تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

پیش‌بینی تغییرات قلمروی کشت ارقام خرمای استعمران و برحی در ایران در قرن بیست و یکم

نویسندگان
سیده مریم افضلی 1
جواد خوشحال دستجردی 2
عزیز تراهی 3
1 دانشجوی دکتری آب و هواشناسی کشاورزی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران
2 دانشیار آّب و هواشناسی،دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران
3 عضو هیئت‌علمی پژوهشکده خرما و میوه‌های گرمسیری، اهواز، ایران
10.61186/jgs.23.70.231
چکیده
خرما یکی از پراهمیت‌ترین محصولات کشاورزی صادراتی کشور ایران می‌باشد. این گیاه به شرایط محیطی حساس است و در تمامی مناطق گرم و خشک قادر به باردهی ازلحاظ کمی و کیفی نیست. هر یک از ارقام خرما توانایی تطبیق با منطقه‌ای از مناطق خشک را دارد و می‌تواند در محل مناسب خود بیشترین بازده اقتصادی را داشته باشد. گرمایش جهانی در قرن اخیر باعث شده است که برنامه ریزان برای آگاهی از شرایط اقلیمی آتی و انتخاب گیاهان پایای با عمر طویل که بتواند در شرایط محیطی آینده قادر به ادامه حیات بوده و بازدهی اقتصادی خوبی داشته باشد، برنامه‌ها و الگوریتم‌های پیش‌آگاهی را طراحی نمایند. یکی از بهترین این‌ها، مدل حداکثر آنتروپی است. هدف تحقیق حاضر، استعدادیابی رشد ارقام خرمای استعمران و برحی با استفاده از مدل CCSM4 و سناریوهای 6/2، 5/4، 0/6 و 5/8 است. در تحقیق حاضر از داده‌های سایت وردکلایمدر دوره کنونی، سال 2050 و 2070 برای پیش‌بینی در الگوریتم فوق استفاده شد. داده‌های فنولوژیک ارقام به روش میدانی در سال‌های 1395 و 1396 برداشت شد. نتایج نشان داد که ارقام مذکور ازنظر طول دوره رشد فنولوژیک متفاوت بوده و مکان‌های مستعد برای رشد آن‌ها نیز در طول دوره‌های 2050 و 2070 بر اساس مدل یکسان نیستند. علاوه براین مشخص شد که برای امور کاربردی در کشت گیاهان پایا با عمر طولانی، علاوه بر متغیرهای زیست‌اقلیمی باید از داده‌های فرین محل موردنظر برای کشت بهره گرفت تا بتوان ارقام مختلف و کاملاً سازگار با محیط را به کاربران معرفی نمود.



2. WorldClim
کلیدواژه‌ها
: مطلوبیت قلمرو کشت
آنتروپی حداکثر (MAXENT)
خرمای استعمران
خرمای برحی
ایران

عنوان مقاله English

Predicting Changes of the Cultivation Areas for Astamaran and Berhi Cultivars in Iran in the 21st Century

نویسندگان English

Maryam Afzali 1
javad khoshhal dastjerdi 2
Aziz Torahi 3
1 Ph. D student of Agricultural Climatology, Isfahan, Iran
2 Associate professor of Climatology, Isfahan,Iran
3 Scientific staff member of Date palm and Tropical Fruit Research Center , ahwaz, Iran
چکیده English

Dates are one of the most important agricultural products exported from Iran. This plant is sensitive to environmental conditions and is not able to live and reproduce in all hot and dry areas in terms of quantity and quality. Dates have different varieties; each of them has the potential to adapt to a region of arid regions and can have the most production and economic yield in its proper place. Global warming in the last century has led planners to design pre-awareness programs and algorithms due to future climatic conditions in order to choose long-lived durable plants that can survive in future environmental conditions and have good economic yield. One of the best is the Maximum Entropy model. The aim of the present study is to identify the growth potentials of dates palm verities using CCSM4 model and scenarios of 2.6, 4.5, 0.6 and 8.5. The phonological data of cultivars were harvested by field method in 2016 and 2017. According to the model, The results showed that the dates of Astamaran and Berhi dates are different in terms of the length of phonological growth and thermal needs until the fruit ripened, and the places prone to their growth during the 2050 and 2070 periods were not the same based on the model. In addition, to bioclimatic variables for the long-term use of long-lived perennial crops, the location data required for cultivation should be used to introduce different cultivars to the environment.

کلیدواژه‌ها English

Desirability of cultivating territory
Maximum entropy model
Astamaran date
Berhi date
Iran
Allbed, A., Kumar, L., Shabani, F., (2017). Climate change impacts on date palm cultivation in Saudi Arabia. The Journal of Agricultural Science, 155(8), 1203-1218.
Chao, C. T., Krueger, R. R., (2007). The date palm (Phoenix dactylifera L.): Overview of biology, uses, and cultivation. HortScience, 42(5), 1077-1082.
Esfanjani, J., Ghorbani, A and Zare Chahouki,M., (2018). MaxEnt Modeling for Predicting Impacts of Environmental Factors on the Potential Distribution of Artemisia aucheri and Bromus tomentellus-Festuca in Iran. Journal of Environmental Studies. 27(3) 1041-1047..
Ma, B and Sun, J., (2018). Predicting the distribution of stipe purpurea across the Tietan Plateau via the MaxEnt model. BMC Ecology. 18(1),10.
Phillips, S. J., (2010). Species’ distribution modeling for conservation educators and practitioners. Exercise. American Museum of Natural History. Lessons in Conservation.‌
Phillips, S.J., M. Dudik & R.E. Schapire.,( 2004). A maximum entropy approach to species distribution modelling. Proceeding of the 21st International Conference on Machine Learning,ACMPress, New York. pp. 655-662.
Qin Z., Zhang J.E., Tommaso A.D., Wang R.L., Wu R.S., (2015). Predicting invasions of wedelia triloata (L.) Hitchc eith Maxent and GARP models. Journal of Plant Research, 128: 763-755.
Qin, A and Pei, S., (2017). Maxent modeling for predicting impacts of climate change on the potential distribution of Thuja sutchuenensis Franch., an extremely endangered conifer from southwestern China. Global Ecology and Conservation. 10,139 -146.
Shabani F, Kumar L, Ahmadi M.,(2017). Climate modelling shows increased risk to eucalyptus sideroxylon on the Eastern Coast of Australia compared to eucalyptus albens. Plants 6(58), 2- 4.
Shabani, F and Kotey, B., (2015). Future distribution of cotton and Wheat in Australia under potential climate change. The journal of Agriculture Science. 154(2), 175-185.
Shabani, F., Kumar, L., & Taylor, S., (2014). Suitable regions for date palm cultivation in Iran are predicted to increase substantially under future climate change scenarios. The Journal of Agricultural Science, 152(04), 543-557.
Van Vuuren D.P., Edmonds J. and Kainuma M. et al., (2011). The representative concentration pathways: an overview. Journal of Climatic Change, 109:5–31.
Walsh, B., (2000). Resampling methods: randomization test, Jackknife and Bootstrap Estimators. Lecture Notes.‌
Zaid, A. and Wet, P. F., (2003). Date Palm Cultivation. Food and Agriculture Organization.
Zaniewski, A.E., Lehmann, A. and Overton, J.M., (2002). Predicting spices spatial distribution using presence- only data: a case study of native New Zealand ferns. Ecological Modelling, 157(2), 261-280.