مدل لجستیکی برآورد مقدار محصول چغندرقند پاییزه در استان خوزستان

پیش‌بینی مقدار محصول برای برنامه‌ریزی و مدیریت کارآمد یک عامل مهم به شمار می‌رود. در پژوهش حاضر یک مدل ساده‌ ریاضی برای پیش‌بینی مقدار محصول چغندرقند پاییزه در منطقه‌ خوزستان ارائه شده است. در این مدل از تابع لجستیک استفاده شده است که در آن مقدار محصول ریشه و شکر سفید به‌صورت تابعی از وضعیت آبیاری، بارندگی و تبخیر از طشتک تعریف شده است. جهت ارزیابی مدل، از اطلاعات آزمایش‌های انجام‌شده در دو سال 1٣٨٢ و 1٣٨٣ در مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی صفی‌آباد دزفول که تحت پنج تیمار آب آبیاری به روش قطره‌ای و بر اساس درصدی از نیاز آبی گیاه (٢٥، ٥٠، ٧٥، 1٠٠ و 1٢٥ درصد) انجام گردیده، استفاده شد. نتایج به‌دست‌آمده نشان داد که مدل قادر است مقادیر نهایی عملکرد ریشه و محصول شکرسفید را با دقت خوبی برآورد نماید؛ به‌طوری که ریشه میانگین مربع‌های خطای نرمال شده (nrmse) برای تخمین مقدار محصول ریشه در مرحله‌ واسنجی و ارزیابی به ترتیب برابر 9/4 و 13/0 درصد بود. همچنین مقدار nrmse برای تخمین مقدار محصول شکر سفید نیز در هر دو سال واسنجی و ارزیابی کمتر از 10 درصد و به ترتیب برابر 6/8 و 9/8 درصد به دست آمد. نتایج نشان داد که مدل قادر است در طول فصل رشد نیز کارکرد مناسبی داشته و مقادیر عملکرد ریشه و شکر را طی روزهای مختلف بعد از کاشت (dap) با خطای کمتر از 20 درصد برآورد نماید. با توجه به اینکه مدل ارائه‌شده در پژوهش حاضر یک مدل تجربی می‌باشد، توصیه می‌شود جهت استفاده از مدل در مناطقی با شرایط اقلیمی متفاوت، ابتدا مدل واسنجی شده، سپس مورد استفاده قرار گیرد.

logistic model for estimation of the yield of autumn-sown sugar beet in khuzestan province

predicting crop yield is an important factor for efficient planning and management. in the present study, a simple mathematical model is developed for predicting the yield of autumn-sown sugar beet in khuzestan region. in this model, the logistic function was used, in which the root yield and white sugar yield is defined as a function of irrigation, rainfall and evaporation from the pan. in order to evaluate the model, data of two-year trials conducted under five treatments of drip irrigation water based on percentage of water requirement (25, 50, 75, 100 and 125%) at safiabad agricultural research and education and natural resources center, dezful, were used. results showed that the model was able to estimate root yield and white sugar yield with good accuracy so that the normalized root mean squares error (nrmse) for estimating root yield in the calibration and validation stage were 9.4 and 13.0%, respectively. also, the value of nrmse for estimating white sugar yield in both calibration and validation years was less than 10% and equal to 6.8 and 9.8%, respectively. the model is able to have good accuracy during the growing season and estimate the values of root yield and sugar yield during different days after planting (dap) with an error of less than 20%. considering that the model presented in the current study is an experimental model, it is recommended to first recalibrate the model, and then use it in regions with different climatic conditions.