تحليل تغييرپذيري عملكرد محصول گندم ديم با رويكرد تغييرات اقليمي (منطقه مورد مطالعه استان خراسان رضوي)

Analysis of Rain-Fed Wheat Yield Product Variability Using Climate Change Approach (Case Study Area: Khorasan Razavi Province)

تغيير اقليم تاثيرات مستقيم و غيرمستقيمي بر ميزان رشد محصولات كشاورزي دارد، گندم يكي از محصولات استراتژيك جهان مي‌باشد كه تحت تاثير پديده تغيير اقليم قرار دارد. تحقيق حاضر در استان خراسان رضوي به منظور مطالعه تغييرپذيري ميزان عملكرد گندم ديم با توجه به ميزان تغيير پارامترهاي اقليمي از جمله دما و بارش صورت گرفته است كه براي همين منظور از داده‌هاي يازده ايستگاه هواشناسي استفاده شد. پارامترهاي اقليمي مذكور براي دوره رويش گندم از اكتبر تا ژوين، براي دوره آماري از سال 1984 تا 2003 بر مبناي دسترسي به داده هاي ميزان عملكرد گندم در نظر گرفته شد. براي هر ايستگاه، ميزان ضريب همبستگي بين عملكرد گندم و پارامترهاي اقليمي محاسبه شد و نهايتاً مدل رگرسيوني براي ايستگاهها به منظور شناسايي پارامترهاي اقليمي موثر در برآورد ميزان عملكرد گندم محاسبه شد. شش ايستگاه منطقه داراي مدل رگرسيوني معني‌دار بوده و ساير ايستگاههاي منطقه در دوره آماري فاقد مدل مي‌باشند. پيرو انجام مدل نقطه‌اي، مدل منطقه اي عملكرد نيز براي استان محاسبه شد و با مدلهاي ايستگاهي مقايسه شد. در مدل منطقه اي پارامترهاي مجموع بارش ماه ژانويه، فوريه، ميانگين دماي ماه ژانويه، ميانگين حداكثر دماي ژانويه و حداقل دماي ماه مارس در ميزان عملكرد گندم ديم بيشترين تاثير را دارند. نتايج اخذ شده نشان مي‌دهد كه پارامترهاي مقدار بارش و ميزان دماي دوره سرد سال در تعيين ميزان عملكرد گندم ديم در منطقه خيلي موثر است. در نهايت سناريوهاي پيش‌بيني براي مدل منطقه اي و ايستگاههايي كه داراي مدل بودند، محاسبه شده و ميزان تغييرپذيري عملكرد گندم با توجه به تغيير پارامترهاي اقليمي از ميانگين نرمال محاسبه شد. نتيجه نشان مي‌دهد كه عملكرد محصول گندم در شهرستانهاي استان خراسان رضوي براساس تغييرات داده‌هاي بارش و دما بين 200 تا 534 كيلوگرم در هكتار در مدل منطقه‌اي قابل تغيير است.

Climate change has direct and indirect effects on the growth of agricultural products. Wheat is one of the strategic products of the world that is affected by climate change. This research was done in the Khorasan Razavi province in order to study the variability of wheat yield by the change of climatic parmeters including precipitation and temperature. To do this, 11 stations were selected. The climatic parameters included the total monthly precipitation and five parameters of temperature, including; mean annual temperature, mean annuall maximum temperature, mean annual minimum temperature and monthly max-min. Then the wheat yield in each station was gathered for wheat growth period (phonology) from October to June for 20 years (1984-2003). In each station. The correlation coefficient between the wheat yield and climatic parameters was computed and finally a regression model was provided for the stations to recognize the influential climatic parameters. The climatic parameters influencing wheat yield were established. Daregaz, Ghuchan, Torbate-Hydariyeh, Torbate-Jam, Kashmar and Gonabad stations had a regression model, while Sabzevar, Nyshabour, Mashhad, Ferdows and Taybad stations lacked such kind of regression model. Regional model was calculated for the province and compared with the calculated station models. In the regional model, the parameters of January and February total monthly precipitation, January average temperature, January maximum average temperature and March absolutely minimum temperature were found to be influential in the rain-fed wheat yield. This finding indicates that precipitation paramenters and cold season (winter) temperature are very important in the rain-fed farming wheat yields. Finally prediction scenarious for the regional model and the stations which had models were done and the wheat yield variability considering the climatic parameters’ deviation from normal mean was estimated. In the final process, forecasting scenarios for the zonal and stationbased models were calculated and the variability rate of wheat yield with respect to the climatic parameters deviation from the normal mean was extracted. The results of this study indicated that wheat yield changes from 200 to 534 kg/ha for the zonal model according to the changes in precipitation and temperature.