آنالیز حساسیت موضعی مدل aquacrop برای دو محصول گندم و ذرت در دو منطقه دشت قزوین و پارس‌آباد مغان

استفاده از مدل‌های گیاهی برای اهداف مختلف مانند پیش‌بینی عملکرد، تعیین نیاز آبی، بررسی های اثر تغییر اقلیم، خشکسالی و مدیریت‌های مختلف آبیاری و زراعی ضروری است. این مدل‌ها ابزار ارزشمندی برای تحلیل کمی رشد گیاه و تولید محصول هستند. یکی از چالش‌ها در برابر کاربرد این مدل‌ها، تعدد پارامترهای ورودی آنهاست. اندازه گیری این پارامتر‌ها هزینه‌بر، زمان‌بر و گاه با توجه به محدودیت‌های مختلف غیرممکن است و معمولاً از طریق واسنجی و حل معکوس تخمین زده می‌شوند. تحلیل حساسیت فرآیندی است که اثر پارامتر‌‌های ورودی بر متغیر‌های خروجی مدل‌های ریاضی را بررسی می‌کند. در هنگام واسنجی، پارامترهای حساس باید با دقت بالاتری اندازه‌گیری یا برآورد شوند. اعمال روش‌های مبتنی بر اجراهای زیاد بر مدل‌های متن‌بسته (closed source) به آسانی مدل‌های متن‌باز (open source) نمی‌باشد. در این تحقیق، اثر 47 پارامتر گیاهی (نام پارامترها در جداول 1 و 2 آمده است) مدلِ متن‌بسته‌ی aquacrop بر 5 متغیر خروجی مدل شامل تبخیر از سطح خاک، تعرق، تبخیروتعرق، زیست‌توده و عملکرد دانه برای دو محصول گندم و ذرت در مناطق دشت قزوین و پارس‌آباد مغان مورد مطالعه قرار گرفت و با استفاده از شاخص کارایی مدل نشساتکلیف نسبی، درجه حساسیت این پارامتر‌ها مشخص گردید. پارامتر‌‌های درجه روز رشد افزایش پوشش تاج (x45)، درجه روز رشد بذرافشانی تا بلوغ (x42)، درجه روز رشد بذرافشانی تا آغاز پیری (x41) و بیشترین پوشش تاج در نسبت پوشش خاک (x30) بطور مشترک در هر دو محصول بیشترین حساسیت را از خود نشان دادند. بنابراین تعیین دقیق دوره‌های مختلف رشد گیاه برحسب روز و یا درجه روز رشد که اتفاقاً اندازه‌گیری آن‌ها آسان‌تر از سایر پارامترها می‌باشد از اهمیت بیشتری برخوردار هستند. برای هر 5 خروجی گندم و ذرت منطقه‌ی قزوین، حدود نیمی از پارامتر‌های ورودی بدون تاثیرند و در هنگام واسنجی از اهمیت ناچیزی برخوردار می‌باشند. با اینکه روش تحلیل حساسیت موضعی (local sensitivity analysis) پیچیدگی‌های محاسباتی و مفهومی روش‌های تحلیل حساسیت کلی (global sensitivity analysis) را ندارد، نتایج نشان داد که این روش می‌تواند به نتایج مشابه با مطالعاتی که از روش‌های تحلیل حساسیت کلی استفاده کرده‌اند منجر گردد.

Local sensitivity analysis of AquaCrop model for wheat and maize in Qazvin Plain and Moghan ParsAbad in Iran.

Application of crop models is essential for numerous purposes including prediction of crop yield and water requirement, evaluation of the impact of climate change, drought and irrigation and agronomic management on crop growth and development. One challenge with the application of these models is the large number of input parameters. Measurement of input parameters can be timeconsuming, costly and sometimes practically impossible and they are usually estimated using calibration and inverse modelling. Sensitivity Analysis is a procedure during which the impact of input parameters on target output variables is investigated. During model calibration, sensitive parameters must be measured or estimated with higher accuracy. Analysis of the sensitivity of closedsource models is not as straightforward as it is with open source models. In this research, the impact of 47 crop parameters on five output variables of AquaCrop, a closedsource crop model, namely soil evaporation, crop transpiration, evapotranspiration, biomass at harvest and grain yield, were studied for wheat and maize in Qazvin Plain and Moghan ParsAbad in Iran. The sensitivity of the selected parameters was evaluated with the relative Nash–Sutcliffe Efficiency Index. Increase in canopy cover, degreedays from sowing to maturity, degreedays from sowing to start of senescence and maximum canopy cover in fraction of soil cover were identified as sensitive parameters for both crops. Therefore, accurate determination of crop growth stages, in calendar days or degreedays, which are easier to measure than most of the other parameters, is of greater importance. In Qazvin and for all output variables, around half of the selected parameters were ineffective and considered unimportant during calibration. Despite that the methods of local SA are computationally and conceptually simpler than the methods of global SA, the results showed that this method could lead to similar outcomes to previous studies in which global methods were used.