شبیه سازی عملکرد و اجزای عملکرد گیاه برنج با استفاده از مدل swap و فناوری سنجش از دور به‌منظور استفاده بهینه از منابع آب و خاک

با توجه به اهمیت منابع آب‌وخاک در توسعه کشاورزی پایدار، افزایش جمعیت جهان و نیاز روزافزون به تولیدات زراعی، پیش‌بینی عملکرد محصول با استفاده از مدل های شبیه ساز گیاهی و فناوری سنجش از دور بسیار با اهمیت است. پژوهش حاضر با هدف برآورد عملکرد اجزای برنج شامل کاه، شلتوک و زیست توده رقم هاشمی طی مراحل مختلف رشد با مدل swap و ارائه معادلات رگرسیونی با استخراج شاخص های گیاهی ndvi و savi از تصاویر ماهواره ای سنتینل 2 و لندست 7 و 8 در موسسه تحقیقات برنج کشور انجام شد. مقایسه متغیرهای آماری عملکرد گیاه برنج نشان داد که میانگین مقادیر ضریب تبیین (r2) و شاخص کارایی مدل (ef) در برآورد عملکرد اجزای برنج در مراحل مختلف رشد با مدل swap به ترتیب بیش تر از 0.7 و 0.9 و دارای خطای 1.93 تا 6.54% معادل 134.21 الی kg/ha 470.43 بود. اختلاف اندک ‌بین مقادیر اندازه‌گیری‌شده و شبیه‌سازی‌شده نشان داد که مدل swap عملکرد برنج در منطقه موردمطالعه را با دقتی مناسب برآورد می‌کند. نتایج همچنین نشان داد که شاخص‌‌‌های ndvi و savi استخراج‌شده با دقتی بسیار خوب عملکرد اجزای برنج در مراحل مختلف رشد را برآورد می‌کنند. لیکن بیش ترین مقدار همبستگی مربوط به مرحله رشد زایشی بود. در نهایت، r2 برای شاخص ndvi در مراحل مختلف رشد و نیز در کل دوره رشد برای کاه، شلتوک و زیست‌توده نسبت به شاخص savi بیش تر بوده و شاخص ndvi از دقت بیش تری برخوردار بود.

Simulation of Rice Yield and its Components Using SWAP Model and Remote Sensing Technology for Optimal Use of Water and Soil

Given the importance of soil and water resources in the development of sustainable agriculture, increasing world population and the growing need for crop production, predicting crop yields using plant simulation models and remote sensing technology is very crucial. The aim of this study was to estimate the yield of rice components including straw, paddy and biomass of Hashemi cultivar during different growth stages with SWAP model and to provide regression equations by extracting NDVI and SAVI plant indices from Sentinel2 and Landsat7 and 8 satellite images. It was done in the National Rice Research Institute. Comparison of statistical variables indicated that the mean values of coefficient of determination (R2) and model efficiency factor (EF) in estimating the yield of rice components in different stages of growth with SWAP model were more than 0.70 and 0.90, respectively, and with an error of 1.93 to 6.54% was equivalent to 134.21 to 470.43 kg/ha. The slight difference between the measured and simulated values showed that the SWAP model estimates the rice yield in the study area with appropriate accuracy. The results also showed that the extracted NDVI and SAVI indices with very good accuracy estimate the yield of rice components at different stages of growth. However, the highest amount of correlation was related to the reproductive development stage. Finally, R2 for NDVI at different growth stages as well as  the entire growth period for straw, paddy, and biomass were higher than the SAVI index, revealing more accuracy of NDVI than SAVI.