تحلیل حساسیت عملکرد گندم دیم نسبت به شاخص‌های اقلیمی با استفاده از مدل یادگیری ماشین تفسیرپذیر XGBoost SHAP تحت شرایط تغییر اقلیم: مطالعه موردی استان زنجان

نویسندگان

1 گروه مهندسی آبیاری آبادانی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران

2 استادیار/گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

doi
10.22059/ijswr.2026.401180.670000
چکیده

این پژوهش با هدف تحلیل حساسیت عملکرد گندم دیم به شاخص‌های اقلیمی، طی سال‌های ۱۳۶۹ تا ۱۴۰۲ در سه ایستگاه زنجان، خدابنده و خرم‌دره انجام شد. برای این منظور، از مدل یادگیری ماشین (XGBoost)   Extreme Gradient Boosting به همراه الگوریتم تفسیرپذیری SHAP استفاده گردید تا مهم‌ترین شاخص‌های اقلیمی تأثیرگذار شناسایی و بازه‌های بهینه و محدودکننده آن‌ها بر عملکرد مشخص شوند. روش‌شناسی پژوهش در چهار بخش تدوین شد : برآورد طول دوره رشد بر اساس دستورالعمل به‌روز‌شده FAO، انطباق داده‌ها با دوره واقعی رشد گیاه، تحلیل تغییرات توزیع زمانی شاخص‌های اقلیمی و انجام تحلیل تعاملی و تفسیرپذیر شاخص‌های اقلیمی. نتایج نشان داد در هر سه منطقه، عملکرد گندم و طول دوره رشد روند افزایشی داشتند، اما روند طول دوره رشد در زنجان از نظر آماری معنی دار نبود (P > 0.1). همچنین، در هر سه ایستگاه، متغیرهای مرتبط با رطوبت مهم‌ترین شاخص‌های تعیین‌کننده عملکرد بودند، به طوری که در خدابنده بارش موثر (ERGP) ، در زنجان تعداد روزهای بارش (N_pr^GP) و در خرم دره شاخص ناهمواری بارش (URGP) است. افزون بر این، بارش موثر (1.8 ≤ ERGP  ≤ 2.9 mm/Day) در خدابنده ، توزیع بهینه بارش  (10.3 ≤ Ur/Er (GP) ≤ 12.4) در خرم دره و دمای میانگین بهینه (9 ≤ T ̅_mean^GP ≤ 9.2  ℃) موثرترین شاخص‌های افزایش عملکرد در مقابل کوتاهی طول دوره رشد (50 ≤ LGP ≤ 68  Day) در خدابنده ، توزیع نامناسب بارش (1.1 ≤URGP  ≤ 8.7 mm) در  خرم دره و تعداد روزهای بارش کم (4 ≤ N_pr^GP  ≤ 31 Day) در زنجان به‌عنوان مهم‌ترین محدودیت‌ها شناخته شدند.