فصل 9 – پیشرفت در مدل‌سازی رشد و توسعه زعفران در مقیاس‌های مختلف

از اوایل دهه 1970، مدل‌های ریاضی به‌طور گسترده‌ای در مقیاس‌های فضایی و زمانی مختلف برای درک جنبه‌های متنوع رشد و توسعه محصولات زراعی استفاده شده‌اند. با این حال، این مدل‌ها عمدتاً برای گونه‌های اصلی محصولات توسعه یافته‌اند و کاربرد روش‌های مدل‌سازی برای محصولات محلی نادیده گرفته شده است. بدون شک، مدل‌های ریاضی برای محصولات کمتر استفاده شده مانند زعفران باید توسط دانشمندان کشورهای تولید کننده توسعه یابند. ایران به عنوان اولین تولید کننده زعفران در جهان نقش پیشگامانه‌ای در تحقیق علمی بر روی این گونه منحصر به فرد ایفا می‌کند و علی‌رغم کمبود داده‌های خاک، اقلیمی و محصول، تلاش‌های محلی برای توسعه مدل‌های ریاضی برای زعفران انجام شده است.

این فصل نگاهی به این تلاش‌های مدل‌سازی دارد، که با مدل‌های کشاورزی-آب و هوایی و شبکه‌های عصبی مصنوعی به عنوان ابزارهای پیش‌بینی عملکرد آغاز می‌شود و سپس مدل‌سازی سطح پاسخ برای اهداف بهینه‌سازی و مدل‌های دینامیکی برای شبیه‌سازی رشد و توسعه زعفران را دنبال می‌کند.علاوه بر این، برخی از کاربردهای مدل‌ها در مقیاس‌های محلی و منطقه‌ای مورد بحث قرار گرفته است.

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.