برآورد عدم قطعیت ناشی از کاربرد پایگاه های اقلیمی شبکه بندی شده در مدل سازی گیاهی

مقدمه: مدل سازی گیاهی و پیش بینی عملکرد محصولات زراعی، به ویژه در شرایط تغییر اقلیم، نیازمند داده های اقلیمی دقیق است. در کشورهای در حال توسعه، به دلیل تراکم کم ایستگاه های هواشناسی و دوره های آماری کوتاه، دسترسی به داده های قابل اعتماد با چالش هایی مواجه است. پایگاه های اقلیمی شبکه بندی شده می توانند این کمبود را جبران کنند. اما به دلیل عدم اندازه گیری مستقیم این داده ها، تحلیل عدم قطعیت ضروری است.روش شناسی­: در این پژوهش، عدم قطعیت ناشی از داده های اقلیمی پایگاه های شبکه بندی شده شامل CPC Global، CRU TS، ERA-Interim،ERA۵ و MERRA-۲ در شبیه سازی محصولات گندم و ذرت با مدل AquaCrop در اقلیم های مختلف ایران طی دوره ۳۰ ساله (۲۰۱۹-۱۹۸۹) بررسی شد. AquaCrop برای مدیریت آب و بهره وری کشاورزی طراحی و به داده های اقلیمی مانند بارش و دما نیاز دارد. از روش Bootstrap برای ارزیابی عدم قطعیت شبیه سازی های متغیرهای زیست توده، تبخیر و تعرق، نیاز آبی و عملکرد محصولات استفاده شد. همچنین، شاخص های p-factor و d-factor برای ارزیابی دقت پایگاه های اقلیمی محاسبه گردید.یافته­ ها: نتایج نشان داد که پایگاه ERA۵ میزان عدم قطعیت کمتری در شبیه سازی متغیرهای مدل AquaCrop ارائه داد. به ویژه در شبیه سازی زیست توده ذرت در ایستگاه اهواز، مقادیر p-factor و d-factor به ترتیب ۳۳/۲۳ درصد و ۵/۰ بود. به طور کلی، پایگاه هایERA۵ و ERA-Interim کمترین عدم قطعیت را در اکثر اقلیم ها داشتند، در حالی که MERRA-۲ به دلیل بیشترین عدم قطعیت، ضعیف ترین عملکرد را نشان داد.نتیجه­ گیری: این تحقیق نشان می دهد که انتخاب پایگاه مناسب برای مدل AquaCrop می تواند به طور مستقیم بر دقت پیش بینی ها تاثیر بگذارد. پایگاه ERA۵ به عنوان گزینه برتر با میزان عدم قطعیت کمتر شناخته شد. استفاده از پایگاه های با دقت بالا و تحلیل های معتبر می تواند به بهبود کیفیت مدل سازی و تصمیم گیری های مدیریتی در حوزه کشاورزی و مدیریت منابع آب کمک کند.

کلیدواژه ها:

مدل AquaCrop ، تحلیل عدم قطعیت ، داده های اقلیمی ، روش Bootstrap ، پایگاه های اقلیمی شبکه بندی شده