خلاصة:
تغییرات پارامترهای اقلیمی، رشد و نمو محصولات و تولید آنها در شرایط دیم را تحت تاثیر قرار می‌دهد بنابراین، شناخت پارامترهای موثر مدیریت آنها، منجر به بهبود شرایط تولید و پیش‌بینی تولید خواهد شد. بر این اساس 25 پارامتر آمار هواشناسی دسته‌‌بندی شده همراه با آمار زراعی عملکرد گندم دیم در شهرستانهای کوهدشت و پلدختر به عنوان نمونه مناطق گرم استان لرستان برای سال‌‌های زراعی 85-1377 برای تخمین توابع تولید اقلیمی مورد ارزیابی قرار گرفت. رابطه هر یک از عوامل آب و هوایی به عنوان متغیر مستقل با عملکرد دانه گندم دیم به عنوان تابع از طریق رگرسیون‌های خطی و غیر خطی تعیین و در تخمین تابع تولید اقلیمی استفاده گردید. تجزیه علیت، ضریب همبستگی را به دو بخش اثرات مستقیم و غیر مستقیم تفکیک کرد. نتایج نشان داد که آنچه که در توابع تولید شهرستانهای مناطق گرم استان و هم در مدل جامع قابل دریافت است نقش ساعات آفتابی است. مدل‌های محلی نیاز به داده‌‌‌‌های ورودی کم‌تری دارند ولی مدل منطقه‌‌‌ای نیازمند داده‌‌‌‌های اقلیمی بیشتری است (Tmin, n, PWimter, PStart, PEnd, Tmin-abs, PAban, PAzar, PDay, PFar., POrd., Tmax-far.) و دقت برآورد آن نیز بیشتر است. با تعیین میزان شاخص بهرهوری بارش در این شهرستان‌‌‌‌ها طی 8 سال زراعی مشخص شده است که بیش‌ترین، کم‌ترین و میانگین بهرهوری بارش به ترتیب 411/0، 142/0 و 269/0 کیلوگرم بر متر مکعب بارش است که میانگین آن حدود 8 درصد از میانگین کشوری (292/0 کیلوگرم بر متر مکعب بارش) کم‌تر است. نتایج نشان داد که توابع تولید اقلیمی ابزار مناسبی برای پیش‌بینی عملکرد گندم دیم بوده و می‌تواند به مدیران و کشاورزی در فرآیند تصمیم‌گیری برای انجام فعالیت‌های زراعی دیم تحت شرایط تغییر پارامترهای اقلیمی کمک نماید.
Crop growth and production at rainfed systems is related to climate parameters changes. Climate parameters changes influenced Crop growth and its production at rainfed systems. Assessing the effective parameters and planning for their managing and or arranging agronomic activity with those trend changes, which result to improving production baseline and prediction for future. Precipitation and temperature are more important climate factors, which influence crop growth and production. Assessment the components of these factors, lead to improving grain yield and rain water productivity.
2- Methodology
In order to estimation of climate-yield production functions, analyzed eight crop seasons data (1998-2006) of 25 climate parameters and rainfed wheat grain yields of two warm regions of Lorestan province including Kohdasht and Poldokhtar. By path analysis method separated correlation coefficient to direct and indirect effects. Statistical indicators such as mean absolute error, maximum absolute error, root mean square error, index of agreement and efficiency were used for evaluation climate models. Relationship between precipitation – yield and precipitation – water productivity, determined for this area.
3– Discussion
Results showed that in local and common models of production functions, the role of sunshine is very important. Sunshine influenced relative humidity and air temperature, and then affected on yield and rain water productivity. The local models necessary small input data but common model need more input data (Tmin, n, PWimter, PStart, PEnd, Tmin-abs, PAban, PAzar, PDay, PFar, POrd, Tmax-far.). Statistical indicators amounts, showed that, the climate models were suitable to yield predict at these regions. Rain water productivity of all regions determined for eight crop seasons, and amounts of maximum, minimum and average of rain water productivity were 0.411, 0.142 and 0.269 kg per cubic precipitation, which its average was 8 percent lower than national average (0.292 kg.m-3).
4– Conclusion
We conducted the climate-yield models are useful tools to predict rainfed wheat yield and so to assist managers and farmers for making decisions in rainfed agronomic activity under climate parameters changes.
Key words: Rain water productivity, climate model, Path analysis, sunshine, Climate parameters
(
, 
, 
)
