بررسي نقش عوامل اقليمي و خشكسالي بر تغييرپذيري عملكرد چهار محصول ديم در مشهد و بيرجند

Evaluating Roles of Drought and Climatic Factors on Variability of Four Dry Farming Yields in Mashhad and Birjand

چكيده پيش بيني عملكرد محصولات زراعي يكي از ابزارهاي مديريتي در برنامه ريزي و سياست گذاري بخش كشاورزي است. متغيرهاي آب و هوايي و شاخص هاي خشكسالي نقش اساسي در پيش بيني عملكرد ايفا مي كنند. در اين تحقيق پيش-بيني عملكرد چهار محصول ديم شامل گندم، جو، هندوانه و نخود در منطقه مشهد و بيرجند براساس متغيرهاي هواشناسي و شاخص هاي خشكسالي در قالب سه مدل رگرسيوني اتوماتيك، گام به گام و ريج انجام گرفت. براي اين منظور از ده پارامتر هواشناسي و هفت شاخص خشكسالي در قالب سه ساختار اطلاعاتي در ورودي مدل هاي رگرسيوني چندمتغيره استفاده شد. نتايج اين بررسي نشان داد كه از بين متغيرهاي هواشناسي، دو متغير تعداد روزهاي باراني در منطقه بيرجند و دماي بيشينه هوا در منطقه مشهد، بيشترين تعداد همبستگي ها را بر عملكرد محصولات زراعي داشتند. به همين ترتيب از بين شاخص هاي خشكسالي، شاخص نگوين چنين وضعيتي را نشان داد. در اين مطالعه مشخص شد براي پيش بيني عملكرد محصولات، مدل چندمتغيره ريج با ساختار اطلاعاتي همه عوامل شامل پارامترهاي هواشناسي و مقادير كمي شده شاخص خشكسالي در مقايسه با دو ساختار اطلاعاتي مربوط به عوامل هواشناسي و خشكسالي قابل توصيه است. در اين پيشنهاد براساس بالاترين ضريب تعيين (R2) و كمترين ميانگين مجذور مربعات خطاي نرمال (NRMSE) مي باشد. براساس نتايج اين تحقيق در هر دو منطقه و براي هر چهار محصول مقدار ضريب تعيين بين 91/0 تا 99/0 و مقدار ميانگين مجذور مربعات خطاي نرمال از 09/0 تا 48/0 به دست آمد. نتايج حاصل همچنين بيان گر بيشترين دقت پيش بيني براي محصول گندم با R2 بيش از 996/0 و خطاي NRMSE معادل 09/0 در منطقه مشهد و R2 بيش از 999/0 و خطاي NRMSE معادل 09/0 براي نخود در منطقه بيرجند بود. به همين ترتيب كمترين دقت پيش بيني مربوط به محصول هندوانه با ضريب تعيين 92/0 و خطاي 48/0 در منطقه بيرجند و 96/0 و 27/0 در منطقه مشهد مي باشد. در مجموع نتايج حاصل از به كارگيري مدل هاي رگرسيون چندمتغيره با توجه به R2 بالا و NRMSE كم، مدل ريج براي هر دو منطقه قابل توصيه است.

Abstract Prediction of crop yield is one of the managerial and planning tools in agriculture. Meteorological variables and drought indices play an essential role in yield prediction. In this study, the yield of four crops, namely wheat, barley, chickpea and watermelon was predicted in Mashhad and Birjand regions based on meteorological variables and drought indices using three regression models of Ridge, Enter and Step Wise. For this purpose, ten meteorological parameters and seven drought indices were used in three structures as input multivariate regression models. Results showed that among the meteorological variables, the two variables: number of rainy days and maximum air temperature had higher correlation with crops under study. Similarly, among drought indices, Nguyen index showed such higher correlation. It was found that Ridge multivariate model including weather parameters and meteorological drought indices could be recommended instead of two structures of meteorological variables and drought indices for yield prediction. This recommendation was based on multiple regression analysis and higher determination coefficient (R2) and a lower normal root mean squared error (NRMSE). Also, determination coefficients for all four products in both regions were from 0.91 to 0.99 and NRMSE from 0.09 to 0.48. Results also showed that the most prediction accuracy was for wheat with R2 of 0.996 and NRMSE of 0.09 in Mashhad and for chickpea with R2 of 0.999 and NRMSE of 0.09 in Birjand. Similarly,the least accurate prediction belonged to watermelon having R2 of 0.92 and NRMSE of 0.48 in Birjand and R2 of 0.96 and NRMSE of 0.27 in Mashhad. Overally, due to high R2 and low NRMSE, Ridge regression model is recommended for both regions.