پیش‌بینی عملکرد یونجه توسط برخی شاخص‌های پوشش گیاهی و متغیرهای محیطی در خراسان جنوبی (مطالعه موردی شهرستان سرایان)

این پژوهش با هدف ارزیابی پیش بینی عملکرد علوفه یونجه، بر پایه برخی پارامترهای اقلیمی، خاکی و شاخص های پوشش گیاهی (pvi)، حاصل از سنجنده sentinel 2 مربوط به شهرستان سرایان در تیرماه 1397 انجام شد. داده های زمینی عملکرد یونجه از 52 نقطه (شامل 10 نقاط آزمایشی) جمع آوری شدند. سپس جهت پیش بینی عملکرد یونجه طی دو برداشت متوالی، از رگرسیون خطی چند متغیره به روش گام به گام استفاده شد. نتایج پژوهش نشان داد که نقشه عملکرد یونجه طی هر دو چین، با مولفه های میانگین بارندگی، کلاس خاک و شاخص pvi در سطح احتمال یک درصد ارتباط معنی داری داشت. نتایج حاصل از اعتبار سنجی مدل، مقادیر r2، rmse و gmer را به ترتیب معادل 0.82، 0.88 و 0.91نشان داد که بیانگر انطباق بالای مدل تخمینی عملکرد با عملکرد واقعی یونجه بود. همچنین نتایج آزمون کای اسکوئر (p= 0.99)، عدم تفاوت معنی دار بین مقادیر واقعی و تخمینی عملکرد یونجه طی دو چین را نشان داد. بنابراین، به‌دلیل اعتبار بالای داده های مشاهداتی زمینی و داده های اقلیمی در منطقه جهت ارائه الگوی بهره برداری مناسب گیاهان علوفه ای، می توان از این متغییر ها استفاده نمود.

Alfalfa yield prediction by some vegetative indices and environmental variables in Southern Khorasan:Case study of Sarayan

This study was conducted to predict alfalfa forage yield based on some climatic, soil and vegetative indices (PVI) derived from Sentinel 2 sensor in Sarayan (Southern Khorasan) of Iran in July 2018. Alfalfa yield data were collected from 52 points (10 of those experimental points) in two consecutive harvests to predict alfalfa performance, a stepwise multivariate linear regression was used. Results showed that the alfalfa performance map, in both consecutive harvests, with the mean of rainfall, PVI index and soil class was significant at 1% probability level. Validation showed that R2, RMSE and GMER were 0.82, 0.88 and 0.91, respectively, indicating the high compliance of the estimated performance model with the actual yield of alfalfa. Also, the results of chi square test (P = 0.99) showed non significant difference between actual values and estimated hay yield during two harvests. Therefore, due to the high reliability of terrestrial observations and climatic data in the region, these variables can be used to provide proper utilization pattern for forage plants.