پیش‌بینی درون‌فصلی تولید گندم فاریاب با استفاده از شاخص منطقه‌ای بیلان رطوبتی (مطالعه موردی: استان قم)

وقوع متناوب خشکسالی و نابهنجاری رطوبت خاک موجب افت عملکرد گیاهان زراعی دیم و فاریاب می‌شود. پیش‌آگاهی از میزان افت احتمالی تولید در انتهای فصل، جهت تضمین تولید پایدار و امنیت غذایی ضروری است. در مطالعه حاضر با بهره‌گیری از شاخص تفاضل بارش و تبخیرتعرق پتانسیل استانداردشده (spei) که معرف بیلان رطوبتی است، رابطه بین بین تولید منطقه‌ای گندم زمستانه فاریاب و وضعیت خشکسالی طی دوره 2017-2006 دراستان قم جستجو شد. برای شناخت وضعیت خشکسالی منطقه و با توجه به کمبود ایستگاه‌های هواشناسی، از داده‌های حدود 30 نقطه از شبکه داده‌های بازتحلیل، با پوشش مکانی کافی از منطقه و نیز از روش چندمتغیره تحلیل مولفه اصلی برای استخراج الگوهای مکانی-زمانی خشکسالی استفاده شد. یافته‌های تحقیق نشان داد که بر اساس داده‌های دوره 117 ساله (2017-1901)، الگوی غالب رخداد‌های خشکسالی منطقه بیش از 80 درصد واریانس تغییرات نقاط شبکه بازتحلیل را توجیه می‌کند. این الگو برای انواع خشکسالی‌های هواشناسی، کشاورزی و هیدرولوژیکی، وقوع خشکسالی‌های شدید و فرین طی دو دهه اخیر را نشان می‌دهد. همچنین مشخص شد که شاخص خشکسالی هواشناسی (spei) در ماه مارس بالاترین همبستگی (0.9) را با تولید نهایی گندم برداشت شده طی 3 ماه بعد (ژوئن) دارد. اعتبارسنجی مستقل مدل‌های رگرسیون چندگانه با رهیافت بازنمونه گیری jacknife، نشان داد که اکثر مدل‌ها قادرند برآورد قابل قبولی از میزان تولید نهایی با لحاظ اثر خشکسالی ارائه دهند.

intra-seasonal prediction of irrigated wheat yield using a regional water balance index, (case study: qom province)

frequent droughts and soil moisture anomalies, cause significant yield reductions both for irrigated and rainfed crops. in the current study, attempts have been made to correlate regional production of irrigated winter wheat in qom province with drought conditions during 2006-2017, using a water balance index namely the standardized precipitation evapotranspiration index (spei). due to the lack of sufficient synoptic stations in the region, the reanalysis data consisting 30 grid points covering the whole province were also used. moreover, the multivariate principal component analysis (pca) was used to identify the spatio-temporal drought patterns. according to 117 years (1901-2017) reanalysis data, it was revealed that the dominant pattern of drought in the region explains more than 80% of existing temporal variations in grid points. furthermore, this pattern indicated that extrem droughts (of all types including meteorological, agricultural, and hydrological) have occurred during recent two decades in the region. findings showed that the meteorological drought index (spei1-pc1) of march was strongly correlated (r coefficient greater than 0.9) to final yield of wheat harvested three months later (june). using the jacknife approach, all the multiple regression models were independently validated and the results confirmed the predictability of the final yield amount.