فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: برآورد به‌موقع و دقیق عملکرد محصول قبل‌از برداشت و پیش‌بینی آن ازطریق مدل‌های رشد محصول، برای دستیابی به برنامه‌ریزی عملیات زراعی و حفظ و توسعۀ عملکرد در مقیاس منطقه‌ای، از اهمیت بسیاری برخوردار است. مدل‌سازی تغییرات پویا، در هنگام رشد محصول، کمک شایان توجهی به محققان می‌کند تا استراتژی‌های مدیریت محصول را به‌منظور افزایش عملکرد آن، برنامه‌ریزی کنند. این مدل‌ها حاوی پارامترهای متعددی است که باید، با توجه به ویژگی‌های منطقۀ مورد مطالعه، کالیبره شوند؛ ازطرفی، وجود نداشتن مؤلفۀ مکان در این مدل‌ها و نیز عدم‌قطعیت درمورد مقادیر پارامترهای آنها منجر به بروز خطا در خروجی‌های برآوردشده می‌شود. اسیمیلیت داده‌های سنجش از دور می‌تواند برای حل این مشکل و ارزیابی تغییرپذیری مکانی در اراضی، به‌ویژه در مقیاس منطقه‌ای، مفید باشد. سنجش از دور را می‌توان برای تخمین و برآورد مقادیر پارامترهای ورودی مدل‌های رشد محصول، مانند شاخص سطح برگ، سطح پوشش، بیومس، ویژگی‌های خاک به کار برد. مواد و روشها: برای دستیابی به عملکرد دقیق محصول می‌توان از مدل‌های رشد گیاه استفاده کرد. برای تخمین پارامترهای مدل شبیه‌سازی گیاه زراعی AquaCrop و تنظیم مدل در سطح منطقه، اطلاعات مورد نیاز مدل در مراحل متفاوت رشد گیاه و قبل‌از کشت، در مزارع ذرت علوفه‌ای و در مقیاس منطقه‌ای، اندازه‌گیری و نمونه‌برداری شد. به‌منظور کالیبره کردن مدل شبیه‌سازی AquaCrop ازطریق داده‌گواری سنجش از دور (RS)، متغیر بیوفیزیکی fCover از داده‌های RS مبتنی‌بر پیکسل، با توسعۀ الگوریتم GPR-PSO، استخراج شد. علاوه‌براین، با هدف ساده‌سازی مدل AquaCrop و شناسایی پارامترهای تأثیرگذارتر، الگوریتم‌های تحلیل حساسیت ترکیبی Morris و EFAST به کار رفت. درنَهایت، ازطریق داده‌گواری متغیر بیوفیزیکی استخراج‌شده با RS در مدل AquaCrop، این پارامترهای مؤثرتر با استفاده از روش جایگزینی تخمین زده شد و نتایج با نتایج حاصل از شرایط استفاده نکردن از داده‌های RS مقایسه شد. به‌منظور کالیبره کردن مدل AquaCrop، نمونه‌برداری مزرعه‌ای از خاک (قبل‌از کاشت) و محصول در فصل رشد ذرت علوفه‌ای، عکس‌برداری رقومی نیم‌کروی (DHP) و همچنین اندازه‌گیری به‌روش تخریبی LAI برای مقایسه، در مزارع شهرستان قلعه‌نو واقع‌در جنوب تهران، در تابستان ۱۳۹۸ انجام شد. نتایج و بحث: نتایج داده‌گواری RS در مدل AquaCrop در مقایسه با به کار نبردن داده‌های RS در این مدل نشان داد که در نظر گرفتن داده‌گواری RS منجر به افزایش دقت تنظیم کردن مدل می‌شود. نتایج نشان داد که داده‌گواری سنجش از دور در مدل به برآورد دقت متغیر خروجی عملکرد در آمارۀ R2، به‌میزان ۸۹/۰ و ۸۸/۰، در واسنجی و صحت‌سنجی منجر شده است. داده‌گواری سنجش از دور، در قیاس با اعمال نشدن آن، به بهبود دقت و افزایش R2 به‌میزان ۱۴/۰ و ۱۵/۰ و نیز کاهش در آمارۀ‌ RRMSE به‌میزان ۱۲/۴ و ۱۷/۵%، در آمارۀ RMSE به‌میزان ۵/۲ و ۴/۲ ton/ha، به‌ترتیب در واسنجی و صحت‌سنجی، انجامیده است. بنابراین، در مقایسۀ داده‌گواری RS و بدون داده‌گواری، بهبود فرایند تنظیم مدل با داده‌گواری RS همراه است. نتیجه‌گیری: در این تحقیق، مقادیر برآوردشدۀ پارامتر بیوفیزیکی fCover، به‌دست‌آمده ازطریق سنجش از دور به‌منزلۀ متغیر کنترل مشاهداتی ورودی برای مدل AquaCrop استفاده شد تا پارامترهای تأثیرگذار شناسایی‌شدۀ آن (ازطریق تحلیل حساسیت) تنظیم شود. نتایج نشان می‌دهد که داده‌گواری سنجش از دور، با استفاده از روش جایگزینی برای تنظیم مدل مدنظر، توانسته است بر میزان دقت برآوردشده بیفزاید. علاوه‌براین، توافق بین مقادیر پیش‌بینی‌شده و اندازه‌گیری‌شده بیشتر از زمانی ‌است که سنجش از دور اعمال نمی‌شود. بنابراین نتایج تحقیق نشان می‌دهد که داده‌گواری سنجش از دور در مدل AquaCrop می‌تواند عملکردی موفق‌تر از شرایط اعمال نشدن سنجش از دور داشته باشد و نتایج با دقت بیشتری به دست دهد. همچنین، در مقیاس منطقه‌ای، می‌توان با استفاده از سنجش از دور و قابلیت آن در برآورد پارامتر بیوفیزیکی در مقیاس وسیع، با صرف وقت و هزینۀ کمتر و به‌روزتر، مدل‌های رشد محصول را برای منطقۀ مورد نظر کالیبره کرد.