ارزیابی دقت روش شبکه عصبی در برآورد سرمای دیررس بهاره در مناطق پسته کاری شهر کرمان

سرمای دیررس بهاره تاثیر قابل توجهی بر اندام­های آسیب­پذیر گیاهان می­گذارد. این رویداد در آسیا، آمریکای شمالی و اروپا بیش از سایر مخاطرات مرتبط با آب وهوا باعث زیان اقتصادی به کشاورزی شده است. همچنین این پدیده باعث کاهش عملکرد محصول در ایران شده است. آخرین آمار منتشر شده از سوی سازمان خواربار و کشاورزی ملل متحد (فائو) نشان می دهد که ایران یکی از بزرگ ترین تولیدکنندگان محصول پسته در جهان می­باشد. استان کرمان سهم زیادی از سطح زیر کشت محصول پسته را به خود اختصاص داده است. خسارت سرمازدگی بهاره در پسته باعث کاهش عملکرد محصول در چند سال اخیر شده است. یک اصل مهم در مطالعه سرمازدگی، برآورد این پدیده است. در این تحقیق از روش شبکه عصبی مصنوعی مدل FFBP برای برآورد سرمای دیررس بهاره در محصول پسته شهرستان کرمان استفاده شد. بدین منظور داده های روزانه ایستگاه سینوپتیک شهر کرمان از سازمان هواشناسی کشور در بازه زمانی ۲۰۰۰-۲۰۲۰ اخذ شد. این داده­ها شامل میانگین، بیشینه و کمینه دما، رطوبت نسبی، سرعت باد، فشار بخار اشباع و ساعات آفتابی می­باشد. پنج ترکیب مختلف از این متغیرها به عنوان ورودی در روش شبکه عصبی برای مدل سازی دماهای کمینه در نظر گرفته شد. در نهایت ترکیب ۸ متغیره­ای از بین مدل­ها انتخاب گردید و شبیه سازی مقادیر دمای کمینه و محاسبه ویژگی­های سرمای دیررس بهاره با آن انجام شد. عملکرد این روش با استفاده از شاخص های آماری ضریب تعیین، ریشه میانگین مربعات خطا، میانگین خطای انحراف و ضریب نش­ساتکلیف ارزیابی شد. بررسی نتایج مدل­سازی نشان داد با کاهش تعداد متغیرها دقت مدل­ها کاهش می­یابد. مدل M۱ با کمترین مقدار RMSE و بیشترین مقدار R۲ در بین سایر مدل­ها عملکرد بهتری داشت. پس از شبیه­سازی با روش شبکه عصبی مقادیر شاخص های ۹۶۳/۰R۲= و صفر=MBE حاصل شد که نشان دهنده ارتباط قوی با داده های واقعی بود. علاوه بر آن، مقدار شاخص­های ۰۲۷/۰= RMSE و ۹۶۶/۰NSE= کارایی بالای مدل را در برآورد نشان داد. بررسی میانگین دمای سالانه نشان داد نوسانات دما در بازه زمانی ۱۰-۳۱ مارس در مقایسه با ماه­های آوریل و می زیاد می­باشد. کاهش محسوس میانگین دمای سالانه در سال­های ۲۰۰۰، ۲۰۰۶ و ۲۰۲۰ در این بازه نسبت به دیگر سال­ها بیشتر بود. در ماه آوریل نیز سال­های ۲۰۰۱، ۲۰۰۵، ۲۰۰۶، ۲۰۰۹، ۲۰۱۶ و ۲۰۱۹ کاهش دمای محسوسی داشتند. در ماه می باتوجه به میانگین دمای کمینه بین ۱۰ تا ۱۴ درجه سلسیوس احتمال سرمازدگی کمتری نسبت به ماه مارس و آوریل وجود داشت. نتایج نشان داد تعداد روزهای یخبندان بهاره مشاهداتی و برآوردی حاصل از روش شبکه عصبی انطباق خوبی با یکدیگر داشتند. این روش در برآورد تعداد روزهای بحرانی (دماهای کمینه  کمتر و مساوی ۲ درجه سلسیوس) نیز دقت قابل قبولی داشت. همچنین سال­های ۲۰۰۰، ۲۰۰۴، ۲۰۰۵، ۲۰۱۲، ۲۰۱۵، ۲۰۱۹ و ۲۰۲۰ بیشترین تعداد روزهای یخبندان بهاره و سال­های ۲۰۰۶، ۲۰۱۶ و ۲۰۱۹ بیشترین تعداد روزهای بحرانی را در دو دهه­ی اخیر دارا بودند. با بررسی نتایج می­توان گفت روش شبکه عصبی مصنوعی در برآورد دمای کمینه و ویژگی­های مرتبط با سرمای دیررس بهاره از دقت بالایی برخوردار است.

کلیدواژه ها:

پسته ، دمای بحرانی ، سرمازدگی بهاره ، شبکه عصبی مصنوعی ، فراوانی یخبندان