“ارزیابی کارایی الگوریتم تنبل در تخمین عملکرد محصول زعفران بر اساس پارامترهای اقلیمی (مطالعه موردی: بیرجند) “

زعفران به عنوان با ارزش­ترین محصول کشاورزی و دارویی جهان جایگاه ویژه­ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر، ایران بزرگترین تولید کننده و صادرکننده زعفران در جهان است، به طوری که بیش از 7/93 درصد تولید جهانی این محصول گران­بها به ایران اختصاص دارد. اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری­های نوین را به خود اختصاص داده و تولید آن عمدتا بر دانش بومی متکی بوده است.

پژوهش حاضر با هدف توسعه و ارزیابی کارایی مدل­های KStar و LWL در محاسبه عملکرد محصول گیاه زعفران بر اساس پارامترهای اقلیمی انجام گرفته است. کالیبراسیون و صحت­سنجی مدل­ها با استفاده از آمار عملکرد این محصول و عوامل اقلیمی طی سال­های 2017-1998 صورت پذیرفت. به منظور ارزیابی مدل­ها از شاخص­های آماری ضریب تبیین (R2)، میانگین قدر مطلق خطا (MAE)، ریشه متوسط خطای مربعات (RMSE) و نش- ساتکلیف (NSE) استفاده شد.

از مدل­های پیشنهادی، مدل KStar در سناریوی e با 00/1 = R2، 00/0 =MAE ، 00/0 = RMSEو 00/1 = NSE می­باشند که از دقت مناسبی در تخمین عملکرد گیاه زعفران داشت. این دقت بالای مدل KStar، باعث شده که بتوان به راحتی عملکرد زعفران را در مناطق مختلف زعفران کاری کشور بر اساس داده­های موجود در ایستگاه­های مختلف تخمین زد.

Saffron, as the most valuable agricultural and medicinal product in the world, holds a special place among Iran’s industrial and export products. Currently, Iran is the largest producer and exporter of saffron globally, accounting for over 93.7% of the world’s production of this precious product. However, despite the long history of saffron cultivation and its high added value compared to many common crops in the country, it has received a smaller share of modern technologies, and its production has largely relied on indigenous knowledge.

The present study aims to develop and evaluate the efficiency of the KStar and LWL models in predicting saffron crop yield based on climatic parameters. Calibration and validation of the models were carried out using the crop yield data and climatic factors from 1998 to 2017. To assess the models, statistical indicators such as the coefficient of determination (R²), mean absolute error (MAE), root mean square error (RMSE), and Nash-Sutcliffe efficiency (NSE) were used.

Among the proposed models, the KStar model in scenario e demonstrated values of R² = 1.00, MAE = 0.00, RMSE = 0.00, and NSE = 1.00, indicating a suitable accuracy in yield estimation.This high accuracy of the KStar model has made it possible to easily estimate the performance of saffron in different saffron cultivation areas of the country based on data from various stations.