این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های حفاظت آب و خاک، جلد ۲۹، شماره ۲، صفحات ۱-۲۴
عنوان فارسی امکان‌سنجی پیش‌بینی میزان عملکرد سالانه جو دیم بر اساس شاخص‌های مختلف خشکسالی
چکیده فارسی مقاله سابقه و هدف: در اقلیم‌های خشک و نیمه‌خشک که کشت دیم از اهمیت و جایگاه بالایی برخوردار است لازم است به طور ویژه‌ای ضمن بررسی فاکتورهای مؤثر بر عملکرد محصولات دیم، پیش‌بینی آن نیز مورد توجه قرار گیرد. در این میان، توجه ویژه به گیاهان زراعی تحمل‌پذیر نظیر جو اجتناب‌ناپذیر است. تحقیق حاضر با هدف امکان‌سنجی پیش‌بینی میزان عملکرد سالانه جو دیم بر اساس چند شاخص خشکسالی در یک اقلیم نیمه‌خشک به انجام رسید.مواد و روش‌ها: با محاسبه سه شاخص خشکسالی SPEI، EDDI و SPI برای چهار دوره رشد جو دیم شامل کاشت-سبزشدن، سبزشدن-پنجه‌زنی، پنجه‌زنی-ساقه‌دهی و ساقه‌دهی-گل‌دهی در ایستگاه سرارود کرمانشاه، 12 سری زمانی از مقادیر این شاخص‌ها طی دوره آماری 2015-2000 استخراج گردید. جهت ارزیابی ارتباط کلی بین شاخص‌های خشکسالی و عملکرد سالانه جو دیم از جدول متقاطع استفاده شد و جهت مدل‌سازی میزان عملکرد سالانه جو دیم بر اساس شاخص‌های خشکسالی، در وهله اول از مدل رگرسیون چندگانه خطی مبتنی بر شناسایی بهترین زیرمجموعه و در مرحله تکمیلی از مدل رگرسیون مبتنی بر مؤلفه‌های اصلی (PCR) استفاده شد. فرایند مدل‌سازی رگرسیون خطی چندگانه با در نظر گرفتن دو رویکرد کلی شامل استفاده از هر شاخص خشکسالی بصورت واحد و استفاده تلفیقی از سه شاخص مختلف انجام شد. یافته‌ها: بر اساس نتایج حاصل از جدول متقاطع، ارتباط مناسبی بین عملکرد سالانه جو دیم و شاخص‌های خشکسالی مشاهده شد و نتیجه-گیری شد که این پتانسیل وجود دارد که از شاخص‌های خشکسالی جهت پیش‌بینی عملکرد سالانه جو دیم استفاده شود. نتایج حاصل از بکارگیری هر شاخص خشکسالی بصورت واحد نشان داد که بالاترین ضریب تعیین بین عملکرد سالانه جو دیم با شاخص‌های خشکسالی با در نظر گرفتن SPEI (6/63 درصد) و کمترین مقدار آن با در نظر گرفتن EDDI (1/54 درصد) و برای شاخص SPI (4/62 درصد) در حد بینابین آنها حاصل آمد که این شاخص‌ها برای SPEI و SPI طی دوره‌های کاشت-سبزشدن و پنجه‌زنی-ساقه‌دهی و برای EDDI طی دوره‌های کاشت-سبزشدن و ساقه‌دهی-گل‌دهی در مدل حضور یافتند. نتایج حاصل از بکارگیری تلفیقی هر سه شاخص خشکسالی نشان داد که بهترین مدل رگرسیون چندگانه خطی با ضریب تعیین 7/78 درصد و ضریب تعیین تعدیل شده 2/69 درصد با حضور شاخص SPEI در دوره‌های پنجه‌زنی-ساقه‌دهی و ساقه‌دهی-گل‌دهی و همچنین شاخص EDDI در دوره‌های کاشت-سبزشدن و پنجه‌زنی-ساقه‌دهی حاصل آمد اما بالا بودن شاخص تورم واریانس (VIF) ضرورت بکارگیری مدل رگرسیونی مبتنی بر مؤلفه‌های اصلی (PCR) را آشکار ساخت. نتایج حاصل از بکارگیری مدل PCR جهت مدل‌سازی عملکرد سالانه جو دیم نشان داد که ضریب تعیین مدل در این حالت در مقایسه با مدل رگرسیون خطی چندگانه با افتی ناچیز به 2/78 درصد رسید اما ضریب تعیین تعدیل‌شده به 7/71 درصد بهبود یافت. با در نظر گرفتن مدل PCR بعنوان مدل نهایی پیش‌بینی عملکرد سالانه جو دیم و با بکارگیری روش اعتبارسنجی متقابل جهت سنجش قابلیت پیش‌بینی این مدل، مقدار دو شاخص R2 و RMSE به ترتیب برابر با 5/58 درصد و 3/572 کیلوگرم در هکتار (معادل با 22 درصد میانگین عملکرد سالانه جو دیم) حاصل آمد. نتیجه‌گیری: نتایج کلی این تحقیق نشان داد که بکارگیری شاخص‌های خشکسالی با ماهیت متفاوت می‌تواند سبب افزایش توجیه‌پذیری واریانس عملکرد سالانه جو دیم گردد. بر اساس نتایج کلی حاصل از این تحقیق، وقوع یا عدم وقوع خشکسالی در دوره سبزشدن-پنجه-زنی تأثیر قابل توجهی بر میزان عملکرد سالانه جو دیم ندارد و با توجه به آنکه دوره پنجه‌زنی-ساقه‌دهی نقش پررنگ‌تری در مدل‌ها داشت بعنوان بااهمیت‌ترین دوره مؤثر بر میزان عملکرد سالانه جو دیم شناسایی شد. لذا در سال‌هایی که خشکسالی در دوره پنجه‌زنی-ساقه‌دهی رخ دهد انتظار افت عملکرد سالانه بیشتری در مقایسه با وقوع خشکسالی در سایر دوره‌ها می‌توان داشت.
کلیدواژه‌های فارسی مقاله اعتبارسنجی متقابل، مدل PCR، شاخص SPEI، شاخص EDDI، ایستگاه سرارود،
عنوان انگلیسی Feasibility study of rainfed barley annual yield prediction based on different drought indices
چکیده انگلیسی مقاله Background and Objectives: At the arid and semi-arid climates which the rainfed farming has a high degree of importance, it is essential to evaluate both the effective factors on the rainfed crop yield and its predicting as well. In this respect, it is unavoidable to have a special consideration for some tolerable crops such as barley. The aim of the current study was to assess the possibility of rainfed barley annual yield prediction using some drought indices at a semi-arid climate.Materials and Methods: By calculating SPEI, EDDI and SPI drought indices for four growth stages of rainfed barley including sowing-emerge, emerge-tillering, tillering-stem and stem-flowering at the Sararoud-Kermanshah station, a number of 12 time series of these indices were extracted during 2000-2015 period. The cross-tabulation was used to evaluating the overall relationship between drought indices and rainfed barley annual yield and to modeling rainfed barley annual yield based on drought indices, the best subset-based multiple linear regression model and Principal Component Regression (PCR) were applied at two different stages. The modelling procedure performed in two overall cases including considering a unique drought index and considering a combination of three different drought indices cases.Results: the results of cross-tabulation technique showed an appropriate relationship between rainfed barley annual yield and drought indices. Therefore, a potential is available to use drought indices to predict rainfed barley annual yield. Based on the results of considering a unique drought index case, the highest (63.6%) and lowest (54.1%) values of coefficient of determination between rainfed barley annual yield and drought indices were for SPEI and EDDI indices, respectively and a value between them (62.4%) for SPI. The values of these indices were appeared at the model during the sowing-emerge and tillering-stem stages for SPEI and SPI and sowing-emerge and stem-flowering stages for EDDI. By considering the combination of three different drought indices case, the results revealed that the best multiple linear regression model is obtained by presence of SPEI (during tillering-stem and stem-flowering stages) and EDDI (during sowing-emerge and tillering-stem stages) indices in the model with a good coefficient of determination (R2= 78.7% and R2adj= 69.2%). However, the high value of Variance Inflation Factor (VIF) revealed that it is necessary to solve this issue by considering the Principal Component Regression (PCR) model. By applying PCR model to predict rainfed barley annual yield, the coefficient of determination for the PCR (78.2%) showed a negligible decrease compared to the multiple regression model. However, the adjusted coefficient of determination properly improved to 71.7%. By considering the PCR model as the final model of predicting rainfed barley annual yield, the cross-validation results of this model led to obtaining R2=58.5% and RMSE=572.3kg/hec (equal to 22% of the mean of annual yield).Conclusion: The overall results of this research showed that applying different drought indices could lead to increasing the explained variance of rainfed barley annual yield. The overall results of this research showed that the occurrence of drought during the emerge-tillering stage does not have a considerable impact on the rainfed barley annual yield. With respect to the higher role of the tillering-stem stage in the regression models, this stage was detected as the most important effective period on the rainfed barley annual yield. Therefore, among different growth stages, occurring drought in the tillering-stem period is expected to lead to a lesser amount of annual yield.
کلیدواژه‌های انگلیسی مقاله اعتبارسنجی متقابل, مدل PCR, شاخص SPEI, شاخص EDDI, ایستگاه سرارود
نویسندگان مقاله یونس خوشخو |
نویسنده مسئول، استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران

نشانی اینترنتی https://jwsc.gau.ac.ir/article_6166_55bd7570b50cce4145e013666e38650a.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات