ارزیابی کارایی الگوریتم تنبل در تخمین عملکرد محصول زعفران بر اساس پارامترهای اقلیمی (مطالعه موردی: بیرجند)

نوع مقاله: مقاله علمی کوتاه

نویسندگان

1 دانشیار گروه علوم و مهندسی آب دانشگاه بیرجند

2 دانشجوی دکتری مهندسی علوم آب، گروه مهندسی علوم آب،

3 استاد گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه بیرجند، ایران

10.22048/jsat.2020.174803.1338

چکیده

زعفران به عنوان با ارزش‌ترین محصول کشاورزی و دارویی جهان جایگاه ویژه‌ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر، ایران بزرگترین تولید کننده و صادرکننده زعفران در جهان است، به طوری که بیش از 7/93 درصد تولید جهانی این محصول گران‌بها به ایران اختصاص دارد. اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری‌های نوین را به آن اختصاص یافته و تولید آن عمدتاً بر دانش بومی متکی بوده است. پژوهش حاضر با هدف توسعه و ارزیابی کارایی مدل‌های KStar و LWL در محاسبه عملکرد محصول گیاه زعفران بر اساس پارامترهای اقلیمی انجام گرفته است. کالیبراسیون و صحت-سنجی مدل‌ها با استفاده از آمار عملکرد این محصول و عوامل اقلیمی طی سال‌های 2017-1998 صورت پذیرفت. به منظور ارزیابی مدل‌ها از شاخص‌های آماری ضریب تبیین (R2)، میانگین قدر مطلق خطا (MAE)، ریشه متوسط خطای مربعات (RMSE) و نش- ساتکلیف (NSE) استفاده شد. از مدل‌های پیشنهادی، مدل KStar در سناریوی e با 00/1 = R2، 00/0 =MAE ، 00/0 = RMSEو 00/1 = NSE می‌باشند که از دقت مناسبی در تخمین عملکرد گیاه زعفران داشت. این دقت بالای مدل KStar، باعث شده که بتوان به راحتی عملکرد زعفران را در مناطق مختلف زعفران کاری کشور بر اساس داده‌های موجود در ایستگاه‌های مختلف تخمین زد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of the efficiency of Lazy Algorithm in estimating yield of saffron based on climatic parameters

نویسندگان [English]

  • Abbas Khashei Siuki 1
  • fahime khadempour 2
  • Mohammad Ali Behdani 3
1 University of birjand
2 1 Department of Science and Water Engineering, Faculty of Agriculture, Ph.D. Student of water Resource Engineering
3 Department of Agronomy and Plant Breeding, Faculty of Agriculture, professor, University of Birjand, Birjand, Iran.
چکیده [English]

Saffron as the most precise agricultural and pharmaceutical product of the world has as specific place in industrial and export products of Iran. Nowadays, Iran is the largest producer and exporter of saffron in world, as up to 93.7% of production of this valuable commodity belongs to it. Despite the antiquity of saffron cultivation and added value of this product compare to other current crops of Iran, fewer shares of new technologies are dedicated to saffron and its production is mainly based on indigenous knowledge. In this paper, multiple models are conducted in order to evaluate and develop the performance of KStar and LWL to calculate estimate production of yield saffron based on climate parameters. The calibration and evaluation of models are yielded from the statistics of crop yield and climate factors between years 1988–2017. In order to evaluate models, the following statistical criterions are used Coefficient of Determination (R2), Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and Nash- Sutcliffe (NSE). From proposed models, the KStar model is in the e-scenario with an R2 of 1.00, MAE and RMSE of 0.00 and NSE of 1.00, which has a good accuracy in estimating the yield of the saffron plant. This precision of the KStar model has made it easy to estimate the performance of saffron in different areas of the country's saffron based on the data available at different stations

کلیدواژه‌ها [English]

  • LWL
  • KStar
  • Saffron plant
  • Statistical indicators