با کاهش حجم منابع آب تجدیدپذیر در سال‌های اخیر و افزایش جمعیت، تأمین امنیت غذایی به یکی از چالش‌های اصلی کشورهای گرم و خشک با محدودیت منابع آب تبدیل شده است. در این شرایط نیاز به تولید غذای بیشتر در بخش کشاورزی با استفاده از آب کمتر و به عبارتی افزایش بهره‌وری آب می‌باشد. یکی از راهکارهای مقابله با این چالش، استفاده برنامه‌ریزی شده از آب، بهینه‌سازی الگوی کشت و تاریخ کشت در هر منطقه با لحاظ محدودیت‌های آب، خاک، گیاه و اتمسفر و مدیریت هوشمندانه پارامترهای مدیریتی است. در همین راستا این پژوهش در قالب سه مطالعه انجام گرفت. در مطالعه اول، به توسعه یک مدل شبیه ساز-بهینه ساز بر مبنای نتایج مدل گیاهی CERES-Maize-CSM پرداخته شد. با اتصال شبکه عصبی مصنوعی برای پیش‌بینی زیست توده ذرت و بهره‌وری آب در سناریوهای مختلف به ابزار بهینه‌سازی ژنتیک، مدلی توسعه داده شد که قابلیت بهینه‌سازی تاریخ کاشت، مقدار کود و آب مصرفی را دارد. نتایج ارزیابی مدل نشان دهنده دقت شبکه عصبی در تخمین زیست توده و بهره‌وری آب در حدود 4 درصد نسبت به داده‌های دریافتی از مدل گیاهی و حداکثر مقدار 8/23 درصد در مقایسه با داده‌های مزرعه‌ای بود. در این مطالعه همچنین به ارزیابی و بررسی روش‌های پیش‌بینی داده‌های هواشناسی برای فصل پیش رو به عنوان اولین اطلاعات ضروری برای مدیریت و برنامه‌ریزی و دستیابی به داده‌های دقیق با مدل گیاهی پرداخته شد، دو روش استفاده از متوسط 10 و 20 ساله داده‌های تاریخی و روش طبقه‌بندی k-NN بر مبنای استفاده از داده‌های دمای حداکثر، حداقل و تبخیر-تعرق مرجع در مقیاس‌های زمانی روزانه، هفتگی، ده روزه و ماهانه بررسی شدند. همچنین اثر داده های هواشناسی مذکور در تولید زیست توده ذرت با استفاده از مدل CERES-Maize ارزیابی شد. نتایج نشان دهنده متوسط مقادیر NRMSE کمتر از 30/16 درصد در استفاده از روش k-NN در تخمین داده‌ها براساس داده‌های دمای حداکثر در هر دو منطقه مورد مطالعه بود و تخمین داده‌های تابستان در تمامی سناریوها، بیشترین دقت را نسبت به فصل‌های بهار و پاییز داشت. همچنین استفاده از 10 سال داده در مقایسه با 20 سال داده منجر به کاهش 2/6 درصدی مقادیر متوسط NRMSE در منطقه گلپایگان و افزایش دقت پیش بینی شد. از آن جایی که داده‌های ورودی به مدل گیاهی با عدم قطعیت همراه هستند و اجرای آن برای یک نقطه از مزرعه نمی‌تواند در سطح کلان مدیریتی کمک کننده باشد و با خطا همراه است. در مطالعه دوم به بررسی عدم قطعیت نتایج دریافتی از بسته نرم افزاری DSSAT برای محصول ذرت با پلتفرم pSIMS پرداخته شد. با اجرای مدل به صورت شبکه بندی شده و لحاظ سه دسته گروه داده خاک، ده گروه داده آب و هوا و سه تاریخ کاشت متفاوت (28اردیبهشت، 28 خرداد و 16 تیر) برای 15 سال (2003 تا 2017) به بررسی دامنه تغییرات نتایج دریافتی (زیست توده کل، بهره‌وری آب آبیاری و تبخیر- تعرق ذرت در کل فصل) پرداخته شد. در هر پیکسل از منطقه، 1350 بار مدل اجرا شد که 450 اجرا مربوط به یک سناریوی تاریخ کاشت است. دامنه تغییرات نتایج دریافتی در چهار منطقه تولید ذرت در استان اصفهان (اصفهان-برخوار، فلاورجان، گلپایگان و فریدن) مورد ارزیابی قرار گرفت. نتایج نشان دهنده بیشترین تاثیر پارامتر تاریخ کاشت بر SD ((Standard Deviation نتایج و کمترین تاثیر داده‌های آب و هوایی و خاک بود. در بین چهار منطقه مورد مطالعه، فریدن با دامنه تغییرات 2/0 تا 09/2 تن بر هکتار بیشترین تغییرات انحراف معیار بین سه تاریخ کاشت را داشت و کمترین آن در اصفهان-برخوار و فلاورجان به ترتیب با دامنه تغییرات 85/0 تا 93/0 و 67/0 تا 81/0 تن بر هکتار بود. همچنین بررسی تاثیر تغییرات زمانی بر مقادیر SD نتایج نیز نشان دهنده، مقدار 08/0 تا 12/2 تن بر هکتار (4/0 تا 5/8 درصد از کل مقدار زیست توده ذرت علوفه‌ای) در 15 سال و در چهار منطقه مورد مطالعه بود. انحراف معیار عملکرد در مناطقی با دمای متوسط کمتر و بارش بیشتر (فریدن و گلپایگان) مقادیر بیشتر با تغییرات چشمگیرتری در طی 15 سال و سه تاریخ کاشت داشت. دامنه تغییرات بین 12/0 تا 13/1 تن بر هکتار در گلپایگان و 15/0 تا 12/2 تن بر هکتار در فریدن در 15 سال بود. در مطالعه سوم نیز با استفاده از ابزار شبیه ساز توسعه داده شده در مطالعه اول، با شبیه‌سازی جریان در جویچه با حل معادله سنت ونانت و استفاده از تابع هدف حداقل کردن هزینه‌های آبیاری به بهینه‌سازی پارامترهای طراحی آبیاری جویچه‌ای در راستای دست یابی به حداکثر عملکرد پرداخته شد. به منظور بررسی دقت مدل توسعه داده شده، نتایج با داده‌های مزرعه ای مقایسه شد که منجر به کاهش 44 درصدی هزینه و افزایش 15درصدی راندمان کاربرد شد.

کلمات کلیدی: مدل گیاهی، بهره‌وری آب، عدم قطعیت، آب