فهرست نشریات علمی دسترسی آزاد ایران

این پژوهش با هدف مدل‌سازی ردپای آب سبز و آبی گوجه‌فرنگی در استان بوشهر با استفاده از مدل‌های ترکیبی یادگیری ماشینQXGBoost ، QRF، XGBoost و RF و تحلیل عدم قطعیت آنها انجام شد. نتایج نشان داد که ردپای آبی (۸۰%) سهم غالب در مصرف آب دارد، درحالیکه ردپای سبز تنها ۲۰% را تشکیل می‌دهد که نشان دهنده وابستگی شدید به منابع آبی و آسیب‌پذیری سیستم در برابر تغییرات اقلیمی است. تحلیل همبستگی متغیرها مشخص کرد که بارش (P) و بارش مؤثر (Peff) بیشترین تأثیر مثبت را بر ردپای سبز دارند، درحالیکه دما و تبخیروتعرق (ETc) اثر کاهنده نشان دادند. برای ردپای آبی، ETc و Tmax بیشترین همبستگی مثبت را داشتند. مدل QXGBoost با ضریب تعیین (95/0Rsq=) و خطای کم (16/0RMSE=) به‌عنوان مدل بهینه انتخاب شد. همچنین، ارزیابی عدم قطعیت با روش UNEEC نشان داد که QXGBoost با پوشش پیش‌بینی فاصله‌ای (93/0PICP=) و فاصله اطمینان متقارن، بهترین عملکرد را دارد. این مطالعه راهکارهای کاهش ردپای آب شامل بهبود آبیاری (زیرسطحی و هوشمند)، کشت ارقام مقاوم به خشکی و مدیریت رطوبت خاک (مالچ‌پاشی) را پیشنهاد می‌کند. یافته‌ها ضرورت تغییر الگوی کشت فعلی به سمت سیستم‌های پایدارتر با تکیه بر مدلسازی پیشرفته و پایش مستمر منابع آب را تأکید می‌کنند.کلمات کلید: ردپای آب، یادگیری ماشین، رگرسیون چندکی، مدیریت آب کشاورزی، گوجه‌فرنگی، بوشهر