پيش‌بيني مكاني عملكرد گندم با استفاده از نقشه‌برداري رقومي خاك در منطقه گتوند استان خوزستان

Spatial Prediction of wheat crop yield Using Digital Soil Mapping in Gotvand, Khuzestan Province

در پژوهش حاضر، مقدار 110 عملكرد مشاهداتي در منطقه گتوند (استان خوزستان) با استفاده از مدل برنامه‌ريزي ژنتيك، به داده‌هاي كمكي (مستخرج شده از مدل رقومي ارتفاع و تصوير ماهواره) ارتباط داده شد. سپس با استفاده از معادله بدست آمده براي نقاط فاقد مشاهده ميزان عملكرد برآورد و نقشه تغييرات مكاني محاسبه گرديد. الگوريتم رپر پارامترهاي مولفه تصوير ماهواره، شاخص نسبت گياهي، شاخص گياهي تعديل كننده اثر خاك، شاخص خيسي و سطح پايه شبكه زهكشي را به عنوان مهم‌ترين عوامل توليد شناخته است. ميانگين ريشه مربعات خطا، ضريب همبستگي تطابق لاين و ضريب تبيين ارزيابي متقابل مدل برنامه‌ريزي ژنتيك (1) با همه داده‌هاي كمكي به ترتيب 11/525، 87/0 و 82/0 است. همچنين نتايج نشان داد كه مدل برنامه‌ريزي ژنتيك (2) با داده‌هاي كمكي انتخاب شده توسط الگوريتم رپر نيز به خوبي (ميانگين ريشه مربعات خطا، ضريب همبستگي تطابق لاين و ضريب تبيين به ترتيب 82/530، 86/0 و 79/0 است) قادر به پيش‌بيني عملكرد گندم است. لذا پيشنهاد مي‌گردد در مطالعات آتي جهت برآورد مكاني عملكرد محصولات زراعي از مدل برنامه‌ريزي ژنتيك در قالب نقشه‌برداري رقومي خاك استفاده گردد.

In this research 110 observed crop yields were correlated with auxiliary variables (DEM and Landsat images) using genetic programming (GP) in Gotvand area (Khuzestan Province). Then, the spatial prediction map of wheat crop yield was calculated using the obtained equation. Wrapper algorithm identified some more important auxiliary variables including NDVI, SAVI, wetness index and channel network based level. RMSE, coefficient of determination and lin's concordance coefficient of GP (1) with all auxiliary data were obtained 525.11, 0.87 and 0.82, respectively. Moreover, results indicated GP (2) with auxiliary data selected by wrapper algorithm could also reasonably predict wheat crop yield (RMSE, coefficient of determination and lin's concordance coefficient, 530.82, 0.86 and 0.79, respectively). It is, therefore, recommended using the same approach to predict spatial distribution of crop yields in the future studies.