زراعت و فناوری زعفران

چکیده تخمین دقیق نیاز آبی زعفران برای مدیریت پایدار منابع آب در مناطق کاشت این محصول ضروری است. در این پژوهش، بهینه‌سازی مدل شبکه عصبی مصنوعی (ANN) برای تخمین نیاز آبی زعفران با استفاده از الگوریتم بهینه‌ساز هیبریدی کواتی (COA) بررسی شد. عملکرد مدل ANN-COA با مدل‌های ANN، ANN-GA، ANN-PSO، ANN-MFO، رگرسیون مرتبه دوم (QR)، رگرسیون درختی (TR) و رگرسیون الگویی (Pattern) مقایسه شد. داده‌های ورودی شامل دما (حداقل، حداکثر، متوسط)، سرعت باد، رطوبت نسبی، تابش خالص و روز از سال بود. نتایج نشان داد که در شرایط استفاده از کلیه پارامترهای اقلیمی، مدل ANN-COA با ضریب تعیین 0.995=R2 و خطای میانگین مربعات 0.0001=MSE برای ایستگاه مشهد و 0.973=R2 و 0.0005=MSE برای ایستگاه بیرجند، دقت قابل قبولی در تخمین نیاز آبی زعفران دارد. همچنین در شرایط استفاده از پارامترهای اقلیمی محدود، مدل ANN-COA با ترکیب دمای حداکثر و سرعت باد به همراه روز از سال، بهترین عملکرد را در تخمین نیاز آبی زعفران داشت. بر اساس یافته‌های این پژوهش، مدل‌های شبکه عصبی هیبریدی برای تخمین نیاز آبی زعفران در شرایط استفاده از حداقل پارامترهای اقلیمی، در مقایسه با سایر مدل‌های داده‌کاوی، از دقت بالاتری برخوردار می‌باشند.

چکیده زعفران (Crocus sativus L.) یکی از محبوب‌ترین گیاهان سنتی و گران‌ترین ادویه جهان است. تولید جهانی زعفران 418 تن در سال، در 121338 هکتار برآورد شده است. این ادویه به دلیل داشتن سه ترکیب فعال زیستی اصلی: کروسین، پیکروکروسین و سافرانال برای سلامتی انسان مفید است. در سال‌های اخیر علاوه بر تحقیقات متعدد پیرامون اثرات متعدد دارویی، با توجه به کاهش تولید آن، پژوهش‌ها پیرامون عوامل مؤثر بر تولید زعفران افزایش یافته است. درنتیجه، انجام یک تحلیل بیبلیومتریک از انتشارات مذکور، این پتانسیل را دارد که بینش‌هایی در زمینه‌های مورد علاقه فعلی و روندهای بالقوه برای تحقیقات آینده به دست دهد. هدف از این پژوهش، آشکارسازی موضوعات پژوهشی حوزۀ زعفران در پایگاه WoS طی بازه زمانی 2000 تا 2023 است که با بهره­مندی از فنون علم­سنجی انجام شد. جامعه پژوهش حاضر شامل 3936 مقاله است. تحلیل داده­ها و ترسیم ساختار فکری دانش نیز با استفاده از نرم­افزارهای مجموعه R Biblioshiny و VOSviewer انجام شد. در بین انتشارات دنیا، نشریه Acta Horticulturae با 216 سند منتشرشده در زمینه زعفران محبوب‌ترین بود، درحالی‌که نشریه Chemistry انجمن شیمی امریکا بیشترین استناد را داشت. تجزیه و تحلیل علم‌سنجی، مولدترین کشورها را مشخص کرد و ایران با 1015 انتشارات تک کشوری (SCP)، 155 انتشارات چند کشوری (MCP) و بالاترین فراوانی 297/0 در صدر قرار داشت. بر اساس پژوهش حاضر، موضوعات تحقیقاتی پیرامون زعفران که اخیراً بیش از پیش روند شده و می‌تواند به‌عنوان مبنایی برای تحقیقات نویسندگان قرار گیرد، شامل آنتی‌اکسیدان، آزمایش دوسوکور (پزشکی)، تنش اکسیداتیو، التهاب، دیابت نوع 2، اختلال افسردگی اساسی (ماژور)، آلفا آمیلاز، اسیدهای چرب می‌باشند. این مطالعه پیوند همکاری‌ها و پیشرفت‌های علمی و روندهای همکاری علمی را برجسته می‌کند و به‌عنوان مدلی برای نشان دادن جهت‌های تحقیقاتی نوظهور در حوزۀ زعفران عمل می‌کند.

چکیده بررسی و شناسایی میزان آب واقعی استفاده شده برای محصولات مختلف کشاورزی از اهمیت ویژه­ای برخوردار است و با در نظر گرفتن چنین ارزیابی­هایی می­توان راهکارهای مناسبی جهت کاهش مصرف آب کشاورزی ارائه داد که دارای اهمیت بالایی است. شاخص ردپای آب به عنوان یک شاخص جهانی مقدار واقعی آب مصرفی محصولات را براساس شرایط و اقلیم هر منطقه نشان می­دهد. از طرفی دیگر پدیده تغییر اقلیم از مهم­ترین چالش­های زیست محیطی است که بر منابع آب تأثیر بسزایی دارد. بنابراین ارزیابی این پدیده نیز جهت پیش­بینی تأثیر آن بر مصرف آب در بخش کشاورزی امری مهم و ضروری است. در این تحقیق به شبیه­سازی پارامترهای اقلیمی با استفاده از مدل گزارش ششم گردش عمومی جوی اقیانوسی MIROCES2L تحت سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 در دشت بیرجند پرداخته شده است و سپس با استفاده از نتایج آن محاسبه پیش­بینی ردپای آب آبی و ردپای آب سبز محصول استراتژیک زعفران در منطقه دشت بیرجند انجام شد. نتایج بخش اول نشان داد که حداقل دما و حداکثر دما در هر سه سناریو در آینده نزدیک (2022-2050) به طور کلی افزایش یافته است و پارامتر بارش در پاییز و زمستان افزایش و در بهار و تابستان کاهش می‌یابد. در بخش دوم نیز پیش­بینی عملکرد محصول زعفران توسط مدل NIO نشان داد که تحت سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 در آینده نزدیک (2038-2022) به طور میانگین به ترتیب به میزان 13/0، 21/0 و 05/0 کیلوگرم بر هکتار نسبت به دوره مشاهداتی (2021-2005) کاهش یافته است و در ادامه نتایج نشان داد با افزایش نیاز آبی در دوره آینده، ردپای آب آبی، ردپای آب سبز و ردپای آب کل محصول زعفران تحت تأثیر تغییر اقلیم در دوره آینده تقریبا به میزان 2 برابر نسبت به دوره مشاهداتی افزایش داشته است. هم­چنین نسبت مصرف آب آبی به آب سبز در این محصول در آینده تحت هر سه سناریو نسبت به دوره مشاهداتی از 91/1 تا 04/2 افزایش یافته است. بنابراین با وجود پدیده تغییر اقلیم، افزایش دما، افزایش نیاز آبی و در نهایت افزایش ردپای مصرف آب در منابع آب سطحی و زیرزمینی در دشت بیرجند در طی سال­های آینده، ضروری است تا برای پیاده­سازی الگوی مناسب مصارف آبی در دشت و به کار گرفتن راهکارهای مناسب و مؤثر جهت کاهش ردپای آب در منطقه مطالعاتی نیز روش­هایی مبنی بر کاهش سطح زیرکشت، کم آبیاری، تغییر الگوی کشت و تغییر تقویم زراعی نیز مطرح و اجرایی شوند.

چکیده مدل‌سازی گروهی به‌عنوان یک مقوله نوظهور در بسیاری از رشته‌های مهندسی به‌خصوص زمینه‌های مختلف مهندسی آب در حال گسترش است. تخمین دقیق نیاز آبی زعفران به عنوان محصول راهبردی شرق کشور یکی از مهم‌ترین اقدامات تأثیرگذار در برنامه‌ریزی منابع آب منطقه خواهد بود. از این‌رو، این پژوهش اقدام به بررسی عملکرد مدل‌سازی گروهی در بهبود مدل‌سازی نیاز آبی زعفران در منطقه بیرجندِ استان خراسان جنوبی کرد. داده‌های واقعی نیاز آبی زعفران در سال دوم کشت در گام نخست در محل آزمایشگاه لایسی‌متری دانشگاه بیرجند جمع‌آوری شد. مدل‌سازی نیاز آبی زعفران با استفاده از داده‌های اقلیمی و نیاز آبی زعفران در بستر ماشین یادگیری درخت تصمیم انجام شد. همچنین، از دو روش Boosting و Bagging جهت ارتقای نتایج مدل درخت تصمیم استفاده شد. به‌منظور کمی کردن اثر مدل‌سازی گروهی آزمون‌های مقایسه‌ای متعددی نظیر شاخص‌های ارزیابی (RMSE و MAE)، مقایسه توزیع پراکنش داده‌ها (تحلیل وایولین Violin assessment)، ارزیابی کم/بیش تخمینی، مقایسه سری زمانی و تحلیل بهبود خطا استفاده شد. نتایج نشان داد که علی‌رغم دقت و کارایی نسبی مدل درخت تصمیم در شبیه‌سازی نیاز آبی زعفران، امکان بهبود نتایج همچنان وجود دارد. همچنین، نتایج اثبات کرد که مدل‌سازی گروهی ظرفیت بالقوه‌ی خوبی در زمینه ارتقای نتایج دارد. به‌طوری‌که یادگیری گروهی بانظارت (Boosting) دقت مدل درخت تصمیم را بیش از 30 درصد بهبود بخشید (کاهش قدر مطلق خطا از 36 میلی‌متر به 65/23 میلی‌متر) و این موضوع عامل کاهش RMSE را از 44/0 میلی‌متر به 07/0 میلی‌متر شد. علاوه‌بر این، نتایج آزمون‌های مقایسه‌ای تأیید کرد که خروجی تولید شده توسط روش Boosting از کیفیت بسیار بهتری نسبت به خروجی مدل درخت تصمیم و روش Bagging برخوردار است.

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 خود اختصاص داده 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 صحت­سنجی 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.

چکیده تغییرات اقلیمی و پدیده‌هایی از جمله خشکسالی در میزان عملکرد محصولات کشاورزی موثر هستند. یکی از راهکارهای مقابله با این پدیده‌ها، جایگزینی مدیریت ریسک به جای مدیریت بحران است، به­طوری­که با ارزیابی ریسک، قبل از وقوع بحران، میزان خسارت‌ها به حداقل می‌رسد. در این پژوهش نیز در جهت کاهش خسارت‌های ناشی از خشکسالی به­عنوان پدیده‌ای طبیعی و غیر قابل کنترل، بر روی محصول زعفران، به ارزیابی ریسک خشکسالی با استفاده از روش شبیه‌سازی مونت­کارلو پرداخته شد. شاخص خشکسالی بارش استاندارد شده (SPI) ماهانه و میانگین دمای ماهانه به عنوان متغیرهای مستقل در تابع توزیع عملکرد محاسبه می‌شود. با کمک روش فراابتکاری شبکه عصبی مصنوعی (ANN)، ارتباط بین متغیرهای مستقل (دما و SPI) و متغیر وابسته (عملکرد محصول زعفران) برقرار می‌شود. سپس داده‌‌ی تصادفی از متغیرهای مستقل ساخته می‌شود و با شبکه عصبی مصنوعی آموزش یافته، 2000 عملکرد شبیه‌سازی شده تولید می‌گردد. انتخاب یک ایستگاه مرجع و با استفاده از توزیع تجمعی به دست آمده، عامل ریسک محاسبه شد و با رسم نمودار عامل ریسک-عملکرد استاندارد، ریسک نسبی ایستگاه‌های مورد مطالعه بررسی شده است. نتایج به­دست آمده از این پژوهش نشان داد که بیشترین سال‌های مورد مطالعه در محدوده نرمال قراردارند و فراوانی خشکسالی در چهار ایستگاه خراسان جنوبی دو برابر ایستگاه‌های مورد مطالعه در خراسان رضوی می‌باشد. همین­طور شبکه عصبی مصنوعی با ضریب همبستگی 85/0 توانست به خوبی عملکرد را پیش‌بینی نماید. در پایان بر اساس نتایج به­دست آمده از نمودار ریسک-عملکرد استاندارد، ایستگاه‌های قاین، بیشترین و نهبندان کمترین ریسک نسبی نسبت به ایستگاه مرجع (تربت­حیدریه) را  داشتند.

چکیده زعفران (Crocus sativus L.) گیاهی نیمه گرمسیری و گران‌بها است که توسط بنه تکثیر می‌شود. با توجه به اهمیت وزن بنه در عملکرد زعفران، بررسی اثر عوامل مختلف ازجمله تنش آبی بربنه اهمیت می‌یابد. بدین منظور تحقیقی به‌صورت فاکتوریل و در قالب طرح کاملاً تصادفی طی سال‌های‌ 1394-1392 در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه بیرجند انجام شد. تیمار زئولیت در چهار سطح (Z0: صفر، Z1: 5/0، Z2: 1 و Z3: 2 درصد وزنی) و تیمار آبیاری در سه سطح (I1: آبیاری سنتی، I2: آبیاری با تخلیه 70 درصد رطوبتی و I3: آبیاری کامل) در سه تکرار در نظر گرفته‌شدند. نتایج نشان‌داد که سطح مصرف زئولیت اثر معنی‌داری بر متوسط وزن بنه، تعداد بنه با وزن کمتر از 2 گرم، تعداد بنه با وزن بین 6 تا 8 گرم و تعداد بنه خواهری داشت (P≤0.01). مدیریت آبیاری نیز اثر معنی‌داری بر متوسط وزن بنه (P≤0.01)، تعداد بنه با وزن بین 6 تا 8 گرم و تعداد بنه خواهری داشت (P≤0.05). وزن بنه در تیمارهای بدون کاربرد زئولیت (Z0I1، Z0I2 و Z0I3) نسبت به Z3I3 کاهش معنی‌داری داشتند (P≤0.05). همچنین تیمارهای Z3I3، Z3I2 و Z1I3 بیشترین و تیمارهای Z0I1 و Z0I2 کمترین تعداد بنه‌های خواهری را داشتند. با در نظر گرفتن کاهش مصرف زئولیت و آب آبیاری، تیمار Z2I1 را می‌توان به‌عنوان مناسب‌ترین تیمار پیشنهاد کرد به‌طوری‌که وزن بنه را نسبت به تیمارهای Z0I1، Z0I2 و Z0I3 به ترتیب 64/26، 88/23 و 81/17 درصد افزایش داد.