پیش بینی پتانسیل تولید گندم و ذرت با استفاده از مدلصهای آلبرو، واگنینگن و AEZدر منطقه خواجه
SF
/الهام قنبری
: کشاورزی
، ۱۳۹۴
، راشدی
چاپی
کارشناسی راشد
رشته علوم و مهندسی خاک گرایش پیدایش، ردهصبندی و ارزیابی خاک
۱۳۹۴/۱۰/۱۲
تبریز
امروزه به دلیل افزایش جمعیت و تخریب اراضی کشاورزی، نیاز به استفاده بهینه از آنها و مدیریت پایدارکاملا ضروری است .در این راستا ارزیابی تناسب اراضی و تخمین پتانسیل تولید از مهمترین فرآیندها میصباشد .روشهای مختلف جهت ارزیابی کمی تناسب اراضی توسعهیافتهاند که از پرکاربردترین آنها میصتوان به روشصهای FAOاشاره کرد .اما روشهای دیگری از جمله مدلصهای واگنینگن و آلبرو) از سیستم میکرولیز (نیز توانایی تخمین پتانسیل تولید را دارند که مقایسه آنها از اهمیت زیادی برخوردار است .هدف از این پژوهش مقایسه مدلهای آلبرو، واگنینگن و فائو در تخمین پتانسیل تولید محصولات گندم و ذرت میصباشد .جهت نیل به این اهداف ویژگیصهای مرفولوژیکی، فیزیکی و شیمیایی ۱۰ واحد از اراضی منطقه خواجه با وسعت ۱۱۱۱ هکتار واقع در محدوده ۶۳/۳۵ ۳۷ص ۴۶تا ۱۳/۳۰ ۴۲ ص ۴۶طول شرقی و ۴۲/۴۳ ۷ص ۳۸تا۵۱/۲۴ ص ۹ ص ۳۸عرض شمالی استان آذربایجان شرقی انتخاب و پتانسیل تولید با مدلهای انتخابی برای تیپصهای بهرهصوری ذرت و گندم محاسبه گردید .خاکصهای این منطقه دارای رژیم رطوبتی اریدیک هم مرز با زریک و رژیم حرارتی مزیک بوده و بر اساس کلید ردهصبندی آمریکایی ۲۰۱۴ در رده اریدیصسولصها و زیرردههای Calcids Cambids, Gypsids ,Salids ردهصبندی شدند . نقشهصهای تناسب اراضی و پتانسیل تولید برای گندم و ذرت با روشAEZ -شاخص اصلاح شده در محیط GIS نشان داد که ۲۶ اراضیS۱ ، ۲۱ S۲ و ۵۳ در کلاس N برای گندم و برای ذرت۴۱ S۱ ، ۳۱ S۲ و ۲۸ N بوده و با مدل واگنینگن-شاخص اصلاح شده برای گندم۴۷ S۱ ، ۱۳ S۲ و ۴۰ در کلاس N و برای ذرت۵۷ S۱ ، ۴۳ N بوده، اما در مدل آلبرو برای گندم ۱۶ S۱ و ۸۴ S۲ و برای ذرت۸۰ S۱ ، S۲ ۷ و ۱۳ از مساحت کل منطقه مورد مطالعه در کلاس Nقرار گرفته است .مقایسه کلاسهای تناسب کمی اراضی با روشهای فائو، آلبرو و واگنینگن نشان داد که روش آلبرو دارای کلاسصهای تناسب بالاتری نسبت به روشهای دیگر داشته و روشهای واگنینگن و فائو در مقامهای بعدی قرار دارند .مقادیر ضریب تبیین محاسبه شده بین تولید مشاهده شده و برآورد شده در روشهای فائو، آلبرو و واگنینگن به ترتیب برای ذرت۴۳/۰ ، ۷۶/۰ و ۴۲/۰ و برای گندم۷۲/۰ ، ۳۲/۰ و ۷۴/۰ موید این مطلب است که برای گندم روش واگنینگن دارای بیشترین ضریب تبیین در سطح ۱ و روش فائو و آلبرو در مقامهای بعدی در سطح ۵ قرار دارند اما برای ذرت، آلبرو دارای بیشترین ضریب تبیین در سطح ۱ و فائو و واگنینگن در مقامهای بعدی در سطح ۵ قرار گرفتهصاند .پایین بودن ضرایب تبیین در روشهای فائو و واگنینگن موید این مطلب است که در این روشها از محدوده جداول سایس استفاده میصشود و بایستی این جداول نیاز به اصلاح برای منطقه مورد مطالعه دارند .پایین بودن ضریب تبیین مدل آلبرو برای گندم بعلت استفاده از روشهای آماری برای تخمین پتانسیل تولید ونیاز به اصلاح پارامترهای انتخابی میصباشد .علاوه بر ضریب نبیین (r۲) شاخصصهای دیگری مانند MAE و GMER برای بررسی دقت و صحت مدلهای مورد استفاده بکار برده شدند که نتایج حاصله از شاخص GMER مؤید نتایج ضریب تبیین بوده و نتایج حاصله شاخص MAE یا میزان انحراف نتایج بدست آمده از مدلهای مذکور با توجه به زمینه کاری در مقیاس ماکرو و تخمینی بودن روشصهای ارزیابی، این میزان انحراف قابل قبول میصباشد، ولی نتایج شاخصصهای قبلی را تأیید نکرده و بیانگر بیشترین انحراف در مدل واگنینگن برای هر دو محصول و کمترین انحراف در مدل AEZ با شاخصهای اصلاح شده خاک برای آنها میصباشد
the FAO methods are noted. But, the other methods such as Wageningen and Alber (MicroLESS) are able to estimate yield potential, that their comparesion is important. The aim of this study is comparing of Albero, Wageningen and FAO in estimating the yield potential of wheat and maize. To achieve these goals morphological, physical and chemical properties of ۱۰land units of Khajeh region with extention of ۱۱۱۱ hectares, located between ۴۶۳۷' ۶۳. ۳۵ "to ۴۷۴۲' ۳۰.۱۳"east longitude and ۳۸ ۷' ۴۳.۴۲" to ۳۸ ۹' ۲۴.۵۱" north latitude in East Azerbaijan, were selected and estimation of yield potential for maize and wheat were carried out by selected models. The soils of this region have the aridic moisture regime borders to xeric and mesic temperature regime and based on keys to soil taxonomy (۲۰۱۴) were classified in Aridisols suborders of Calcids, Cambids, Gypsids and Salids. The maps of land suitability and yield potential for wheat and maize by AEZ-corrected indices in GIS invironment showed that ۲۶ of area are S۱,۲۱ S۲, ۵۳ N for wheat and for maize ۴۱ S۱, ۳۱ S۲ and ۲۸ N class, while with wageningen corrected index ۴۷ S۱, ۱۳ S۲ and ۴۰ N for wheat and for maize ۵۷ S۱ and ۴۳ were N, but with Albero model ۱۶ S۱ and ۸۴ have taken place in class S۲ and for wheat ۸۰ in S۱, ۷ in S۲ and ۱۳ of the region were in class N. Comparing the quantitative suitability classes with FAO, Albero and Wageningen showed that Albero model had higher suitable classes in comparession with other methods and Wageningen and FAO were in next orders. The calculated Coefficient of determination between observed and predicted production in FAO, Albero and Wageningen are for maize ۰.۴۳, ۰.۷۶ and ۰.۴۲ and for wheat ۰.۷۲, ۰.۳۲ and ۰.۷۴ confirm the most coefficient of determination for wheat by FAO and Albero and Wageningen (p=۱ ) models are in next orders (p=۵ ) but for maize, Albero has the most coefficient of determination (p=۱ ) and FAO and Wageningen are in the next orders (p=۵ ). The lower value of coefficient of determination in FAO and Wageningen models confirm that in this models sys used parameters limit were applied and should be corrected for study region. The lower vaue of coefficient of determination of Albero model for wheat is by the use of statistical methods for yield potential prediction and correction requirement. In addition to coefficient of determination(r۲) other indices like MAE and GMER are used for cheking the accurancy of applied models, which the obtained results confirm coefficient of determination (r۲) results and the results of MAE index or the deviation of obtained results of above named models are acceptable, but it does not confirm the pervious indices results and deals the high deviation in Wageningen model for both wheat and maize and lower one for AEZ with corrected indices of soil صNowadays, due to population growth and agricultural land degradation, the needs for their optimum use and sustainable management is of the really essential. In this case the land evaluation and yield potential prediction are the important processes. Diffrenet methods have been developed for assessing land quantitative suitability evaluation which