ارزیابی زراعی مدل wofost در برآورد عملکرد برنج در اراضی شالیزاری شهرستان شفت با استفاده از تحلیل‌های مکانی سامانه اطلاعات جغرافیایی(gis)

اهداف: تحقیق حاضر جهت کمی سازی عملکرد برنج در شهرستان شفت، واقع در استان گیلان اجرا شد و نقشه پهنه بندی زراعی تولید از طریق رهیافت سامانه اطلاعات جغرافیایی (gis)  تهیه گردید.مواد و روش ها: اطلاعات مزرعه ای 100 نقطه شالیزارهای منطقه در دو سال زراعی (1391 و 1392) برای شبیه سازی توسط مدل wofost اندازه گیری شد. داده های موجود برای دو دسته ارقام محلی و پرمحصول در منطقه، مورد سنجش قرار گرفت.یافته ها: نتایج مدل اختلاف معنی داری بین مقادیر مشاهده شده عملکرد دانه برنج با مقادیر شبیه سازی نشان نداد (sig >0.05). مقدار ضریب تبیین (r^2) برای هر دو دسته ارقام حدود 0.80 به دست آمد، و ریشه میانگین مربعات خطای نرمال شده (nrmse) به ترتیب برای ارقام محلی و پرمحصول 13 و 7 درصد حاصل شد. ارزیابی نتایج آماری حاکی از مشابهت مطلوب داده های واقعی و برآورد شده است. همچنین شاخص های آماری نشان می دهد مدل در برآورد عملکرد شالیزارهای با ارقام محلی از خطای کمتری نسبت به ارقام پرمحصول برخوردار است. در مطالعاتی که در مقیاس بزرگ انجام می گیرد، خطای برآورد بیشتر ناشی از اختلاف در مدیریت زراعی می باشد. توزیع مکانی عملکرد دارای شدت و نوساناتی در سطح محدوده مورد مطالعه بوده است، که می تواند در پاسخ به مقادیر مختلف نهاده ها، تاخیر در تاریخ کاشت، بارندگی های خارج از فصل و تنوع در خاک و وضعیت فیزیوگرافی اراضی باشد.نتیجه گیری: بنابراین به کارگیری مدل های شبیه سازی در دستیابی به تولید پایدار برنج و صرفه جویی اقتصادی نهاده های کشاورزی در منطقه می تواند کارگشا باشد و دورنمایی از شرایط تولید در اختیار کشاورزان و مدیران قرار دهد.

Assessment of WOFOST Model for Yield Prediction of Rice in Paddy Lands of Shaft City Using Spatial Analysis of Geographic Information System (GIS)

Background & Objective: The present study was conducted to quantify rice yield in Shaft city, located in Gilan province, crop production zoning map was prepared through the Geographic Information System (GIS) approach. Materials & Methods: Therefore, farm information of 100 points from the paddy fields of the region was received in two crop years (2012 and 2013) for simulation by WOFOST model. The available data were measured for two categories of local and highyielding varieties in the region. Results: The results of the model did not show a significant difference between the observed values of rice grain yield with the simulated values (Sig <0.05). The value of coefficient of determination (R2) was obtained for both groups of varieties was about 0.80, and the root mean square of normalized error (NRMSE) was 13% and 7% for local and highyielding varieties, respectively. Evaluation of statistical results indicates the favorable similarity of real and estimated data. Also, statistical indicators show that the model has less error in estimating yields of paddy fields with local varieties than highyield varieties. In largescale studies, the estimation error is mostly due to differences in crop management. The spatial distribution of yield has intensities and fluctuations in the study area, which can be in response to different amounts of inputs, delay in planting date, offseason rainfall and soil variability and soil physiographic status. Conclusion: Therefore, the use of simulation models can be effective in achieving sustainable rice production and economic savings of agricultural inputs in the region and provide a landscape of production conditions for farmers and managers.