مدل فضايي توليد گندم ديم استان كردستان با ريز پهنه‌بندي اقليم كشاورزي

Spatial modeling of rainfed wheat yield using agroclimaticmicrozonation in Kurdistan

گندم محور اصلي اقتصاد استان كردستان است. نوسان سالانه عملكرد گندم ديم استان تحت تاثير عناصر اقليمي محل 4/11 برابر است. در تحقيق حاضر نقش متغيرها و شاخص­هاي آگروكليمايي بر عملكرد گندم در استان كردستان بررسي شد. داده­هاي بازه­ي 31 ساله مربوط به سطح كاشت، توليد، خسارات و عملكرد گندم در 10 منطقه و عناصر اقليمي در مقياس ساعتي، روزانه، دهه­اي، ماهانه فصلي و سالانه مربوط به 22 ايستگاه سينوپتيك گردآوري و همبستگي بين متغير عملكرد گندم و 128 متغير مستقل تعيين شد. اثر متغيرها بر عملكرد گندم با رگرسيون چند متغيره -همزمان و گام به گام- سنجش شد. متغيرها تحليل فضايي شدند و مدل فضايي عملكرد گندم براي استان و شهرستانها معرفي شد. نتايج تحقيق نشان داد عناصر اقليمي با 99 درصد اطمينان پراكنش فضايي متفاوت دارند. بيشتر متغيرهاي مستقل هر كدام منفردا اثر معنادار بر عملكرد گندم دارند، اما در مدل گام به گام 7 متغير و شاخص آگروكليمايي از جمله تعداد روزهاي باراني سال، جمع درجه ساعت دماي كمتر از oC 11- مرحله جوانه زني تا پنجه دهي، ميزان بارندگي ساليانه و مقدار بارش دهه پنجم سال زراعي عوامل تعيين كننده عملكرد گندم ديم هستند. تفاوت مكاني متغيرها و عملكرد حتي در يك تيپ اقليمي معنادار است. ضريب تغييرات عملكرد در مناطق بانه و مريوان كمتر از ساير شهرستان­ها و در بيجار و ديواندره بيش از ساير نقاط استان است. بيشترين ميزان عملكرد در منطقه كامياران بانه و مريوان و كمترين عملكرد در منطقه سنندج و بيجاراست. توليد گندم در منطقه بيجار ريسك بالاتري داشت.

Wheat is the main focus of the economy of Kurdistan province in which the annual fluctuation of wheat yield is 4/11 times as affected by the climatic elements of the site. This study investigated the role of agro-climatic variables and indices on rainfed wheat yield in Kurdistan province. The data of planting area, amount of production, damages and yield of wheat of 31-year in 10 regions of Kurdistan along with the hourly, daily, decade, monthly, seasonal and yearly levels data of 22 synoptic stations were collected. The correlation between wheat yield and 128 independent variables was calculated. The effect of variables on yield evaluated by multivariate regression. The spatial analysis of variables was performed and the spatial model of wheat yield was introduced for province and regions. The results showed that climatic elements in various regions are different, in a 99% confidence. Most of the independent variables alone have a significant effect on wheat yield, but in the stepwise model, 7 variables such as: the number of rainy days of the year, the sum of the degree hours (of temperature less than -11 ° C) in germination and tilling stage, annual precipitation and the precipitation of November are determinants of the yield. Yield and effective independent variables have significant spatial differences even in a cluster climate type. The highest and lowest coefficient of variation of wheat yield is related to Bijar and Kamyaran areas, respectively. Kamyaran and Sanandaj regions have the highest and lowest yield, respectively. Bijar is the highest risk region of the province for wheat production.