آرشیو

آرشیو شماره ها:
۵۱

چکیده

هدف از پژوهش حاضر بررسی اثر نوسانات آب و هوایی بر مراحل فنولوژیکی و میزان عملکرد سیب درختی می باشد. به این منظور از آمار پایگاه ECMWF برای داده های مشاهداتی دو ایستگاه سمیرم و ارومیه طّی بازه زمانی 21 ساله (1996-2016) استفاده شد. برای بررسی اثرات نوسانات آب و هوایی از داده های روزانه ریز گردانی دینامیک پروژه CORDEX برای خروجی مدل ICHEC-EC-EARTH تحت دو خّط سیر RCP8.5 و RCP4.5واداشت تابشی (RCP) برای بازه زمانی (2037-2017) بهره گرفته شد. با استفاده از داده های ایستگاه ها و خروجی های مدل ریزمقیاس نمایی و با به کارگیری شبکه عصبی پرسپترون و رگرسیون خطی میزان عملکرد شبیه سازی شد. سپس برای ارزیابی کارآیی عملکرد مدل ها از معیار آماره های R، R2، MSE، RMSE و NRMSE و از آزمون ناپارمتریک من- کندال و شیب سن برای روند عملکرد استفاده گردید. نتیجه مقایسه خروجی شبکه های عصبی مصنوعی با مدل رگرسیون خطی نشان می دهد که میزان خطای شبکه عصبی کم تر و نتایج شبیه سازی شده تا حّد بسیار قابل قبولی به مشاهدات واقعی نزدیک می باشد. مراحل فنولوژیکی شامل شکفتن جوانه تا رسیدن میوه در ایستگاه ها تحت هر دو سناریو و در کلیّه مراحل فنولوژیکی در دوره آینده نسبت به دوره پایه در زمان جلوتری تکمیل خواهند شد و طول دوره رشد نیز کاهش خواهد یافت. میزان عملکرد آینده در ایستگاه ارومیه تحت سناریوهای RCP4.5 و RCP8.5 به ترتیب عملکرد 7/3، 2/2 تن در هکتار و در ایستگاه سمیرم به ترتیب عملکرد 1/4، 3 تن در هکتار کاهش پیدا خواهد کرد. نتایج نشان می دهند که در آینده در مناطق مورد مطالعه با تغییر در زمان رخداد طول دوره رشد، کلیه مراحل فنولوژیکی و همچنین عملکرد کاهشی سیب درختی تحت نوسانات آب و هوایی خواهند بود.

Investigating the effect of climate fluctuations on apple yield (case study: Semiram and Urmia station)

the statistics of the ECMWF database were used for the observation data of the two stations of Semiram and Urmia during a 21-year period (1996-20016).In order to investigate the effects of climate fluctuations, the daily data of dynamic micro-rotation of the CORDEX project was used for the output of the ICHEC-EC-EARTH model under the RCP8.5 and RCP4.5 radiative forcing (RCP) scenarios for the period (2017-2037). By using the data of the stations and the outputs of the micro scale model, and by using the perceptron neural network and linear regression, the performance was simulated. Then, to evaluate the efficiency of the models, R, R2, MSE, RMSE, and NRMSE statistics were used, and the non-parametric Menkendall test and age slope were used for the performance trend. The result of comparing the output of artificial neural networks with the linear regression model shows that the error rate of the neural network is less and the simulated results are close to the real observations to a very acceptable extent. The phenological stages, including bud blooming to fruit ripening in the stations under both scenarios, and in all the phenological stages in the future period will be completed earlier than the base period, and the length of the growth period will also decrease. The amount of future yield in Urmia station under RCP4.5 and RCP8.5 scenarios respectively yield 3.7 and 2.2 tons per hectare and in Semiram station yield 1.4 and 3 respectively tons per hectare will decrease. The results show that in the future in the study areas, with the change in the time of occurrence of the length of the growth period, all the phenological stages as well as the declining performance of apple trees will be subject to climatic fluctuations

تبلیغات