“فصل ۹: پیشرفت‌ها در مدل‌سازی رشد و توسعه زعفران “

از اوایل دهه 1970، مدل‌های ریاضی به طور گسترده‌ای در مقیاس‌های فضایی و زمانی مختلف برای کسب اطلاعات در مورد جنبه‌های مختلف رشد و توسعه محصولات کشاورزی مورد استفاده قرار گرفته‌اند. با این حال، این مدل‌ها عمدتاً برای گونه‌های اصلی محصولات کشاورزی توسعه یافته‌اند و استفاده از روش‌های مدل‌سازی برای محصولات محلی نادیده گرفته شده است.

بدون شک، مدل‌های ریاضی برای محصولات کم‌استفاده مانند زعفران باید توسط دانشمندان کشورهای تولیدکننده توسعه یابند.ایران به عنوان نخستین تولیدکننده زعفران در جهان، نقش پیشگامانه‌ای در پژوهش‌های علمی بر روی این گونه منحصر به فرد ایفا می‌کند و علیرغم کمبود داده‌های خاک، آب و هوایی و کشت، تلاش‌های محلی برای توسعه مدل‌های ریاضی برای زعفران انجام شده است.

این فصل مروری بر این تلاش‌های مدل‌سازی ارائه می‌دهد، که با مدل‌هایCrop-weather و شبکه‌های عصبی مصنوعی به عنوان ابزارهای پیش‌بینی عملکرد آغاز می‌شود و سپس مدل‌سازی سطح پاسخ برای اهداف بهینه‌سازی و مدل‌های دینامیک برای شبیه‌سازی رشد و توسعه زعفران ادامه می‌یابد. علاوه بر این، برخی از کاربردهای این مدل‌ها در مقیاس‌های محلی و منطقه‌ای مورد بحث قرار می‌گیرند.

Since the early 1970s, mathematical models have been widely used at different spatial and temporal scales to gain insight into many diverse aspects of crop growth and development. However, these models were chiefly developed for main crop species and the application of modeling approaches for local crops has been overlooked.

Undoubtedly mathematical models for underutilized crops such as saffron should be developed by scientists of the producing countries. Iran as the world’s first saffron producer plays a pioneering role in scientific research on this unique species and despite lack of soil, climatic and crop data, local attempts at development of mathematical models for saffron have been undertaken.

This chapter provides an overview of these modeling efforts, starting with crop-weather models and artificial neural networks as the yield prediction tools followed by response surface modeling for optimization purposes, and dynamic models for simulation of saffron growth and development. Furthermore, some applications of the models at local and regional scales are discussed.