برآورد مدل عملكرد محصولات اساسي بر پايه شاخص سطح مكانيزاسيون كشاورزي در ايران

Modeling of yield estimation for the main crops in Iran based on mechanization index

مكانيزاسيون يكي از راه‌هاي گذر از كشاورزي سنتي به كشاورزي پايدار است. مواجه شدن با منابع محدود در توليد و نهاده‌ها و همچنين افزايش روز افزون جمعيت از طرفي ديگر، جايگاه مكانيزاسيون را بيش از پيش در توسعه امنيت غذايي كشور نشان مي‌دهد. بنابراين مي‌بايست با ديدي وسيع و فراتر از يك نهاده به مكانيزاسيون نگريست چرا كه به كمك آن مي‌توان ضمن مديريت نهاده‌هاي بذر، كود و سم و حتي مديريت آب و خاك اقدام به توليد پايدار و اقتصادي نمود. در اين مطالعه كه در سطح استان‌هاي ايران صورت پذيرفته است ابتدا موجودي تراكتورهاي زراعي و كمباين‌هاي برداشت غلات كشور از طريق توزيع پرسش‌نامه در بين اداره امور فناوري‌هاي مكانيزه سازمان‌هاي جهاد كشاورزي سراسر كشور و به-‌صورت سرشماري جمع‌آوري گرديد. سپس تراكتورها در چهار رده تواني كمتر از 45، 45 تا 80، 80 تا 110 و بيش از 110 اسب بخار و همچنين كمباين‌هاي برداشت غلات در سه رده تواني، 100 تا 110، 110 تا 155 و 155 تا 210 اسب بخار تقسيم‌بندي گرديد. عمر نيرو محركه‌ها نيز در سه رده سني تا 13 سال، 13 تا 20 سال و بيش از 20 سال در نظر گرفته شد. فاكتورهايي نظير سطح زير كشت، ميزان توليد و عملكرد محصولات اساسي نيز از آمارنامه‌هاي وزارت جهاد كشاورزي به‌دست آمد و سپس اقدام به محاسبه شاخص سطح مكانيزاسيون كشاورزي (اسب بخار بر هكتار)30 استان گرديد. سپس 4 محصول عمده و اساسي گندم آبي، گندم ديم، جو آبي و جو ديم كه داراي شرايط لازم براي ورود به مدل بودند، مورد بررسي و تجزيه و تحليل‌هاي آماري قرار گرفتند. جهت دستيابي به يك مدل كارا براي برقراري ارتباط ميان عملكرد محصول با شاخص سطح مكانيزاسيون كشاورزي، آناليز همبستگي انجام پذيرفت. ضريب همبستگي پيرسون نشان داد كه بين اين دو متغير همبستگي مستقيم و معني‌‌داري وجود دارد. در ادامه به ‌منظور دستيابي به يك مدلي كه داراي توانمندي لازم براي پيش‌بيني عملكرد از طريق شاخص سطح مكانيزاسيون باشد، از طريق نمودار پراكنش و برآورد خطوط رگرسيون در سطح احتمال يك درصد، نقاط داده‌هاي پرت و دورافتاده شناسايي و پس از حذف آن‌ها، مدل كارا براي چهار محصول عمده ايران با ضريب تعيين قابل قبول 851/0 تدوين گرديد.

Agricultural mechanization is a method for transiting from traditional agriculture towards industrial and sustainable one. Due to the limitation of natural resources and increasing population we need to have economical production of agricultural crops. For reaching this destination; agricultural mechanization has a remarkable role. So it is necessary to have an extensive view for mechanization, because with the help of mechanization the agricultural inputs such as seeds, fertilizer and even water and soil can effectively be managed for an economical and sustainable production. This study has been carried out in many provinces of Iran. The data of agricultural tractors and cereal combine harvesters were firstly gathered by means of questionnaire. The tractors were categorized in four power levels of less than 45, 45 to 80, 80 to 110, and more than 110 hp. In addition, it was also carried out for cereal combine harvesters; it was in three power levels, i.e. between 100 to 110, 110 to 155 and 155 to 210 horse-power in 3 ages, i.e. less than 13, between 13 to 20, and more than 20 years. Information regarding to cultivation areas, production volume, and yield of main crops gathered from statistics of Ministry of Jihad-e-Agriculture. Then agriculture mechanization level index (hp ha-1) in each province was calculated. Four main crops including irrigated and rain-fed wheat and irrigated and rain-fed barley, which met the required criteria to be used in the model, were statistically analyzed. Correlation analysis was carried out in order to get an effective model between yield of the four main crops in Iran and agriculture mechanization level index. Pearson correlation index showed that there is a direct and significant correlation between these variables. Subsequently, outliers were identified in order to get a model with necessary efficiency to predict the yield through mechanization level index, by scatter diagram and estimating regression lines in 1% probability level. The effective model was estimated with acceptable coefficient of determination 0.851, after removing outliers.