برآورد مکانی محصول کلزای پاییزه بر اساس روش‌های ناپارامتریک‌ (کاربرد در برنامه ریزی فضایی کشاورزی)

نوع مقاله: پژوهشی

نویسندگان

1 سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار

2 علوم و مهندسی محیط زیست

3 گروه سنجش از دور و GIS، دانشگاه پیام نور ، واحد همدان

4 گروه مهندسی کشاورزی، دانشگاه آزاد اسلامی، واحد سبزوار

5 گروه علوم اطلاعات زمین، دانشگاه تکنولوژی مالزی

چکیده

سابقه و هدف: استان خراسان رضوی به دلیل شرایط ویژه آب و هوایی از توان لازم برای کشت و تولید کلزا برخوردار است به-طوریکه شهرهای شمالی و مرکزی استان خراسان رضوی از قابلیت بالایی به‌منظور کشت کلزا برخوردار است. قبل از توسعه کشت‌های جدید کلزا در مناطق مختلف ایران، ابتدا نیاز به بررسی پارامترهای مؤثر طبیعی و اقلیمی در عملکرد کلزا است، تا به‌وسیله آن توان اکولوژیکی مناطق به‌منظور کشت کلزا شناخته شود. مدل‌سازی مکانی در سیستم اطلاعات جغرافیایی از مهم‌ترین راهکارهایی است که می‌تواند با ترکیب روش‌های آماری و داده‌های مکانی، زمینه را برای سنجش عوامل محیطی و تناسب اراضی برای کشت یک محصول خاص فراهم آورد. در این پژوهش رابطه مکانی بین عملکرد محصول کلزای پاییزه و عوامل آب، خاک و هواشناسی طی دوره رشد در مزارع نمونه بررسی شد.
مواد و روش‌ها: در این پژوهش با به‌کارگیری دستگاه موقعیت‌یاب جهانی از 24 مزرعه کشت کلزای پاییزه نمونه‌برداری شد و عملکرد واقعی آن محاسبه گردید. سپس مقادیر ده عامل محیطی شامل ارتفاع، شیب و جهت شیب توپوگرافی، EC و pH آب زیرزمینی، میانگین دما، تابش کل دریافتی مستقیم و پراکنده طی، تبخیر و تعرق پتانسیل، شاخص عرضه باد و بافت خاک به روش نزدیکترین همسایه برای مزارع انتخابی استخراج گردید. سپس بعد از نرمال سازی متغیرها و با در نظر گرفتن دامنه اعداد، نمونه ها به دو قسمت آموزش (60 درصد، 14 مزرعه) و آزمون (40 درصد، 10 مزرعه) به‌طور تصادفی تقسیم گردید. سپس از دو روش ناپارامتریک K نزدیک‌ترین همسایه و جنگل تصادفی به‌منظور برآورد توان محیطی عملکرد تولیدات کلزا استفاده شد و در محیط سامانه اطلاعات جغرافیایی نقشه برآورد عملکرد محصول کلزا تهیه گردید.
یافته‌ها: نتایج میانگین درصد خطای مطلق در روش‌های مورداستفاده نشان داد که روش K نزدیک‌ترین همسایه با 26 درصد خطا و جنگل تصادفی با 11 درصد خطا است. نتایج شاخص کارایی نش ساتکلیف برای داده‌های آزمون نشان‌دهنده مقدار 65/0 برای روش K نزدیک‌ترین همسایه و 82/0 برای روش جنگل تصادفی هست. به‌طورکلی نتایج نشان‌دهنده آن است که روش جنگل تصادفی خطای کمتری نسبت به روش K نزدیک‌ترین همسایه در برآورد تولیدات کلزا در منطقه مورد مطالعه دارد. یافته های این تحقیق بر اساس مدل جنگل تصادفی نشان داد که شاخص عرضه باد و میانگین دما بیشترین تأثیر و عوامل توپوگرافی جهت شیب جغرافیایی و ارتفاع از کمترین تأثیر برخوردار هستند. همچنین pH و EC آب زیرزمینی یکی دیگر از عوامل مهم در عملکرد مدل شده دانه کلزا در این مطالعه است.
نتیجه‌گیری: نخستین گام در رسیدن به موفقیت در طرح جامع تولید دانه‌های روغنی کشور، شناسایی توان زراعی- بوم شناختی کشور به منظور تعیین مناطق مستعد کشت است. نتایج نشان داد که نواحی مناسب کشت گیاه کلزای پاییزه در مناطق شمالی و شمال غربی منطقه سبزوار واقع‌شده است. مناطق مرکزی با عملکرد پایین مشخص هستند که عمدتاً به دلیل و وجود سازندهای گچی، نمکی در این مناطق و همچنین وجود زهکش کال شور و وجود نمکزارها است. ازاین‌رو توصیه میشود که برای توسعه کشت این گیاه مناطق شمالی و شمال غربی منطقه سبزوار در اولویت کشت قرار گیرد. عملکرد محصولات زراعی در نتیجه تأثیر مجموعه‌ای از عوامل ساختار ژنتیکی گیاه و همچنین شرایط محیطی کشت است که در این مطالعه بر عوامل محیطی آن تأکید شد.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial yield prediction of winter rapeseed based on non-parametric methods (Application in spatial agricultural planning)

نویسندگان [English]

  • Hamed Adab 1
  • Azadeh Atabati 2
  • S.Mahdi Pourbagher kordi 3
  • Mohammad Armin 4
  • Hasan Zabihi 5
1 Remote sensing and GIS dept, hakim sabzevari university
2 hakim sabzevari university
3 Department of Remote Sensing & GIS, PNU University
4 Department of Agronomy, Sabzevar Branch, Islamic Azad University, Sabzevar, Iran
5 Department of Geoinformation, Faculty of Geoinformation and Real Estate, Universiti Teknologi Malaysia
چکیده [English]

Background and objectives: Khorasan Razavi province has the potential for growing and producing rapeseed because of favorable environmental conditions, so that the northern and central cities of province have high potential for cultivation of rapeseed. Modeling the correct relationship between environmental conditions and yields is a critical step to find how crop-planting choices in different regions of Iran.Spatial modeling in GIS is one of the most important strategies that can provide a basis for measuring environmental factors and land suitability for the cultivation of a particular product by combining statistical methods and spatial data. In this research, the link between water, soil and meteorological factors and yields modeled during the growing season in sample farms.
Materials and methods: In this research, the position of 24 sample fields of rapeseed farming was recorded by Global Positioning System (GPS) and then actual yield was calculated. To explore how the environmental conditions and yields relationship has changed over space, we used ten environmental parameters influencing rapeseed productions yield, including elevation, slope, aspect, EC and pH groundwater resources, mean air temperature, incoming solar radiation, potential evapotranspiration, wind exposition index, Soil texture during the growing season. The values of each independent variables were extracted into samples by nearest neighbor method. Then, after normalizing the variables and taking into account the range of numbers, the samples were divided into two subsets: training (60%, 14 farms) and the testing dataset (40%, 10 farms) randomly. Two methods of nonparametric K of the nearest neighbor and random forest were then used to estimate rapeseed yield over the study area.
Results: The results of mean absolute error percentage in the methods used showed that K is the nearest neighbor with 26% error and random forest with 11% error. The results of Nash–Sutcliffe efficiency index for validation data set represent the value of 0.65 for K nearest neighbor and 0.82 for random forest method. In general, the results indicate that the random forest method has a lesser error than the K nearest neighbor method in estimating the yield of rapeseed productions for the study area.
Conclusion: Based on the results of this research, it can be concluded that among the variables used, two variables of wind supply index and average temperature had the most effect on the yield of rapeseed in comparison with other variables. Also, according to the final map, it was determined that suitable areas for rapeseed cultivation over Sabzevar region are located in the northern and northwestern regions. Low yield in the central regions of this part is mainly due to the excessive salinity of water and gypsum formations. Crop yield is a result of combination of genetic factors and also environmental conditions of the cultivation, which we emphasized on the environmental factors in this study.

کلیدواژه‌ها [English]

  • Winter rapeseed yield
  • K-Nearest Neighbors Algorithm
  • Random Forest Algorithm
  • Regional Sustainable Agriculture
  • Sabzevar region