پیش‌بینی عملکرد زعفران بر اساس خصوصیات خاک با استفاده از شبکه‌های عصبی مصنوعی به عنوان راهی برای شناسایی زمین‌های مستعد زعفران

زعفران (Crocus sativus L.) یکی از مهم‌ترین محصولات جهانی است که تنها در تعداد محدودی از کشورها تولید می‌شود. تعیین بهترین شرایط برای کشت این محصول اهمیت دارد و پیش‌بینی عملکرد زعفران بر اساس ویژگی‌های خاک می‌تواند به ارزیابی توانایی زمین برای کشت این گیاه با ارزش کمک کند. برای این منظور، 100 نمونه خاک گرفته شد و ویژگی‌های فیزیکی و شیمیایی مانند بافت خاک، مواد مغذی، اسیدیته خاک، هدایت الکتریکی، مواد آلی و آهک اندازه‌گیری شدند.

پس از برداشت زعفران، وزن تازه گل‌های زعفران به کیلوگرم بر 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 قابل دسترسی و ماده آلی بر اساس نتایج و ضریب پیرسون، مؤثرترین عوامل بر عملکرد زعفران هستند. ارزیابی نتایج مدل نشان داد که ضریب متفاوت از 0.45 تا 0.89 به‌دست آمده است. بهترین مدل در برآورد عملکرد زعفران زمانی حاصل شد که فسفر، ماده آلی، پتاسیم و هدایت الکتریکی به‌عنوان ورودی قرار گرفته بودند، به‌طوری‌که مقادیر R2 و خطای ریشه میانگین مربع (RMSE) به ترتیب 0.891 و 0.89 کیلوگرم بر هکتار به‌دست آمد.

Saffron (Crocus sativus L.) is one of the most important global crops produced only in a limited number of countries. Determining the best conditions for cultivating this crop is important and the prediction of saffron yield according to soil characteristics can help to evaluate the land’s ability to cultivate this valuable plant. For this aim, 100 soil samples were taken and physico-chemical 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 the prediction of saffron yield. Available phosphorus and organic matter based on results and the Pearson coefficient are the most effective factors on saffron yield. Evaluation of model results indicated that the coefficient varied was obtained from 0.45 to 0.89. The best model in saffron yield estimation was obtained when phosphorus, organic matter, potassium and electrical conductivity were as the input, so that values of R2 and root mean square error (RMSE) were obtained 0.891 and 0.89 kg.ha−1, respectively.