بررسی عدم قطعیت پارامترهای مدل گیاهی dssat در برآورد عملکرد گیاه پنبه با استفاده از روش glue

امروزه مدل ‌های شبیه‌ سازی در همه علوم به وفور توسط کاربران مورد استفاده قرار می‌گیرد. دسته‌ای از این مدل‌ها، مدل‌های شبیه‌سازی رشد گیاهی می‌باشند که به متخصصین کشاورزی در بهینه کردن فاکتورهای مختلف تاثیر‌گذار بر رشد گیاه کمک فراوانی می‌کند. از آنجا که واسنجی پارامترهای مدل های شبیه سازی به تنهایی نمیتواند مقدار مناسب برای آنها را تحلیل کند فلذا در دهه اخیر به ضرورت مطالعات مرتبط با تحلیل عدم قطعیت پارامترهای مدل در کنار واسنجی آنها ضرورتی اجتناب ناپذیر می باشد. در این تحقیق عدم قطعیت پارامترهای اکوتایپی مدل گیاهی dssat برای گیاه پنبه توسط الگوریتم glue که مبتنی بر شبیه‌سازی مونت کارلو می‌باشد مورد بررسی قرار گرفت. سایر پارامترهای مورد استفاده این مدل ثابت و برابر با مقادیر معقول و از پیش تعیین شده (موجود در راهنمای فنی نرم افزار) در نظر گرفته شد. از داده‌های مشاهده شده عملکرد در 4 تیمار آبیاری این محصول جهت بدست آوردن توزیع پسین احتمالاتی پارامترها و سایر مقادیر معیارهای ارزیابی عملکرد استفاده شد. مقایسه نتایج این معیارها با شبیه‌سازی مشابه قبلی انجام شده در همین منطقه مورد مطالعه توسط قربانی برواتی و همکاران (1402) که صرفا به واسنجی پارامترها پرداخته بود، نشان از برتری محسوس و قابل قبول الگوریتم glue لینک شده توسط رابط کدنویسی شده در محیط matlab می دهد.

uncertainty analysis of dssat plant model parameters in estimating cotton yield using glue

simulation models are widely used by users in different fields. one of famous category of these models is plant growth models, which significantly assist agricultural specialists in optimizing different parameters influencing plant growth. since the calibration of model parameters may not adequately analyze and identify their actual values, the need of studies related to uncertainty analysis of model parameters beside their calibration has become an unavoidable requirement in recent decades. this research examined the uncertainty of ecotype parameters in the dssat plant model for cotton using the glue algorithm, which is based on monte carlo simulation. some parameters used in this model were kept constant and set to reasonable, pre-determined values (available in the software's technical guide). observed performance data from four irrigation treatments of this crop were utilized to obtain the posterior distribution of the parameters. a comparison of this results with a similar previous simulation conducted in the same study area (ghorbani baravati et al., 2023), which focused only on parameter calibration, indicates a significant and satisfactory superiority of the glue algorithm linked through a coded written in the matlab environment.