رهیافت الگوریتم سازی تعیین تاریخ کاشت گیاهان زراعی در ایران

سابقه و هدف: امنیت غذایی یکی از مهمترین مسائل در ارتباط با افزایش رشد جمعیت است. انتخاب تاریخ کاشت در مدل های شبیه سازی رشد و تولید گیاهان زراعی در مطالعات مرتبط با امنیت غذایی و تغییر اقلیم اهمیت زیادی دارد. در بیشتر موارد بر اساس آمار برداری، تاریخ کاشت ثابتی انتخاب می شود. این در حالی است که تاریخ کاشت واقعی کشاورزان ثابت نبوده و بسته به شرایط آب و هوایی هر سال ممکن است تغییر نماید. بنابراین استفاده از دادههای اقلیمی برای الگوریتم سازی و تخمین زمان کاشت در مدل های گیاهان زراعی رهیافتی مفید برای پیش بینی دقیق عملکرد می باشد.مواد و روش ها: در این مطالعه اطلاعات تاریخ کاشت گیاهان زراعی مهم کشور (۱۲ گیاه زراعی مهم) از استان های مختلف با کمک مراکز استانی سازمان تحقیقات، آموزش و ترویج کشاورزی کشور جمع آوری گردید. سپس با توجه به هر گیاه و تاریخ کاشت کشاورزان، الگوریتم سازی انجام شد. با کمک مدل SSM-iCrop۲ مقادیر مختلف آستانه برای الگوریتم های مختلف در هر گیاه بررسی شدند و مقدار مناسب انتخاب گردید طوری که تاریخ کاشت پیش بینی شده با تاریخ کاشت کشاورزان بیشترین انطباق را داشته باشد. جهت ارزیابی الگوریتم کاشت، دادههای واقعی تاریخ کاشت در مطالعات مختلف گردآوری شد. سپس برای همان مطالعات که تاریخ کاشت واقعی در دسترس بود، الگوریتمسازی تاریخ کاشت صورت گرفت. یافته ها: دو الگوریتم پر کاربرد بودند از: گیاهان پاییزه مثل گندم، جو، کلزا، نخود، عدس، سیب زمینی و چغندر قند زمانی کشت می شوند که میانگین دمای هوا به کمتر از ۱۶ درجه سانتی گراد کاهش یافته باشد. در مناطق گرمتر این حد دمایی به ۱۷ تا ۲۰ درجه سانتی گراد نیز افزایش پیدا می کند. در کشت بهاره، گیاهانی مثل لوبیا، نخود، عدس و سیب زمینی زمانی کشت می شوند که متوسط دمای هوا به بالاتر از ۷ درجه سانتی گراد افزایش یافته باشد. این حد دمایی برای چغندر قند بهاره درجه سانتی گراد ۱۲ و برای ذرت در اقلیم های سرد و نیز گیاهان تابستانی مثل لوبیا در تاریخ کاشت های زود ۱۵ تا ۱۷ درجه سانتی گراد است. نتیجه گیری: از نتایج این مطالعه می توان در مدل های شبیه سازی گیاهی برای تقلید رفتار کشاورزان در کاشت استفاده نمود. همچنین برای نقاطی که اطلاعات تاریخ کاشت در دسترس نباشد، الگوریتم های کاشت قابل استفاده هستند. به عبارت دیگر، استفاده از یک الگوریتم به جای تاریخ کاشت ثابت در مدل میتواند تاریخ کاشت نزدیک تر به کشاورز را بهویژه در شرایطی که مناطق و سالهای متفاوتی مدنظر باشد را شبیه سازی کند. واژه های کلیدی: دما، شبیه سازی، گیاهان زراعی، SSM-iCrop۲.

کلیدواژه ها:

دما ، شبیه سازی ، گیاهان زراعی ، SSM-iCrop۲