Journal of Geographical Studies of Mountainous Areas

Journal of Geographical Studies of Mountainous Areas

Investigation of the Climate Change Effects on Rapeseed Cultivation in Hamadan Province

Document Type : Original Article

Authors
Z Mariyanji
Sajad Shamshiri 1
Fatemeh Sotoudeh 2
1 Instructor, Department of Agricultural, Faculty of Agriculture, Seyyed Jamaleddin Asadabadi University, Asadabad, Iran.
2 PhD in Department of Natural Geography, Faculty of Geographical Sciences, Kharazmi University, Tehran, Iran.
10.52547/gsma.2.2.101
Abstract
One of the important consequences of climate change is its effects on crops and the agricultural economy. Hamedan province as one of the provinces with major agricultural products has always been affected by this outcome. This study was conducted to reveal the consequences of climate change on rapeseed cultivation in Hamadan province using new data mining models (RF and SWM). The study period is 2020-2001. In addition to the trend of climate change, the yield and area under cultivation of this crop and the effects of climate change on it have been studied. According to the obtained results, it was found that the most effects on rapeseed yield are related to changes in sunshine and rainfall hours, which is more seen in the southwestern and northern regions of the province. It was identified in the drawn maps of RF and SWM models. The results of both models are largely consistent and based on the outputs of the stochastic forest model and the support vector machine; it was found that these models have the necessary efficiency to investigate the relationship between crop yield and climatic parameters. According to the results, the highest correlation between canola yield and changes in sunshine hours and the lowest is with the minimum temperature. According to the SVM model, sunny hours have the greatest impact on the performance of canola. The results showed that there is a significant relationship between rapeseed yield and climate change in Hamadan province. The results of this research can be useful in agricultural planning and economic development of Hamedan province.
Keywords
Trends and Climate Change
Support Machinery
Random Forest
Rapeseed Cultivation
Hamedan
۱. پرهیزکاری، ابوذر، ۱۳۹۶، "ارزیابی اثرات نابهنگامی تغییر اقلیم بر تولیدات کشاورزی و وضعیت درآمدی کشاورزان اراضی پایین دست سد طالقان"، تحقیقات اقتصاد کشاورزی، جلد ۹، شماره ۴، صص ۱۵۱- ۱۲۵.
۲. پیش‌بهار، اسماعیل، دارپرنیان، سیامک و محمد قهرمانزاده ، ۱۳۹۴. "بررسی آثار تغییرات اقلیمی بر عملکرد ذرت دانه‌ای در ایران: کاربرد رهیافت اقتصادسنجی فضایی با دادههای پانلی". تحقیقات اقتصاد کشاورزی، جلد ۷، شماره ۲، صص ۱۰۶-۸۳.
۳. - خالقی، سعیده، بزازان، فاطمه و شیما مدنی، ۱۳۹۳، "اثر تغییر اقلیم بر تولید بخش کشاورزی و بر اقتصاد ایران (رویکرد ماتریس حسابداری اجتماعی)"، تحقیقات اقتصاد کشاورزی، جلد ۷، شماره ۱، صص ۱۳۶-۱۱۳.
۴. حسنی، علی و مریم حسنی، ۱۳۹۵، "مطالعه تاثیر تنش خشکی بر ویژگیهای عملکردی و ریخت شناسی کلزا"، مطالعات منابع طبیعی، محیط زیست و کشاورزی، سال دوم، شماره ۶ (۱۳)، جلد ۳، صص ۴۱- ۳۵.
۵. حیدری بنی، مهران، یزدان پناه، حجت الله و عبدالمحمد محنت کش، ۱۳۹۷، "بررسی اثرات تغییر اقلیم بر عملکرد و مراحل فنولوژیکی کلزا (مطالعه موردی: استان چهارمحال و بختیاری)"، پژوهش‌های جغرافیای طبیعی، دوره ۵۰، شماره ۲، صص ۳۸۹- ۳۷۳.
۶. خورشید دوست، علی محمد، سبحانی، بهروز، آزرم، کامل و جمال امینی، ۱۳۹۴، "ارزیابی توان محیطی استان آذربایجان غربی برای کشت کلزا براساس روش AHP و مدل TOPSIS"، جغرافیا و برنامه‌ریزی، سال ۱۹، شماره ۵۲، صص ۱۶۱-۱۴۱.
۷. سلیمانی‌نژاد، سمانه، دوراندیش، آرش، صبوحی صابونی، محمود و محمد بنایان، ۱۳۹۸، "اثرات تغییر اقلیم بر الگوی کشت محصولات زراعی (مورد مطالعه: دشت مشهد)"، تحقیقات اقتصاد و توسعه کشاورزی ایران، شماره ۲ -۵۰، دوره ۲، صص ۲۳۵- ۲۵۰.
۸. فرهنگ فر، سروناز، بنایان، محمد، خزاعی، حمیدرضا و محمد موسوی بایگی،۱۳۹۷، "بررسی تولید کلزا در شرایط خشکی و تغییر اقلیم"، پژوهش‌های زراعی ایران، جلد ۱۵، شماره ۲، صص ۳۶۷-۳۵۵.
۹. کیخا، احمد، خانلری، احمد، کیخا، احمد علی ومحمود صبوحی، ۱۳۹۹، "اثر تغییر اقلیم بر کاربری اراضی و عملکرد بخش کشاورزی استان مازندران"، علوم و تکنولوژی محیط زیست، دوره۲۲، شماره ۱۰، صص ۱۰۴- ۹۳.
۱۰. محمودی، ابوالفضل و ابوذر پرهیزکاری، ۱۳۹۴، "تحلیل اقتصادی اثرات تغییر اقلیم بر عملکرد محصولات، الگوی کشت و سود ناخالص کشاورزان (مطالعه موردی: دشت قزوین)"، رشد و توسعه اقتصاد روستایی و کشاورزی، دوره اول، شماره دوم، صص ۴۰- ۲۵.
۱۱. مسعودیان ، سیدابوالفضل، ۱۳۸۶، نواحی بارش ایران، جغرافیا وتوسعه، شماره ۱۳. صص ۹۰-۷۹
۱۲. مشکانی، محمدرضا، ۱۳۶۴،"آمار مقدماتی"، تهران: مرکز نشر دانشگاهی تهران.
13. Antel, J.M. 2010. Adaptation of agriculture and food system to climate change: policy issues, Resources for the future, issue brief 10-30, PP. 12.
14. Azuara, J., Howitt, R., MacEwan, D., and Lund, J. 2011, Economic impacts of climate-related changes to California agriculture. Journal of Climatic Change, 109: 387-405.
15. Cortes, C. & Vapnik, V. 1995,Support vector machine. Machine Learning 20, 273–297.
16. DaMatta, F.M.; Grandis, A.; Arenque, B.C.; Buckeridge, M.S. 2010, Impacts of climate changes on crop physiology and food quality. Food Res. Int., 43, 1814–1823.
17. Easterling W, Aggarwal P, Batima P, Brander K, Erda L, Howden M, Kirilenko A, Morton J, Soussana J-F, Schmidhuber J, Tubiello F, 2007, in Climate Change 2007: Impacts, Adaptation and Vulnerability, eds Parry ML, Canziani OF, Palutikof JP, van der Linden PJ, Hanson CE (Cambridge Univ Press, Cam- bridge, UK), pp 273–313.
18. Engineering Applications of Artificial Intelligence 25, 783–792.
19. FAO statistics. 2015. http://faostat.fao.org. 6 May 2015.
20. FAOSTAT. FAOSTAT Data. 2016. Available online: www.faostat.fao.org (accessed on 14 March 2018).
21. Hastie T, Tibshirani R, Friedman J. 2013, The elements of statistical learning: data mining, inference and prediction. In Sprin- ger series in statistics New York. 533p
22. Hocking, P.J.; Stapper, M. 2001, Effects of sowing time and nitrogen fertiliser on canola and wheat, and nitrogen fertiliser on Indian mustard. II. Nitrogen concentrations, N accumulation, and N fertiliser use effciency.Aust. J. Agric. Res., 52, 635–644.
23. Homann, M.P.; Jacobs, A.; Whitbread, A.M. 2015, Crop modeling based analysis of site-specific production limitations of winter oilseed rape in northern Germany. Field Crops Res., 178, 49–62.
24. Kisi, O. & Cimen, M. 2012, Precipitation forecasting by using wavelet-support vector machine conjunction model.
25. Liaw, A. & Wiener, M. 2002, Classification and regression by andomForest. R News 2, 18–22.
26. Marjanovi´c-Jeromela, Ana, Terzi´c, Sreten, Jankulovska, Mirjana, Zori´c, Miroslav, Kondi´c-Špika, Ankica, Jockovi´c, Milan, Hristov, Nikola, Crnobarac, Jovan and Nagl, Nevena, 2019, Dissection of Year Related Climatic Variables and Their Effect on Winter Rapeseed (Brassica Napus L.) Development and Yield, Agronomy, 9(9), 517, pp: 1-21.
27. Sanchis, F.M. & Feijoo-Bello, M.L. 2009, Climate change and its marginalizing effect on agriculture, Ecological Economics, 68(3):896-904.
28. Smith P, Martino D, Cai Z, Gwary D, Janzen H, Kumar P, McCarl B, Ogle S, O’Mara F, Rice C, Scholes B, Sirotenko O (eds) , 2007, Agriculture. In Climate Change 2007: Mitigation. Contribution of Working Group III Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
29. Takashima, N.E.; Rondanini, D.P.; Puhl, L.E.; Miralles, D.L. 2013, Environmental factors affecting yield variability in spring and winter rapeseed genotypes cultivated in the southeastern Argentine Pampas. Eur. J. Agron., 48, 88–100.
30. Travis, J. Lybbert, J. & Daniel, A. 2012, Sumner, Agricultural technologies for climate change in developing countries: Policy options for innovation and technology diffusion. Food Policy, 37(1):114-123.
31. Yoon H, Jun S-C, Hyun Y, Bae G-O, Lee K-K ,2011, A comparative study of artificial neural networks and support vector machines for predicting groundwater levels in a coastal aquifer. J Hydrol, 396:128–138
Journal of Geographical Studies of Mountainous Areas
Volume 2, Issue 2
Summer 2021
Pages 109-124