هادی رمضانی اعتدالی

برآورد پتانسیل تولید هر گیاه تابعی از شرایط اقلیمی، پتانسیل های ژنتیکی گیاه و دیگر عوامل گوناگون محیطی و مدیریتی است. ارزیابی توانمندی مناطق، در به فعلیت رساندن پتانسیل های ژنتیکی گیاهان، از نکات مهم برنامه ریزی های کلان در کشاورزی به حساب می آید. با توجه به جایگاه استان قزوین در تولید محصول ذرت و اهمیت کشت این محصول در استان، برآورد هرچه دقیق تر میزان عملکرد این محصول استراتژیک بسیار ضرورت دارد. در همین زمینه، با مطالعه یک دوره داده برداری یازده ساله، عملکرد محصول ذرت با مدل گیاهی جدید AquaCrop-GIS برآورد شد. پهنه بندی شاخص های کلیدی محصول از طریق مدل در سطح استان شبیه سازی شد. با بررسی نتایج این پارامترهای کلیدی، مشخص شد ایستگاه های مطالعاتی قزوین و معلم کلایه با میزان تبخیر و تعرق مرجع کمتر دارای بهره وری آب بیشتری است. در ادامه با استفاده از عملکرد محاسباتی، اجزای ردپای آب و ردپای آب کل محصول در محدوده ایستگاه های مطالعاتی تخمین زده شد. با بررسی معادلات رگرسیونی میان اجزای ردپای آب و ردپای آب کل محصول با عملکرد محصول در هر ایستگاه، مشخص شد روابط ردپای آب آبی با عملکرد به نسبت دیگر اجزای ردپای آب درمورد تمامی ایستگاه ها، از میزان ضریب تعیین (43/0= R 2 ، 51/0= R 2 ، 43/0= R 2 ، 77/0= R 2 و 79/0 = R 2 به ترتیب درمورد ایستگاه های قزوین، آوج، معلم کلایه، تاکستان و بویین زهرا) و سطح معنی داری برخوردار است. به طورکلی ضریب تعیین این روابط در ایستگاه بویین زهرا با 88/0= R 2 ، 79/0= R 2 ، 56/0= R 2 و 53/0= R 2 به ترتیب برای ردپای آب سبز، آبی، خاکستری و ردپای آب نسبت به سایر ایستگاه ها، بیشتر برآورد شد؛ به این معنی که کاهش عملکرد در این ایستگاه تأثیر بسزایی بر افزایش ردپای آب کل محصول داشت.

پیش بینی تغییرات اقلیمی به دلیل آثار مخرب بر منابع آبی، زیست محیطی، اقتصادی، و اجتماعی از اهمیتی ویژه برخوردار است. بنابراین، هدف از این تحقیق پیش بینی تغییرات اقلیمی شهرستان کرمانشاه با استفاده از مدل های ریزمقیاس گردش عمومی جوّ قابل دسترس در مدل LARS-WG6 (GFDL-CM3, MPI-ESM-MR, MIROC5) تحت سناریوهای RCP4.5 و RCP8.5 برای دوره 2020 تا 2100 با دوره پایه 1980 تا 2010 بود. برای ارزیابی داده های پیش بینی شده در مدل LARS-WG به بررسی میزان خطای داده های مشاهداتی و پیش بینی شده با استفاده از معیارهای R2, RMSE, MSE, MAD پرداخته شد. نتایج نشان داد مدل LARS-WG قابلیت لازم را برای پیش بینی داده های اقلیمی در آینده دارد و بین زیرمدل ها مدل MPI-ESM-MR تحت سناریوی RCP4.5 از ضریب اطمینان بالاتری نسبت به سایر زیرمدل های ارزیابی شده برخوردار است. همچنین، همه مدل ها بیانگر افزایش متوسط دمای حداقل و حداکثر و تغییر الگوی بارش در دوره های زمانی آینده در منطقه مورد مطالعه بودند. در ادامه شاخص های SPI و دو مارتن برای همه مدل ها محاسبه شدند. بر اساس شاخص SPI همه مدل های اقلیمی مورد ارزیابی نشان دادند تا سال 2100 سال های با شاخص نرمال کاهش یافته در مقابل شرایط خشک افزایش خواهند یافت و همچنین بر اساس شاخص دو مارتن مدل GFDL تحت سناریوی RCP8.5 میزان تغییرات اقلیم بیشتر از سایر مدل ها برآورد شد و سال های خشک و نیمه خشک بیشتر از سال های مرطوب خواهد بود. اما در مقابل مدل MIRO تحت سناریوی RCP45 خوشبینانه تر عمل کرد و میزان تغییر اقلیم کمتری صورت خواهد گرفت.