پیش‌بینی اقلیمی استوکستیکی عملکرد چهار گیاه گندم، جو، سیب‌زمینی و ذرت دانه‌ای در استان‌های آذربایجان شرقی و غربی در راستای توسعه برنامه ریزی کشاورزی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده کشاورزی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران

2 دانشکده کشاورزی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.

چکیده

سابقه و هدف: برآورد کارآمد عملکرد محصول در تصمیم‌گیری‌های مربوط به سیاست‌گذاری‌ها و برنامه‌ریزی کشاورزی از اهمیت چشمگیری برخوردار است. همچنین از دغدغه‌های اصلی کشورهای در حال توسعه، آگاهی از میزان عملکرد محصول با دید کلی از عوامل موثر بر عملکرد می‌باشد. هدف تحقیق پیش‌بینی عملکرد برخی از محصولات کشاورزی با رویکرد اقلیمی و استوکستیکی است. روش ترکیبی براساس مفاهیم دو رویکرد استوکستیکی و اقلیمی است.
مواد و روش‌ها: کارایی سه رویکرد پیش‌بینی عملکرد محصولات گندم، جو، سیب‌زمینی، ذرت‌دانه‌ای در استان‌های آذربایجان شرقی و غربی (شهرستان‌های جلفا، تبریز، مراغه، اهر، میانه، ماکو، خوی، ارومیه، مهاباد، تکاب) در طی دوره آماری 1366- 1395 مورد ارزیابی قرار گرفت. تخمین عملکرد محصول با رویکرد اقلیمی براساس داده‌های معنی‌دار اقلیمی با تحلیل رگرسیون انجام گرفت، به‌طوری‌که تعیین داده‌های موثر بر عملکرد محصولات بر اساس معنی‌داری ضریب همبستگی عملکرد محصولات و داده‌های هواشناسی انجام گرفت. در تحلیل سری زمانی از مدل خود همبسته تجمعی میانگین متحرک (ARIMA) استفاده شد. در رویکرد استوکستیکی، مدلسازی سری زمانی براساس تحلیل اولیه، شناسایی مدل، تخمین پارامتر و آزمون نکویی برازش مدل انجام گرفت. از روش تفاضل-گیری برای ایستایی سری‌های زمانی استفاده شد. در رویکرد نهایی داده‌های هواشناسی براساس رویکرد استوکستیکی برآورده شدند و سپس با تحلیل رگرسیون، عملکرد محصولات تخمین زده شدند.
یافته ها: داده‌های هواشناسی موثر در هر دو استان شامل مجموع ساعات آفتابی، کمینه رطوبت نسبی، دمای بیشینه، دمای کمینه، میانگین سرعت باد، بیشینه رطوبت و متوسط دما بودند. بررسی وجود روند و نرمال بودن سری‌های زمانی از مراحل اولیه تحلیل بودند که نمودار احتمال سری زمانی حاکی از نرمال بودن سری‌ها بود. مدل‌هایی که آزمون نکویی برازش شامل نرمال و مستقل بودن باقی‌مانده-ها را گذراندند شامل استان آذربایجان شرقی: گندمARIMA(0,1,1) ، جوARIMA(1,1,1)، سیب‌زمینیARIMA(0,1,2)، ذرت دانه‌ای ARIMA(3,1,2)، آذربایجان غربی: گندم ARIMA(0,1,3)، ذرت دانه‌ای ARIMA(1,1,1) بودند. مقایسه متوسط آماره‌های خطا برای تمام محصولات در هر دو استان حاکی از کاهش 08/47 درصد RMSE از روش تحلیل رگرسیون به روش استوکستیک و 16/26 درصد از روش توام به استوکستیک، 53/49 درصد MAE از روش تحلیل رگرسیون به روش استوکستیک و 32/30 درصد از روش توام به استوکستیک بود. نتایج حاصل از شبیه‌سازی در اکثر موارد دارای بیش‌برآورد هستند مگر روش‌های تحلیل رگرسیون و توام رگرسیون- استوکستیک محصولات ذرت دانه‌ای و سیب‌زمینی که دارای کم‌برآورد هستند. همچنین اگر از خطای (NRMSE-MARE) سه روش شبیه‌سازی برای کل محصولات میانگین گرفته شود، میزان خطای مربوط به گندم بیشترین و سیب‌زمینی کمترین خواهد بود، به‌طوری که میزان کاهش NRMSE از گندم به سیب‌زمینی 68/44 درصد و MARE 66/41 درصد بود.
نتیجه گیری: تامین غذا برای جمعیت در حال رشد بدون توسعه کشاورزی پایدار امکان‌پذیر نیست. افزایش معنی‌دار روند داده‌های میانگین سرعت باد، دمای کمینه و بیشینه در نتایج می‌تواند ناشی تغییرات اقلیمی باشد که یکی از اثرات آن در بیلان آبی دریاچه ارومیه کاملا آشکار شده است. با توجه به تحقیقات بسیار اندک در زمینه برآورد عملکرد محصولات با رویکرد استوکستیک در ایران، مدلسازی وابستگی زمانی و روند پردازش سری زمانی منجر به بهبود نتایج شده است. روش ترکیبی زمانی که پارامترهای دخیل در آن با دقت بالایی برآورد شوند از کارایی بالایی برخوردار است. با توجه به نتایج در روش توام باید محدوده‌ای از دقت در برآورد عملکرد محصول مدنظر قرار گیرد که استفاده از این محدوده کارایی روش توام را افزایش می‌دهد. بهینه‌سازی تخمین ضرایب، کارایی روش را نیز افزایش می‌دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Stochastic climatological yield forecasting of four crops wheat, barley, potato and maize in East and West Azerbaijan Provinces in the development of agricultural planning

نویسندگان [English]

  • Laleh Parviz 1
  • Mahsa Paymai 2
1 Faculty of Agriculture, Azarbaijan Shahid Madani University, Tabriz, Iran
2 Faculty of Agriculture, Azarbaijan Shahid Madani University, Tabriz, Iran.
چکیده [English]

Background and objectives: A reliable forecast of crop yield has more importance regard to the policy decision of agricultural programming. Also, the main concern of developing countries is the knowledge about the crop yield values with emphasis on the effective factors of yield. The aim of study is the yield forecasting of some crops based on the climatological, stochastic aspects. The hybrid method is the combination of two climatological and stochastic aspects.
Materials and methods: The efficiency of three aspects regard to the yield forecasting of wheat, barley, potato and maize in East and West Azerbaijan Provinces (Tabriz, Jolfa, Maragheh, Ahar, Mianeh, Urmia, Maku, Khoy, Mahabad, Maku) were evaluated in the time period 1366 to 1395. Crop yield estimation with the climatological aspect was conducted basis on the significant climatological data using the regression analysis. The determination of effective data regard to the crop yield was basis on the significant correlation coefficient of crop yield and meteorological data. The Auto Regressive Integrated Moving Average (ARIMA) model has been applied for the time series analysis. In the stochastic aspect, the time series modeling was based on the preliminary analysis, identification, estimation, diagnostics steps. The differencing method has been used for stationary of time series. In the final aspect, the meteorological data are estimated basis on the stochastic aspect and then crop yield are estimated using regression analysis.
Results: The effective meteorological data were the total sunshine hours, minimum relative humidity, maximum and minimum of temperature, mean wind speed, maximum relative humidity and mean daily temperature. The preliminary analysis of time series is checking the presence of trend and normality of time series. The time series of crop yield were normal based on the probability plot of time series. The models are passed the diagnostic step such as normality and independency of residual are introduces as the selected models: East Azerbaijan Province: wheat: ARIMA(0,1,1), barley: ARIMA(1,1,1) , potato: ARIMA(0,1,2), maize: ARIMA(3,1,2), West Azerbaijan Province wheat: ARIMA(0,1,3),maize: ARIMA(1,1,1). The comparison of average error criteria for all crops in two provinces indicated the 47.08% RMSE decreasing from regression analysis to stochastic, 21.16% from hybrid to stochastic, 49.53% MAE decreasing from regression analysis to stochastic, 30.32% from hybrid to stochastic. The results of simulation in most cases are overestimated except for maize and potato of regression analysis and hybrid which are underestimated. The average of MARE and NRMSE of three simulated methods for all crops indicated that the minimum and maximum error was related to the potato and wheat, respectively. In this case, NRMSE and MARE decreasing from wheat to potato was 44.68% and 41.66%.
Conclusion: Food supply for growing population without the sustainable agricultural development is not possible. The significant increasing trend of maximum, minimum temperature and wind speed time series can be due to the climate change which the effects of that can be observed in the water balance of Lake Urmia. According to the little research on the crop yield estimation using stochastic aspect in Iran, the time dependency modeling and trend analysis of time series improved the results. The hybrid method is highly effective when the involved parameters are accurately estimated. In the hybrid method, it must be considered a range of precision in the crop yield estimation which the mentioned range can be increased the accuracy of hybrid model. The optimization of coefficients estimation can increase the efficiency of method.

کلیدواژه‌ها [English]

  • Forecasting
  • Aspect
  • Hybrid
  • ARIMA
1. Ansori, A., Shahgholi, H., Asghari,
H.R., and Azarni, M. 2012. Study of
allelopatic effects of seven plants on
germination and initial growth of
Indigifera tinctoria L. Tech. Plant Prod.,
11: 89-98 (In Persian).
2. Ansori, A., Shahgholi, H., Gholipoor, M.,
and Makarian, H. 2013. Effect of salinity
and temperature on seed germination of
Indigofera tinctoria L. Tech. Plant Prod.,
13: 54-65 (In Persian).
3. Bar, R. 1988. Ultrasound-enhanced
bioprocesses: cholesterol oxidation by
Rhodococcus erythropolis. Biotech.
Bioeng., 32: 655– 663.
4. Derringer, G., and Suich, R. 1980.
Simultaneous optimization of several
response variables. J. Qual. Tech. 12:
214-219.
5. Fazeli, F., Nezami, A., Parsa, M., and
Kafi, M. 2014. Evaluation of components
of germination and seedling growth of
Sesamum indicum L. ecotypes under
salinity conditions. Environ. Stresses
Plant Sci., 7: 217-232 (In Persian).
6. Ghorbani, R., Rahban, S., Mojtabaii, M.,
and Badri, A. 2015. Effect of seed aging
on germination and seedling growth of
sunflower (Helianthus annuus L.)
cultivars. Iran. J. Seed Res., 1: 7-13 (In
Persian).
7. Ghorbani, M.H., Soltani, A., and Amiri,
S. 2008. The effect of salinity and seed
size on response of wheat germination
and seedling growth. J. Agri. Sci. Nat.
Res., 14: 22-30 (In Persian).
8. Golestani-Far, F., and Mahmoodi, S.
2015. Cardinal temperatures for
germination in wild orach (Atriplex
dimorphostegia L.), saltwort (Salola
crassa L.) and seepweed (Suaeda
aegyptiaca L.) and effect of temperature
on their germination characteristics. J.
Seed Ecophysiol., 1: 71-87 (In Persian).
9. Harrington, E.J.R. 1965. The desirability
function. Indust. Qual. Cont., 21: 494-
498.
0.81
0.94
0.94
0.95
0.92
0.00 0.20 0.40 0.60 0.80 1.00
Combined (D)
Vigor
Uniformity
Rapidity
Completeness
Indivitual desirability function (di)
Objective response
مقادیر مطلوبیت
متغیرهای پاسخ
10. Hay, R.K.M., and Walker, A.J. 1989.
Introduction to the Physiology of Plant
Yield. Longman Group UK Limited,
Harlowm Pp: 57-72.
11. Jafarnezhad, A., Taheri, G., and
Rahchamanie, A.A. 2009. Study of
drought tolerance in four wheat genotypes
at germination stage. Environ. Stresses
Agric. Sci. 2: 73-85 (In Persian).
12. Khaliliaqdam, N., Soltani, A., Latifi, N.,
and Ghaderi-Far, F. 2003. Effect of
environmental conditions on soybean
seed vigor. Elect. J. Plant Prod., 5: 87-
104 (In Persian).
13. Koza, J., Keane, M., Streeter, M.,
Mydlowec, W., Yu, J., and Lanza, G.
2003. Genetic Programming IV: Routine
Human-Competitive machine intelligence.
Kluwer Academic Publishers.
14. Lopez-Castaneda, C., Richards, R.A.,
and Farquahar, G.D. 1995. Variation in
early vigor between barley and wheat.
Plant Sci., 35: 472- 479.
15. Maleki-Farahani, S., and Fahiminejad,
H. 2011. The effect of seed germination
in common caraway (Carum sp.) and
cumin (Cuminum sp.) treated with
ultrasonics. Paper Abstracts of the 2nd
Conference on Seeds. Mashhad:
Ferdowsi University, pp. 258-262.
16. Moghanibashi, M., Karimmojeni, H.,
and Nikneshan, P. 2013. Seed treatment
to overcome drought and salt stress
during germination of sunflower
(Helianthus annuus L.). J. Agrobiol., 2:
89–96 (In Persian).
17. Rebetzke, G.J., and Richards, R.A.
1999. Genetic improvement of early
vigour in wheat. Aust. J. Agric. Res., 50:
291–301.
18. Saleminasab, M., Gholipoor, M.,
Makarian, H., and Ariani, 2015.
Interaction of ultrasound and drought
stress on growth and development of corn.
Procedings of the first conference on
novel findings in bioscience & agriculture,
Zabol University, Iram (In Persian).
19. Sharifi, R., and Sharifi, R. 2008. Study
the effect of PEG on germination and
seedling growth of safflower cultivars. J.
Iran. Biol., 21: 14-21 (In Persian).
20. Shimomura, S. 1990. The effects of
ultrasonic irradiation on sprouting radish
seed, Ultrasonic Symposium,
Proceedings, IEEE, 3: 1665-1667.
21. Sivakumar, T., Manavalan, R., and
Valliappan, K. 2007. Global
optimization using derringer's
desirability function: Enantioselective
determination of ketoprofen in
formulations and in biological matrices.
Acta Chrom., 19: 29-47.
22. Soltani, E., Soltani, A., and Oveisi, M.
2013. Modeling the seed aging effects on
emergence of drought-stressed wheat:
Optimization of GERMIN software for
prediction of emergence pattern. J.
Agron., 15: 147-160 (In Persian).
23. Soltani, E., and Soltani, A. 2015. Metaanalysis
of seed priming effects on seed
germination, seedling emergence and
plant yield: Iranian studies. Int. J. Plant
Prod., 9: 413-432.
24. Tanner, C.B., and Sinclair, T.R. 1983.
Efficient water use in plant production:
research or re-search? P 1-28, In: H.M.
Taylor, W.R. Jordan and T.R. Sinclair
(eds), Limitations to Efficient Water use
in Plant Production, American Society
of Agronomy. Madison, WI.
25. Vinning, G.G. 1998. A compromise
approach to multi-response optimization.
J. Quality Tech., 30: 309-313.
26. Yaldagard, M., Mortazavi, S.A., and
Tabatabaie, F. 2008a. Influence of
ultrasonic on the germination of barley
seed and its alpha-amylase. Afr. J.
Biotech., 7: 2456-2471.
27. Yaldagard, M., Mortazavi, S.A., and
Tabatabaie, F. 2008b. The effect of
ultrasound in combination with thermal
treatment on the germinated barley’s
alpha-amylase activity. Korean J.
Chemical Eng., 25: 517-523.
28. Zadbood, A., Noghondarian, K., and
Zadbood, Z. 2013. Multiresponse
surface optimization via harmony search
algorithm. Int. J. Indus. Eng. Prod. Res.,
24: 131-136.