پیش بینی عملکرد بیولوژیک گندم نان با استفاده از روشهای زمین آمار (شمال شهرستان داراب)

چکیده هدف از این مطالعه تعیین همبستگی بین عملکرد بیولوژیک گندم نان و فاکتور‌های موثردر آن و تعیین مناسب ترین صفات تاثیرگذار بر عملکرد بیولوژیک، همچنین تهیه نقشه پهنه بندی عملکرد بیولوژیک گندم در شهرستان داراب بود. به منظور دستیابی به اهداف این پژوهش، شصت نمونه گیاه تهیه و مورد بررسی قرار گرفت. در این نمونه‌ها، ارتفاع گیاه، وزن دانه، شاخص برداشت و تعداد پنجه اندازه گیری شد. همچنین، طول و عرض جغرافیایی برای مکان هر یک از نمونه ها با استفاده از دستگاه موقعیت یاب ماهواره‌ای تعیین شد. نتایج حاصل از همبستگی ساده بین این صفات نشان داد که وزن دانه با عملکرد بیولوژیک بالاترین ضریب همبستگی (**97/0r = ) را داشت. نتایج حاصل از رگرسیون گام به گام نشان داد که جهت تهیه‌ی نقشه پهنه بندی عملکرد بیولوژیک گندم و پارامتری که بیشترین همبستگی با آن را داشت (وزن دانه) از روش کریجینگ و روش میانگین عکس فاصله (idw)، استفاده شد. نتایج حاصل از درون‌یابی نشان داد که روش کریجینگ (مدل گوسی) با حداقل ریشه میانگین مربعات خطا (98/0= rmse) برای عملکرد بیولوژیک و 97/0= rmse برای وزن دانه) بهترین مدل برای تعیین پهنه بندی این پارامترها (ارتفاع گیاه، وزن دانه، شاخص برداشت و تعداد پنجه اندازه‌گیری) در منطقه مورد مطالعه محسوب می‌شود. استفاده از این روش‌ها مشخص شد که وزن دانه و عملکرد بیولوژیک دارای انطباق نسبی در پهنه بندی بودند. بنابراین، با توجه به نتایج می‌توان از وزن هزار دانه به عنوان صفت جایگزین عملکرد بیولوژیک در اندازه گیری عملکرد بیولوژیک در این منطقه استفاده کرد.

Prediction of Wheat Biological Yield Using Geostatistics (Northern Darab)

The aim of the study is determination of the correlation between factors affecting in the wheat yield and preparing of yield mapping of wheat in north of Darab city. In order to determine the relationship between biological and grain yield with some of the important agronomic traits 60 samples in the north of Darab city was investigated. Parameters such as plant height, seed weight, harvest index, tiller number, latitude and longitude for each of the samples was measured. The results show that grain weight has highest correlation with the biological yield (0.97**). In this study, also using the Kriging (Gaussian models, spherical, circular and exponential models) and average inverse distance (IDW) maps of the biological yield and grain weight was determined. The results of the interpolation show that kriging method (Gaussian model) with a minimum error (RMSE=0.98 for biologic yield and RMSE=0.97 for grain weight) was the best model for preparation of these parameters in the study area. Also the results of biologic yield map show that areas locating in the North West of the study area were the highest yield.