مدل سازی خاک - زمین نما و پیش بینی تولید گندم دیم به کمک مدل های مختلف در مناطقی از زاگرس مرکزی

چکیده ارزیابی اراضی شیوه ای است که توسط آن می توان اراضی را براساس خصوصیات و پتانسیل ها و وجود یا عدم وجود محدودیت ها به منظور استفاده برای کاربری های مختلف طبقه بندی نمود. به منظور طبقه بندی اراضی برای استفاده های کشاورزی و منابع طبیعی، مهمترین ملاک و فاکتور، تولید یا عملکرد محصول مورد نظر در آن اراضی است. بهترین روش ارزیابی روشی است که بتواند بین مشخصات اراضی که در تولید محصول دخالت دارند، با عملکرد و یا پتانسیل محصول ارتباط برقرار نماید. روش های نوین ارزیابی اراضی شامل روش های مختلف مدل سازی است که در آن با استفاده از تکنیک هایی توانایی مدل ها در تعیین این ارتباط آزمون می گردد. این مطالعه با هدف بررسی اثر پستی و بلندی بر خصوصیات خاک و عملکرد محصول گندم دیم و تعیین رابطه بین این خصوصیات و پارامترهای اقلیمی و مدیریت با عملکرد گندم دیم با استفاده از مدل های آماری، هوشمند و پویا و پیش بینی عملکرد محصول گندم دیم در چهار منطقه زاگرس مرکزی طراحی گردید. برای این منظور سه مطالعه اجرا گردید. در مطالعه اول تأثیر پستی و بلندی و موقعیت شیب بر خصوصیات مختلف خاک و عملکرد محصول گندم دیم بررسی گردید. نتایج نشان داد که پستی و بلندی بر خصوصیات خاک موثر بوده و موقعیت شیب باعث ایجاد تنوع در خصوصیات خاک شده است. مدل سازی عمق خاک با استفاده از ویژگی های توپوگرافی نشان داد که درجه شیب به عنوان مهم ترین پیش بینی کننده و بعد از آن شاخص رطوبت، سطح حوضه و شاخص انتقال رسوب به عنوان ویژگی های مهم توپوگرافی در پیش بینی عمق خاک موثر بودند. نتایج نشان داد که عملکرد دانه و زیست توده گندم همبستگی مثبت و بسیار معنی داری با درصد اشباع و ماده آلی خاک و همبستگی منفی و بسیار معنی داری با درصد شن دارد. همچنین نتایج نشان داد که موقعیت شیب تأثیر معنی داری بر عملکرد دانه و زیست توده گندم دیم دارد. مناسب ترین موقعیت شیب برای تولید محصول گندم دیم موقعیت پنجه شیب و نامناسب ترین موقعیت، شانه شیب بود. در مطالعه دوم مدل سازی عملکرد دانه و زیست توده هوایی گندم دیم به کمک مدل های آماری و هوشمند انجام شد. برای این منظور داده های خصوصیات خاک، ویژگی های توپوگرافی، پارامتر اقلیمی بارش هفتگی و پارامتر مدیریتی علف های هرز به عنوان ورودی ها و عملکرد دانه و زیست توده گندم به عنوان خروجی های مدل ها در سه سناریو در نظر گرفته شد. نتایج سناریوی اول نشان داد که، مدل های شبکه عصبی مصنوعی دقت بهتر و بیش تری در پیش بینی عملکرد دانه و زیست توده گندم دیم نسبت به مدل های ماشین بردار پشتیبان و مدل های آماری داشته و دارای r2 بیش تر و rmse کم تر بودند. براساس نتایج آنالیز حساسیت، مهم ترین پارامترهای موثر در عملکرد دانه و زیست توده گندم دیم فاکتورهایی بودند که میزان آب در خاک را کنترل می کنند. علاوه بر آن برخی خصوصیات حاصل خیزی خاک نظیر نیتروژن کل خاک برای تولید دانه گندم و پتاسیم قابل جذب خاک برای تولید زیست توده هوایی گندم جزء فاکتورهای خیلی مهم شناخته شدند. نتایج سناریوی دوم نشان داد که، به دلیل متفاوت بودن متغیرهای موثر در هر مدل، مدل های آماری توسعه داده شده در پیش بینی عملکرد گندم، فقط برای محدوده هر منطقه کارایی داشته و تعمیم آنها به دیگر مناطق صحیح نیست. نتایج سناریوی سوم نشان داد که، مدل های شبکه عصبی مصنوعی در پیش بینی هر دو عملکرد دانه و زیست توده هوایی در چهار منطقه مورد مطالعه از توانایی بیش تری نسبت به مدل های رگرسیون چند متغیره برخوردار بودند. در مطالعه سوم واسنجی، اعتبارسنجی و ارزیابی مدل پویای dssat در پیش بینی عملکرد گندم دیم انجام شد. برای این منظور ضرائب ژنتیکی گندم رقم سرداری با استفاده از اندازه گیری های مزرعه آزمایشی تعیین و از این طریق مدل واسنجی شد. با استفاده از داده های مزارع آزمایشی دیگر عمل اعتبارسنجی مدل انجام شد و ارزیابی مدل با مقایسه شاخص های آماری صورت گرفت. نتایج نشان داد که مدل ceres-wheat توانایی قابل قبولی در شبیه سازی مراحل رشد و پیش بینی عملکرد دانه گندم در موقعیت های پنجه و پای شیب داشته ولی برای تأثیر پستی و بلندی بر عملکرد نیاز به اصلاح بعضی مدول ها دارد.