded by Global Positioning System (GPS) and then actual yield was calculated. To explore how the environmental conditions and yields relationship has changed over space, we used ten environmental parameters influencing rapeseed productions yield, including elevation, slope, aspect, EC and pH groundwater resources, mean air temperature, incoming solar radiation, potential evapotranspiration, wind exposition index, Soil texture during the growing season. The values of each independent variables were extracted into samples by nearest neighbor method. Then, after normalizing the variables and taking into account the range of numbers, the samples were divided into two subsets: training (60%, 14 farms) and the testing dataset (40%, 10 farms) randomly. Two methods of nonparametric K of the nearest neighbor and random forest were then used to estimate rapeseed yield over the study area. Results: The results of mean absolute error percentage in the methods used showed that K is the nearest neighbor with 26% error and random forest with 11% error. The results of Nash–Sutcliffe efficiency index for validation data set represent the value of 0.65 for K nearest neighbor and 0.82 for random forest method. In general, the results indicate that the random forest method has a lesser error than the K nearest neighbor method in estimating the yield of rapeseed productions for the study area. Conclusion: Based on the results of this research, it can be concluded that among the variables used, two variables of wind supply index and average temperature had the most effect on the yield of rapeseed in comparison with other variables. Also, according to the final map, it was determined that suitable areas for rapeseed cultivation over Sabzevar region are located in the northern and northwestern regions. Low yield in the central regions of this part is mainly due to the excessive salinity of water and gypsum formations. Crop yield is a result of combination of genetic factors and also environmental conditions of the cultivation, which we emphasized on the environmental factors in this study.