شناسایی محدودیت های تولید و خلا عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز در سواحل دریای خزر )

سابقه و هدف: یکی از دلایل عملکرد پایین پنبه در استان گلستان اختلاف قابل توجه بین عملکرد واقعی کشاورزان و عملکرد قابل حصول می‌باشد که خلاء عملکرد نامیده می‌شود. تخمین میزان خلا عملکرد و تعیین عوامل به وجود آورنده آن مستلزم به کارگیری روش های مناسب می باشد. بنابراین، این پژوهش با هدف مستندسازی فرآیند تولید و برآورد خلاء عملکرد مرتبط با مدیریت زراعی پنبه در مناطق پنبه کاری‌ سواحل دریای خزر انجام شد. مواد و روش‌ها : به منظور بررسی عوامل مدیریتی محدودکننده عملکرد پنبه و برآورد خلاء عملکرد آن مطالعه‌ای در سال‌های1401-1400 در مناطق پنبه کاری سواحل دریای خزر انجام شد.داده‌های جمع‌آوری شده از پایش مزارع پنبه با استفاده از رگرسیون گام به گام در نرم افزار sasمورد تجزیه و تحلیل قرار گرفت. در خاتمه با استفاده از معادله تولید به دست آمده و مقادیر مولفه‌های مدل، سهم هر یک از عوامل محدودکننده در ایجاد خلا عملکرد مشخص شدند.یافته‌ها: نتایج پژوهش حاضر نشان داد که از متغیرهای مدیریت زراعی مورد بررسی در این مزارع، با استفاده از مدل عملکرد متوسط و حداکثر عملکرد به ترتیب 2165 و 5358 کیلوگرم در هکتار تخمین زده شد. متوسط و حداکثر عملکرد مشاهده شده در مزرعه نیز برابر 1988.5 و 4500 کیلوگرم در هکتار بود. کل خلا عملکرد تخمین زده شده برابر 3220 کیلوگرم در هکتار بود. میزان افزایش عملکرد مربوط به متغیرهای مصرف کود نیتروژن و فسفر خالص و محلول‌پاشی عناصر مکمل به ترتیب برابر 1000، 277 و 688 کیلوگرم در هکتار معادل 31، 9 و 21 درصد از کل خلا عملکرد بود. مقدار افزایش عملکرد مربوط به حجم آبباری و خسارت آفت بترتیب 490 و 150 کیلوگرم در هکتار معادل 15 و 5 درصد از کل خلا عملکرد بود. میزان خسارت عملکرد ناشی از دو متغیر آبیاری مرحله غنچه دهی و و غوزه‌دهی به‌ترتیب149 و 326 کیلوگرم در هکتار معادل 5 و 10 درصد از کل افزایش عملکرد بود. دو متغیر تاریخ کاشت و مصرف کود سرک نیتروژن زمان گل‌دهی با اثر منفی به‌ترتیب 69 و 72 کیلوگرم در هکتار معادل 2 و 2 درصد از کل افزایش عملکرد بودند. بر اساس نتایج میانگین عملکرد هنگامی که میانگین متغیرهای تاثیرگذار بر عملکرد در مدل قرار داده شد 2165 کیلوگرم در هکتار و هنگامی که مقدار مطلوب متغیرها در مدل وارد شد حداکثر عملکرد 5358 کیلوگرم در هکتار تخمین زده شد. مقادیر برآورد شده با مقادیر واقعی میانگین 1989 کیلوگرم در هکتار و حداکثر عملکرد مشاهده شده 4500 کیلوگرم در هکتار در مزارع نزدیک بودند. نتیجه‌گیری: اختلاف بین عملکردهای این مزارع بیانگر تفاوت درشیوه های مدیریت زراعی پنبه در این مزارع بود. همچنین، آنالیز خط مرزی می تواند مکملی برای روش های رگرسیونی و تحلیل مقایسه کارکرد به منظور شناسایی عوامل محدود کننده تولید باشد. از این رو، به نظر می رسد با مدیریت صحیح و بهینه سازی موارد ذکر شده به دو روش رگرسیون گام به گام و خط مرزی می توان خلا عملکرد در مزارع پنبه کشاورزان را کاهش داد .

identification of production constraints and yield gap cottona case study :( the caspian sea, the cities of kurdkoy and bandargaz)

background and objective: one of the primary challenges contributing to low cotton yields in golestan province is the substantial yield gap the discrepancy between farmers’ actual yields and the achievable potential yield. estimating this gap and identifying its contributing factors require the application of robust analytical methods. this study aimed to document the production processes and estimate the yield gap associated with cotton agricultural management practices in the cotton-growing regions along the caspian sea coast, specifically in the cities of kurdkoy and bandarga. materials and methods: to investigate the management factors limiting cotton yield and to estimate the yield gap, a comprehensive study was conducted during the 2021-2022 growing season in the western golestan province. data on agricultural management practices, from planting to boll harvesting, were collected through direct interviews with farmers. comparative performance analysis (cpa) was employed to identify yield gap-inducing factors. the collected data were analyzed using stepwise regression and boundary line analysis in sas software. quantitative variables were further evaluated through simple and boundary linear regression. the contributions of individual limiting factors to the yield gap were determined using the derived production equation and model component values. results: the analysis of agricultural management variables using the production model revealed that the average and maximum potential yields were 2165 and 5358 kg/ha, respectively. observed average and maximum yields in the field were 1988.5 and 4500 kg/ha, respectively. the total estimated yield gap, calculated using stepwise regression, was 3220 kg/ha. among yield-limiting factors, the contributions to the yield gap were as follows: nitrogen fertilizer (1000 kg/ha; 31%), phosphorus fertilizer (277 kg/ha; 9%), and complementary element spraying (688 kg/ha; 21%). yield increases were attributed to irrigation volume (490 kg/ha; 15%) and pest damage reduction (150 kg/ha; 5%). irrigation during the budding and boll formation stages contributed an additional 149 kg/ha (5%) and 326 kg/ha (10%) to yield increases, respectively. conversely, planting date and nitrogen top-dressing during flowering negatively impacted yields, with contributions of 69 kg/ha (2%) and 72 kg/ha (6%), respectively. when influential yield-related variables were included in the model, the estimated average and maximum yields were 2165 and 5358 kg/ha, closely matching observed field values of 1988.4 kg/ha and 4500 kg/ha, respectively. conclusion: the observed yield variations among farms underscore the disparities in agricultural management practices. the use of boundary line analysis, alongside regression and performance comparison methods, proved effective in identifying production-limiting factors. the results indicate that optimizing key factors, as identified through stepwise regression and boundary line analysis, could significantly reduce the yield gap in farmers’ cotton fields.