فهرست نشریات علمی دسترسی آزاد ایران

تحلیل عدم قطعیت در مدل‌های گیاهی مانند AquaCrop، با توجه به اهمیت داده‌های اقلیمی در شبیه‌سازی عملکرد محصولات کشاورزی، ضروری است. این مطالعه با هدف مقایسه دو روش GLUE و Bootstrap در برآورد عدم قطعیت پایگاه‌های اقلیمی انجام شد. داده‌های اقلیمی از پایگاه‌های CPC Global، CRU TS، ERA5، ERA-Interim و MERRA-2 برای بازه زمانی 1989 تا 2019 و محصولات گندم و ذرت مورد استفاده قرار گرفت. ارزیابی‌ها نشان داد روش GLUE باندهای عدم قطعیت وسیع‌تری ایجاد می‌کند و شاخص‌های p-factor و d-factor بیشتری نسبت به روش Bootstrap ارائه می‌دهد. به‌طور خاص، کمترین عدم قطعیت زیست‌توده ذرت در پایگاه CPC Global و ایستگاه بابلسر با مقادیر p-factor و d-factor معادل 67/96 درصد و 3/3 مشاهده شد، در حالی که بیشترین عدم قطعیت در پایگاه MERRA-2 و ایستگاه قزوین با مقادیر 33/63 درصد و 98/5 ثبت گردید. در روش Bootstrap نیز پایگاه CPC Global در اکثر ایستگاه‌ها بهترین عملکرد را با کمترین باند عدم قطعیت نشان داد. نتایج نشان دادند که پایگاه‌های ERA5 و CPC Global به‌دلیل ارائه داده‌های دقیق‌تر و کاهش عدم قطعیت در زیست‌توده، تبخیر-تعرق، نیاز آبی و عملکرد محصولات، گزینه‌های مناسب‌تری برای مدل‌سازی گیاهی هستند. در مقابل، پایگاه MERRA-2 بالاترین میزان عدم قطعیت را در تمامی متغیرها و ایستگاه‌ها ثبت کرد. به‌طور کلی، روش GLUE برای تحلیل‌های جامع‌تر مناسب‌تر است، در حالی که روش Bootstrap به دلیل سادگی و ارائه باندهای باریک‌تر، گزینه بهتری برای مطالعات آماری با داده‌های محدود محسوب می‌شود. این نتایج اهمیت انتخاب داده‌های اقلیمی با کیفیت و روش تحلیل مناسب را در بهبود دقت پیش‌بینی‌های مدل‌های کشاورزی برجسته می‌کند.