زعفران و تغییر اقلیم؛ نگاهی به تغییرات نیاز آبی آن با استفاده از روش الگوریتم‌های هوشمند

این مطالعه اثرات تغییر اقلیم بر نیاز آبی گیاه زعفران را در 13 منطقه ی خراسان جنوبی و خراسان رضوی برای سه دوره ی زمانی 2030-2050، 2055-2075 و 2080-2100 با استفاده از الگوریتم های ترکیبی ann-nsga-ii و ann-ica بررسی می کند. این تحقیق برای اولین بار به محاسبه نیاز آبی زعفران براساس تغییر اقلیم با استفاده از مدل های cmip6 و سناریوهای ssp245 و ssp585 پرداخته است. علاوه بر آن برای اولین بار به محاسبه پارامترهای اصلی مدل های cmip6 برای پیشنمایی متغیرهای اقلیمی پرداخته است. برای ریزگردانی و درون یابی فضایی داده های cmip6 به ترتیب از روش ریزگردانی آماری و تکنیک وزن دهی فاصله معکوس استفاده شد. از مدل ann-nsga-ii برای انتخاب پارامترهای مناسب و از مدل ann-ica برای پیشنمایی آینده متغیرهای اقلیمی و درنهایت از مدل کراپ وات برای محاسبه نیاز آبی زعفران استفاده شد. نتایج انتخاب پارامترها نشان داد، پارامترهای hfls و hfss در 90 درصد موارد برای پیشنمایی آینده انتخاب شدند. میانگین درصد کاهش بارش و افزایش دمای بیشینه و کمینه مدل های gfdl-cm4، miroc6 و noresm2-lm در سناریو ssp245 به ترتیب برابر با (8.6، 1-، 10)، (10، 5.7، 8.7) و (6.6، 0.6، 9.1) و در سناریو ssp585 به ترتیب برابر با (5.7، 5.6، 13)، (12، 2.4، 11.6) و (8.2، 4.7، 17.3) محاسبه شد. نیاز آبی در 90 درصد ایستگاه ها، gcms و سناریوها نسبت به دوره ی پایه افزایش یافت. بیشترین افزایش نیاز آبی در گلمکان به میزان 87.1 میلیمتر برای مدل miroc6 و دوره ی زمانی 2055-2075 بدست آمد.

Saffron and Climate Change; Assessment of the Saffron Water Requirement Changes Using the Smart Algorithms

This study investigates the effects of climate change on the water requirement of saffron in 13 regions of South Khorasan and Khorasan Razavi for three periods of 20302050, 20552075 and 20802100 using the Hybrid algorithms ANNNSGAII and ANNICA. For the first time, this research has obtained the water requirement of saffron based on climate change using the CMIP6 models and the scenarios of SSP245 and SSP585. In addition, for the first time, the main parameters of CMIP6 models have been calculated for the prediction of climatic variables. Statistical downscaling method and inverse distance weighting technique were used for downscaling and spatial interpolation of CMIP6 data, respectively. The ANNNSGAII model was used to select suitable parameters and the ANNICA model was used to predict the future of climatic variables and finally the Cropwat model was used to calculate the water requirement of saffron. The results of parameter selection showed that Hfls and Hfss parameters were selected for future prediction in 90% of cases. The mean percentage of precipitation decrease and increase of temperature of maximum and minimum were calculated for GFDLCM4, MIROC6, and NorESM2LM models (8.6, 1, 10), (10, 5.7, 8.7), and (6.6, 0.6, 9.1) in SSP245 scenario and (5.7, 5.6, 13), (12, 2.4, 11.6), and (8.2, 4.7, 3/17) in SSP585 scenario, respectively. The Water demand increased in 90% of stations, GCMs, and scenarios compared to the base period. The highest increase in water requirement was obtained in Golmakan for the MIROC6 model and the period of 20552075 with the amount of 87.1.