پيش بِينی ميزان بارندگی شهرستان شوشتر و حومه با توجه به تاب آوری تولیدات کشاورزی جهت مديريت تنش آبی از طريق مدل SARIMA

محورهای موضوعی : علوم آب

سید احسان ظهوری ¹ , احسان دریکوند ² , هادی چم حیدر ³

1 - استادیار گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران.‏
2 - استادیار گروه مهندسی آب، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران.‏
3 - استادیار گروه علوم خاک، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران.‏

تاریخ دریافت : 1404/07/15 تاریخ پذیرش : 1404/08/21 تاریخ انتشار : 1404/09/05

کلید واژه: پیش بینی, تنش آبی, محصول, مدیریت.,

چکیده مقاله :

پیش‌بینی دقیق بارش جهت ارتقای تاب‌آوری کشاورزی در مناطق خشک امری حیاتی محسوب میگردد. این مطالعه با هدف پیش‌بینی بارش ماهانه شهرستان شوشتر و حومه در استان خوزستان، انجام گرفته است. پس از تأیید پایایی داده‌های سری زمانی از فروردین­ماه ۱۳۹۸ تا آذرماه ۱۴۰۴، مدل ₁₂(1و0و1) (1و0و1)SARIMA​ با ضریب تعیین تعدیل‌شده 65/0 انتخاب شد. پیش‌بینی ۱۲ ماهه نشان‌دهنده تمرکز بارش در زمستان و پدیده فصل خشک در تابستان است. براساس سناریوی خشکسالی 3/165میلی‌متر، محصولات پرآبی نظیر نیشکر و برنج در معرض تهدیدند. لذا اصلاح الگوی کشت، نوسازی آبیاری، تغذیه متعادل با کودهای آلی و پتاس بالا، مالچ‌پاشی و پایش EC  خاک جهت مقابله با تنش‌های آبی و شوری الزامی است. این اقدامات در کنار انتخاب زمان مناسب کاشت، نقشی کلیدی در حفظ عملکرد محصول در شرایط بحرانی دارد.

چکیده انگلیسی:

Accurate precipitation forecasting is vital for enhancing agricultural resilience in arid regions. This study aims to predict monthly rainfall for Shoushtar and its suburbs in Khuzestan province. After confirming the stationarity of time-series data from March 2019 to December 2025, the SARIMA(1,0,1)(1,0,1)₁₂​ model was selected with an adjusted R² of 0.65. The 12-month forecast indicates rainfall concentration in winter and a distinct dry season in summer. Based on a drought scenario of 165.3 mm, high-water-demand crops like sugarcane and rice are significantly threatened. Therefore, implementing crop pattern modifications, modern irrigation, and balanced fertilization with organic and high-potassium fertilizers, mulching, and EC monitoring is essential to mitigate water stress and salinity. These measures, alongside optimal planting scheduling, play a key role in maintaining yields during critical periods.

                                       

منابع و مأخذ:

[1] Khatibu, S., & Ngowi, E. (2025). Agro-meteorological services in the era of climate change: a bibliometric review of research trends, knowledge gaps, and global collaboration. Frontiers in Climate, 7, Article 1576058. pp. 1–15
[2] شریفی، ف.، و کاظمی، ر. (۱۴۰۲). بحرانی شدن منابع آب، مروری بر عوامل، پیامدها و راهکارها. تهران: سازمان تحقیقات، آموزش و ترویج کشاورزی، پژوهشکده حفاظت خاک و آبخیزداری. ص. ۴
[3] بذرافشان، ج.، خلیلی، ع.، زند پارسا، ش.، سپاس¬خواه، ع.، علیزاده، ا.، و فرهودی، ج. (۱۴۰۰). بررسی اسنادی وضعیت منابع و مصرف آب‌های کشاورزی در ایران: واکاوی وضعیت موجود، آسیب‌شناسی و راه‌های برون‌رفت از چالش‌ها. پژوهش‌های آبخیزداری (مدیریت منابع آب و خاک)، ۳۱(۱)، ۳۵-۵۰
[4] سازمان تحقیقات، آموزش و ترویج کشاورزی (۱۴۰۴). بحران مدیریت آب در مزارع خوزستان/ کاهش شدید بهره‌وری محصولات در صورت تداوم روش‌های ناکارآمد آبیاری. [گزارش]. بازیابی شده از سایت اینترنتی: www.https://areeo.ac.ir/fa/news/2311/ کشاورزی-خوزستان-در-جدال-با-بحران-کم-آبی (اشاره به بحران مدیریت و کاهش بهره‌وری آب، 19 مهرماه 1404)
[5] عبداله¬نژاد، ک.(1394). مدل‌های تصادفی سری زمانی در پیش‌بینی بارندگی ماهانه. مطالعه موردی: ایستگاه هاشم‌آباد گرگان. مجله آمایش جغرافیایی فضا، 5(17)، صفحات 23-16.
[6] Khan, S. A., Dar, M. A., & Rashid, A. (2018). Assessment of ARIMA model for rainfall forecasting in different climatic zones of India. Journal of Agricultural Science and Technology, 20(4), 859–870. pp. 865–868
[7] Jia, Y., Wang, X., & Li, Z. (2013). Monthly streamflow forecasting using SARIMA model in the Yangtze River basin. Water Resources Management, 27(12), 4353–4365. pp. 4358–4362
[8] Alexander, W. J., Schulze, R. E., & van Rensburg, M. M. (2004). Forecasting monthly rainfall in semi-arid regions using SARIMA models. Journal of Hydrology, 291(3-4), 164–173. pp. 167–170
[9] Palmer, T. N., Dobson, S., & Sperber, K. R. (2001). Forecasting water inflow to reservoirs using SARMA models. Hydrological Sciences Journal, 46(5), PP: 729–742. , 734–738
[10] نوفرستي، م. (1378). ريشه واحد و همجمعي در اقتصاد سنجي،تهران، مؤسسه خدمات فرهنگي رسا، چاپ اول، 1378. صص40و25.
[11] Enders, Walter(2004). Applied Econometrics Time Series, Printed In the United States Of The America, John Wiley & Sons; 2nd Edition. P: 190.
[12] Enders, W. (2015). Applied econometric time series (4th ed.). Wiley. PP: 70-82 and 104-120
[13] Cryer, J. D., & Chan, K. S. (2019). Time series analysis with applications in R (4th ed.). Springer. P:52
[14] محمدی، س. (۱۴۰۰). بهینه‌سازی افق‌های پیش‌بینی بارندگی با مدل‌های سری زمانی فصلی. مجله تحقیقات منابع آب و توسعه پایدار، ۱۰(۳)، ۸۰-۹۵.