نشریه آبیاری و زهکشی ایران

نشریه آبیاری و زهکشی ایران

توسعه چارچوب ارزیابی تأثیر ریسک‌ اقلیمی در عملکرد گندم با مدل‎سازی گیاهی و تئوری فازی

نوع مقاله : مقاله پژوهشی

نویسندگان
معصومه متانت 1
کامران داوری 1
سید محمدرضا ناقدی فر 1
حسین بانژاد 2
محمد کافی 3
1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
2 گروه علوم و مهندسی آب . دانشکده کشاورزی. دانشگاه فردوشی مشهد. مشهد ایران
3 گروه اگروتکنولوژی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
گندم به‌عنوان محصولی استراتژیک، به شدت تحت تأثیر مخاطرات اقلیمی قرار دارد. این پژوهش با هدف ارائه چارچوبی برای ارزیابی ریسک نسبی تنش‌های اقلیمی (گرمازدگی، سرمازدگی و باد گرم) در مراحل مختلف رشد گندم در منطقه مشهد انجام شد. در این مطالعه، داده‌های هواشناسی بلندمدت به‌مدت ۴۰ سال و اطلاعات تخصصی مراحل رشد گندم از طریق مصاحبه با خبرگان جمع‌آوری شد. ریسکهای اقلیمی در مراحل مختلف رشد بر اساس شدت و احتمال وقوع هر پدیده با استفاده از مدل‌سازی فازی محاسبه گردید تا میزان حساسیت گندم در مراحل مختلف رشد مورد ارزیابی قرار گیرد. نتایج نشان داد مراحل گرده‌افشانی و شیری شدن دانه بیشترین ریسک را نسبت به گرما و باد گرم دارند؛ این تنش‌ها موجب کاهش لقاح، و افت کیفیت دانه می‌شوند. در مقابل، تنش سرما عمدتاً مراحل اولیه نظیر جوانه‌زنی و پنجه‌زنی را هدف قرار می‌دهد. مقایسه‌ مقادیر ریسک تجمیعی نشان داد سرمازدگی با میزان ریسک 132 تهدید غالب منطقه مشهد بوده و مقدار آن از گرمازدگی با میزان 115 بیشتر است. در مقابل، پنجه‌زنی و رشد طولی ساقه کم‌ریسک‌ترین مراحل نسبت به هر سه نوع تنش بودند. براساس نتایج، اقداماتی نظیر تنظیم زمان کاشت، آبیاری تکمیلی، احداث بادشکن و استفاده از ارقام مقاوم پیشنهاد می‌شود. این اقدامات می‌توانند به کاهش اثرات منفی تغییرات اقلیمی و بهبود پایداری تولید گندم در شهر مشهد کمک کنند.
کلیدواژه‌ها
باد گرم
ریسک نسبی
سرمازدگی
گرمازدگی
مدل فازی

عنوان مقاله English

Developing a Climate Risk Impact Assessment Framework on Wheat Performance through Crop Modeling and Fuzzy Logic Theory

نویسندگان English

mashhad metanat 1
kamran davary 1
Seyed Mohammad reza naghedifar 1
Banejad Hossein 2
mohammad kafi 3
1 Department of Water Science and Engineering, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
2 water sciences and engineering dept., Faculty of Agriculture, Ferdowsi university of Mashhad, MaSHHAD, iRAN
3 Department of Agrotechnology, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran
چکیده English

Wheat, as a strategic crop, is highly influenced by climatic hazards. This study aimed to present a framework for evaluating the relative risk of climatic stresses—namely heat stress, cold stress, and hot wind—across different growth stages of wheat in the Mashhad region. In this study, long-term meteorological data over a 40-year period and expert-based information on wheat phenology were collected through interviews. Climate risks during various growth stages were calculated using fuzzy modeling based on the intensity and probability of each event, in order to assess wheat sensitivity at different stages. The results showed that the pollination and milk development stages experienced the highest risk due to heat and hot wind, which led to reduced fertilization and decreased grain quality. In contrast, cold stress predominantly affected early growth stages such as germination and tillering. A comparison of cumulative risk values indicated that cold stress, with a risk level of 132, posed a more significant threat in the Mashhad region than heat stress, which had a risk level of 115. Conversely, tillering and stem elongation stages showed the lowest level of risk to all three types of stress.Based on the findings, recommended strategies include adjusting planting time, applying supplemental irrigation, using windbreaks, and cultivating resistant varieties. These actions can reduce the negative effects of climate change and enhance the sustainability of wheat production in Mashhad.

کلیدواژه‌ها English

Cold Stress
Fuzzy Model
Heat Stress
Hot Wind
Relative Risk
امیدی، م.، سیاهپوش، م. ر.، مامقانی، ر. و مدرسی، م. 1392. اثر تنش گرمای انتهای فصل بر عملکرد، اجزای عملکرد و برخی خصوصیات مورفو-فنولوژیک ژنوتیپهای گندم در شرایط آب و هوایی اهواز. نشریه تولید گیاهان زراعی. 6 (4): 33-53.
خواجه پور، ر.، کافی، م.، نظامی، ا. و خزاعی، ح. ر. 1396. اثر تنش مکانیکی باد بر تعدادی از خصوصیات مورفوفیزیولوژیک دو رقم گندم پابلند و نیمه‎پاکوتاه. نشریه تولید گیاهان زراعی. 10 (2): 101-114.
داوری، ک.، قندهاری، ا.، قهرمان، ب. و عمرانیان خراسانی، ح. 1396. ارزیابی ریسک برنامه تأمین آب در محیط فازی، مورد مطالعاتی: تأمین آب دشت مشهد تا افق 1450. تحقیقات منابع آب ایران. 13 (3): 56-72.
سعیدی، م.، عبدلی، م. و الیاسی، پ. 1398. بررسی تحمل به سرما در برخی از ژنوتیپهای گندم نان در مرحله گیاهچه‌ای تحت شرایط آزمایشگاهی. نشریه پژوهش‌های گندم. 2 (1): 35-52.
طاوسی، م.، نادری، ا. و لطفعلی‎آینه، غ. ع. 1393. ارزیابی واکنش فیزیولوژیکی ژنوتیپ‌های گندم به تنش سرما در مرحله پنجه‎زنی. فصلنامه علمی پژوهشی فیزیولوژی گیاهان زراعی. 6 (21): 29-44.
Aimufua, G. I. O., Akimoh, J. O. and Jegede, A. J. 2022. Modeling of Climate Effect on Arable Crops Production of Oryza Sativa and Zea Mays in Nigeria Using Fuzzy Logic. Asian Journal of Engineering and Applied Technology. 11 (1): 46-53.
Araghinejad. Sh. 2013. Data-Driven Modeling: Using MATLAB in Water Resources and Environmental Engineering. Springer. DOI 10.1007/978-94-007-7506-0
Aroca, R., Porcel, R. and Ruiz-Lozano, J. M. 2012. Regulation of Root Water Uptake Under Abiotic Stress Conditions. Journal of Experimental Botany. 63 (1): 43–57.
Asseng, S., Ewert, F., Martre, P et al. (50 More Authors). 2015. Rising Temperatures Reduce Global Wheat Production. Nature Climate Change. 5 (2): 143-147.
Berry, P. M. and Spink, J. 2012. Predicting Yield Losses Caused by Lodging in Wheat. Field Crops Research. 137: 19–26.
Farooq, M., Bramley, H., Palta, J. A. and Siddique, K. H. M. 2011. Heat Stress in Wheat During Reproductive and Grain-Filling Phases. Critical Reviews in Plant Sciences. 30:1–17
Hassan, M. A., Xiang, C., Farooq, M., Muhammad, N., Yan, Zh., Hui, X., Yuanyuan, K., Bruno, A.K., Lele, Zh. and Jincai, L. 2021. Cold Stress in Wheat: Plant Acclimation Responses and Management Strategies. Frontiers in Plant Science. 12: 676884.
Mahrookashani, A., Siebert, S., Huging, H. and Ewert, F. 2017. Independent and Combined Effects of High Temperature and Drought Stress Around Anthesis on Wheat. J Agro Crop Sci: 1–11.
Matthews, R. B., Rivington, M., Muhammed, Sh., Newton, A.C. and Hallett, P. D. 2013. Adapting Crops and Cropping Systems to Future Climates to Ensure Food Security: The Role of Crop Modelling. Global Food Security. 2: 24–28.
Mehrabi, F. and Sepaskhah, A. R. 2020. Winter Wheat Yield and DSSAT Model Evaluation in a Diverse Semi-Arid Climate and Agronomic Practices. Int. J. Plant Prod. 14: 221–243.
Mirshekari, S., Yaghoubi, F. and Hashemi, S. F. 2025. Climate Change Impacts on Wheat Yields in Arid Regions of Iran: A Multimodel Approach for Adaptation Strategies. Int. J. Plant Prod. 19: 491–506.
Nezhadahmadi, A., Hossain Prodhan, Z. and Faruq, G. 2013. Drought Tolerance in Wheat. The Scientific World Journal. 610721.
Olen, B. and Auld, S. 2018. A Roadmap for Assessing Relative Risks for Agricultural Production, A Publication of The Agricultural & Applied Economics Association. 33 (4): 1-6.
Patel, R. K. and Sharma, A. 2025. Evaluating Climate Change Resilience in Central Indian Agriculture: A Regional Indicator Framework and Agro-Climatic Zoning. Avec Journal Of Environmental Science & Climate Studies. 1 (1): 25-45.
Ronco, P., Zennaro, F., Torresan, S., Critto, A., Santini, M., Trabucco, A., Zollo, A. L., Galluccio, G. and Marcomini, A. 2017. A Risk Assessment Framework for Irrigated Agriculture Under Climate Change. Advances in Water Resources. 110: 562-578.
Shelash, s., Vasudevan, a., Alqahtani, m. m., Sun, x. and Ali, i. 2025. Leveraging Fuzzy Logic for Resilient Agricultural Supply Chains: Risk Mitigation and Decision‑Making in Jordan. Research on World Agricultural Economy. 6 (3): 188-203.
Sidhu, s. k. 2024. Integrating fuzzy logic into smart agriculture systems for better yield predictions. journal Punjab academy of Sciences. 24: 80-85
Simpson, N. P., Mach, K., Constable, A., Hess, J., Hogarth, R., Howden, M., Lawrence, J., Lempert, R. J., Muccione, V., Mackey, B., New, M. G., O’neill, B., Otto, F., Po¨Rtner, H., Reisinger, A., Roberts, D., Schmidt, D. N., Seneviratne, S., Strongin, S., Aalst, M. V., Totin, E. and Trisos, Ch. 2021. A Framework for Complex Climate Change Risk Assessment. one Earth. 4 (4): 489-501.
Valluru, R., Link, J. and Claupein, W. 2012. Consequences Of Early Chilling Stress in Two Triticum Species: Plastic Responses And Adaptive Significance. Plant Biology. 14, 641–651.
Wang, B., Feng, P., Liu, D. and Waters, C. 2020. Modelling Biophysical Vulnerability of Wheat to Future Climate Change: A Case Study in The Eastern Australian Wheat Belt. Ecological Indicators. 114, 106290.
Wang, Ch., Cui, H., Jin, M., Wang, J., Li, Ch., Li, Y., Luo, Y. and Wang, Z. 2025. Enhancement of Wheat Resistance To Dry–Hot Wind Stress During Grain Filling by 24- Epibrassinolide: Optimization of Hormone Balance and Improvement of Flag Leaf Photosynthetic Performance. Frontiers in Plant Science. 16:1552617.
Weibel, R. O. and Pendleton, J. W. 1964. Effect of Artificial Lodging on Winter Wheat Grain Yield and Quality. Agronomy Journal. 56 (5): 487-488.
Yadav, M. R., Choudhary, M., Singh, J., Lal, M. K., Jha. P. K., Udawat, P., Gupta, N. K., Rajput, V, D., Garg, N. K., Maheshwari, G., Hasan, M., Gupta, S., Jatwa, T. K., Kumar, R., Yadav, A. K. and Vara Prasad, P. V. 2022. Impacts, Tolerance, Adaptation, and Mitigation of Heat Stress on Wheat Under Changing Climates. International Journal of Molecular Sciences. 23, 2838.
Zadoks, J. C., Chang, T. T. and Konzak, C. F. 1974. A Decimal Code for the Growth Stages of Cereals. Weed Research. 14: 415-421.
Zhao, H., Zhang, L., Kirkham, M. B., Welch, S. M., Nielsen-Gammon, J. W., Bai, G., Luo, J., Andresen, D. A., Rice, Ch. W., Wan, N., Lollato, R. P., Zheng, D., Gowda, P. H. and Lin, X. 2022. U.S. Winter Wheat Yield Loss Attributed to Compound Hot-Dry-Windy Events. Nature Communications. 13:7233.
Zhu, X., Xu, K., Liu, Y., Guo, R. and Chen, L. 2021. Assessing the Vulnerability and Risk of Maize to Drought in China Based on the Aquacrop Model. Agricultural Systems. 189: 103040.