مدل سازی پتانسیل تولید اراضی برای گندم زمستانه آبی در منطقه عقیلی استان خوزستان

منطقه مورد مطالعه در جنوب غرب ایران، دشت عقیلی شهرستان گتوند از استان خوزستان قرار دارد. با توجه به آمار ایستگاه سینوپتیک شوشتر این منطقه جزء اقلیم نیمه بیابانی خفیف می باشد. حداکثر دمای روزانه در تیر ماه 6/46 درجه سانتی گراد و حداقل دمای روزانه 1/8 درجه سانتی گراد در دی ماه می باشد. مقدار متوسط بارندگی سالیانه در منطقه مورد مطالعه 324 میلی متر است. هدف از این تحقیق ارائه مدلی است که پتانسیل تولید گندم آبی را با در نظر گرفتن شرایط محیطی منطقه تخمین بزند. بدین منظور در مرحله اول پتانسیل تولید گندم آبی به روش مدل رشد فائو در شرایط مطلوب محاسبه گردید. و در مرحله دوم پتانسیل تواید اراضی برای محصول گندم آبی با توجه به محدودیت های خاک با استفاده از روش پارامتری (فرمول استوری و ریشه دوم) و تاثیر مدیریت برای 110 نقطه محاسبه گردید. نتایج بدست آمده نشان داد که در مرحله اول پتانسیل تولید آبی به روش مدل رشد فائو 8041 کیلوگرم در هکتار است و پتانسیل تولید اراضی برای گندم آبی با توجه به پتانسیل تولید به روش مدل رشد فائو و تاثیر عوامل محدود کننده در خاک به روش پارامتری برای گندم آبی در سطوح مختلف مدیریتی از 2454 تا 6687 کیلوگرم در هکتار برای روش ریشه دوم و 2296 تا 6756 کیلوگرم در هکتار برای روش استوری است. کاهش عملکرد به علت عوامل محدود کننده از قبیل محدودیت های آهک، زهکشی، شوری و قلیائیت و عدم مدیریت صحیح است. برای ارزیابی مدل، عملکرد گندم آبی کشاورز با عملکرد پیش بینی شده توسط مدل فائو با استفاده از سه روش رگرسیون چندگانه استاندارد، رگرسیون گام به گام و رگرسیون منحنی تخمین مقایسه گردید. بر اساس نتایج بدست آمده ضریب تشخیص (r2) برای عملکرد پیش بینی شده به روش استوری، ریشه دوم و خصوصیات اراضی به ترتیب برابر 83/0، 80/0 و 33/0 می باشد. که نشان می دهد مدل می تواند عملکرد کشاورز را به ترتیب ذکر شده تا 83 درصد برای روش پارامتری با استفاده از فرمول استوری، 80 درصد برای فرمول ریشه دوم و 33 درصد برای خصوصیات اراضی پیش بینی کند. در ضمن مقدار RMSE که مقدار خطا را نشان می دهد نیز به ترتیب برای روش های ذکر شده 598، 648 و 1258 کیلوگرم در هکتار بود. با توجه به نتایج فوق می توان نتیجه گیری کرد که مدل ارائه شده به روش استوری با توجه به ضریب تشخیص بالاتر و خطای پایین تر نسبت به سایر روش ها عملکرد کشاورز را بهتر پیش بینی می کند.