پیش‌بینی عملکرد زعفران بر اساس خصوصیات خاک به عنوان راهی برای شناسایی زمین‌های مستعد زعفران

زعفران (Crocus sativus L.) یکی از مهم‌ترین محصولات کشاورزی تولید شده در سطح جهان است و فقط در تعداد محدودی از کشورها کشت می‌شود. تعیین بهترین شرایط برای کشت این محصول اهمیت دارد. پیش‌بینی عملکرد زعفران براساس ویژگی‌های خاک می‌تواند به ارزیابی توانایی زمین در کشت این گیاه باارزش کمک کند. برای دستیابی به این هدف، 100 نمونه خاک گرفته شد. ویژگی‌های فیزیکوشیمیایی، مانند بافت خاک، مواد مغذی، اسیدیته خاک، هدایت الکتریکی، ماده آلی و آهک اندازه‌گیری شدند.

پس از برداشت زعفران، وزن تازه گل زعفران به کیلوگرم در هکتار اندازه‌گیری شد. با استفاده از شبکه‌های عصبی مصنوعی و ایجاد مدل‌های مختلف با مجموعه داده‌های متفاوت ویژگی‌های خاک به‌عنوان ورودی و عملکرد زعفران به‌عنوان خروجی، توانایی این شبکه در پیش‌بینی عملکرد زعفران ارزیابی شد.فسفر موجود و ماده آلی بر اساس نتایج و ضریب پیرسون، مؤثرترین عوامل بر عملکرد زعفران هستند. ارزیابی نتایج مدل نشان داد که ضریب متغیر از ۰.۴۵ تا ۰.۸۹ به دست آمده است. بهترین مدل برای برآورد عملکرد زعفران زمانی به‌دست آمد که فسفر، ماده آلی، پتاسیم و هدایت الکتریکی به‌عنوان ورودی استفاده شدند، به‌طوری که مقادیر R2 و ریشه میانگین مربعات خطا (RMSE) به ترتیب ۰.۸۹۱ و ۰.۸۹ کیلوگرم در هکتار حاصل شد.

Saffron (Crocus sativus L.) is one of the most important crops produced globally, and in only a limited number of countries. Determining the best conditions for cultivating this crop is important. Prediction of saffron yield according to soil characteristics can help to evaluate the land’s ability to cultivate this valuable plant. To achieve this objective, 100 soil samples were taken. Physicochemical properties, such as soil texture, nutrients, soil acidity, electrical conductivity, organic matter and lime were measured. After harvesting saffron, fresh weight of the saffron flower was measured in kg ha−1.

Using artificial neural networks and creating different models with different data sets of soil properties as the input and saffron yield as the output, the ability of this network was evaluated in prediction of the saffron yield. Available phosphorus and organic matter based on the results and the Pearson coefficient are the most effective factors on saffron yield. Evaluation of the model results indicated that the coefficient varied was obtained from 0.45 to 0.89. The best model for saffron yield estimation was obtained when phosphorus, organic matter, potassium and electrical conductivity were used as the input, so that values of R2 and root mean square error (RMSE) were obtained at 0.891 and 0.89 kg ha−1, respectively.