معرفی کشت Crocus crocus با ارزش بالا (زعفران) در مناطق غیر سنتی هند از طریق مدل سازی اکولوژیکی

Crocus sativus L. (زعفران) یک ادویه گران قیمت در سطح جهانی است. چند کشور مانند ایران ، یونان ، مراکش ، اسپانیا ، ایتالیا ، ترکیه ، فرانسه ، سوئیس ، پاکستان ، چین ، ژاپن و استرالیا وجود دارد که در آن این ادویه کشت و به کشورهای دیگر صادر می شود. هند 5 ٪ از کل تولید جهان را که 90 ٪ آن فقط از مناطق جامو و کشمیر (J& K) تأمین می شود ، کمک می کند. در هند ، تولید زعفران از J& K 3. 83 تن است در حالی که تقاضای سالانه آن تقریباً 100 تن است. در این کشور ، مناطق جغرافیایی وجود دارد که شرایط محیطی و زیست محیطی مشابهی با J& K دارند و امکان معرفی این محصول را دارند. شناسایی چنین مناطقی را می توان با استفاده از مدل سازی طاقچه های زیست محیطی (ENM) انجام داد. بنابراین ، "Maxent" ENM با استفاده از 103 متغیر محیطی ، 20 داده حضور و پارامترهای توپوگرافی (ارتفاع ، شیب و جنبه) برای یافتن مناطق مناسب برای تولید زعفران در مناطق غیر متعارف هند انجام شد. منطقه به دست آمده در زیر منحنی برای مدل 0. 99 بود. بارش و دما متغیر اصلی محیطی مؤثر بر کشت آن بود. زعفران در این مکان های جدید مدل شده در هند به نمایندگی از کشورهای مختلف خود مانند هیماچال پرادش ، اوتاراکند ، آروناچال پرادش ، سیکیم ، مانیپور و تامیل نادو کاشته شد. کیفیت و همچنین عملکرد زعفران تولید شده در برخی از این مناطق ، مورد بررسی قرار گرفت و به طور هم زمان با زعفران که به طور سنتی در هند رشد می کند ، یافت شد. بر اساس نتایج امیدوارکننده به دست آمده در این کار ، ما در حال گسترش کشت زعفران به مناطق مدل شده تر در هند هستیم تا تقاضای ملی خود را برآورده کنیم.

معرفی

Crocus sativus L. (زعفران) یا ادویه طلایی یا طلای قرمز یا "Kesar" متعلق به خانواده "Iridaceae" 1 است و یکی از گرانترین ادویه های موجود در جهان است.، ضد باکتریایی ، ضد قارچ ، ضد عفونی کننده و ضد التهابی 3،4. این ماده دارای داروهای ضد سرطان نیز است که هزینه آن 5 را افزایش داده است. ننگ آن در صنایع مواد غذایی ، دارویی ، آرایشی ، عطر و نساجی 6،7 به روش های مختلف (بیشتر به صورت خشک) استفاده می شود. کشت زعفران بسیار فشرده است که نیاز به کار دستی در مراحل مختلف کشت آن دارد. ننگ آن باید با دقت از گل خود به صورت دستی برداشت شود. بنابراین برداشت محصول به دنبال پردازش نیاز به کار آموزش دیده 8 دارد. بنابراین ، زعفران به دلیل نیاز زیاد نیروی کار ، عملکرد کم ، کار دقیق و توزیع محدود در سراسر جهان پرهزینه است. زعفران عمدتاً در ایران ، هند ، یونان ، مراکش ، اسپانیا ، ایتالیا ، ترکیه ، فرانسه ، سوئیس ، پاکستان ، چین ، ژاپن و استرالیا کشت می شود. ایران در تولید خود در رده اول قرار دارد و تقریباً 80 ٪ تقاضای جهان برای زعفران توسط ایران 9 برآورده می شود. هند تنها 5 ٪ از کل تولید جهان را به خود اختصاص داده است. 90 ٪ از زعفران این کشور در جامو و کشمیر (J& K) تولید می شود و در اینجا عمدتاً محدود به Pulwama و Budgam Pigrouns 10 است. گزارش شده است که تولید زعفران در J& K سال به سال کاهش می یابد (جدول S1). از سال 1997 تا 2015 کاهش منطقه و بهره وری زعفران به ترتیب 83 ٪ و 72 ٪ مشاهده شد.

شرایط زیست محیطی و توپوگرافی برای رشد و توسعه آن بین کشورها متفاوت است. در ایتالیا از 650 به 1100 متر AMSL با میانگین بارندگی 700 میلی متر 13 رشد می کند. در لا مانچا ، اسپانیا در 610 متر AMSL 14 یافت می شود ، در حالی که در Sahr-kord ، ایران در 2066 M AMSL 15 توزیع می شود. متوسط دامنه دمای سالانه آن در جهان از 5. 9 تا 18. 6 درجه سانتیگراد و دامنه بارندگی آن بین 420 تا 1370 میلی متر 16 است. مناطق معتدل ، نیمه خشک و خشک برخی از شرایط آب و هوایی ایده آل به نفع زعفران در جهان 13 است. در هند ، عمدتاً در شرایط آب و هوایی معتدل 17 رشد می کند ، جایی که خاک ها سست و به خوبی زهکشی هستند. خاک آهکی خاک رس تا خاک سیلتی-کلای 13 و خاک شنی تا شنی لام 11 به طور کلی برای رشد آن مناسب است. مقدار pH بالای خاک عملکرد بالایی از زعفران 18 را تولید می کند. در جامو و کشمیر ، pH خاک از 6. 3 تا 8. 3 متغیر است در حالی که هدایت الکتریکی خاک بین 0. 09 تا 0. 30 dm s-1 برای زعفران 19،20،21 است. برای توسعه گل ، دامنه دمای مطلوب 23-27 درجه سانتیگراد در تابستان است و دمای زمستان نباید کمتر از 15 تا 15 تا 20 درجه سانتیگراد باشد. بنابراین ، مشاهده شد که شرایط محیطی (دما و بارش) 23،24 نقش مهمی در رشد و توسعه زعفران دارند. با این حال ، این شرایط به عنوان پایه ای برای یافتن مناطق مناسب برای کشت آنها عمل می کند ، اما برای درک نیازهای خاص برای یک منطقه هدفمند که به نفع رشد بهینه آنهاست ، باید بیشتر مورد بررسی قرار گیرد. عوامل حمایتی مانند مواد کاشت با کیفیت ، تکنیک های کشت و روش برای تولید CORM ، میزان بقا پس از کاشت و غیره نیز نقش مهمی در رشد و توسعه مناسب آن دارند.

برای افزایش تولید زعفران در هندوستان با کیفیت مناسب، تلاش های زیادی صورت گرفته و هر از چند گاهی در مناطق جدید کشت می شود اما نتوانسته عملکرد و کیفیت مطلوبی را به همراه داشته باشد. دلیل ممکن است این باشد که آن مناطق ممکن است مورد هدف قضاوت های بصری قرار گرفته باشند. در اینجا از طریق تجزیه و تحلیل شرایط محیطی، می توان ارزیابی کرد که مناطقی که شبیه مناطقی هستند که قبلاً زعفران در آن کشت می شود، برای رشد زعفران مناسب نیستند. در این شرایط، مدل سازی برای یافتن دقیق رویشگاه های مناسب برای کشت زعفران ضروری می شود و یکی از این راه حل ها، مدل سازی طاقچه اکولوژیکی (ENM) است. ENM به ابزارهایی اشاره دارد که وقوع گونه ها را با شرایط محیطی زیربنایی مرتبط می کند. بنابراین، این مطالعه به منظور شناسایی مناطق جدید در هند از طریق ENM که امکان کشت زعفران وجود دارد، انجام شد. کیفیت زعفران تولید شده در چنین مناطقی نیز در آزمایشگاه با ارزیابی شیمیایی آنها پایش شد. قصد اصلی ما این است که زعفران را در سطح وسیعی معرفی کنیم تا حداقل نیاز خانگی و صنعتی خود را برآورده کنیم. تصور ما این است که با تلاش ما نه تنها سطح زیر کشت زعفران افزایش می یابد، بلکه باعث ایجاد اشتغال و درآمد اضافی برای کشاورزان درگیر در کشت آن می شود.

نتایج و بحث

ENM 06 ایالت را در هند (مجموع 5. 09٪ مساحت هند) شناسایی کرد که پتانسیل کشت زعفران را دارند. از این تعداد 1. 09% در کلاس های تناسب بالا، 2. 46% در کلاس های مناسب سازی متوسط و 2. 34% در کلاس های تناسب پایین قرار دارند. از کل 5. 09٪ منطقه در هند، شمال غربی هیمالیا 4. 81٪ مساحت داشت (شامل 2. 12٪ در جامو و کشمیر، 1. 41٪ در اوتاراکند). هیمالیا شرقی 0. 65% (0. 62% در آروناچال پرادش، 0. 03% در سیکیم) و تامیل نادو در جنوب هند دارای 0. 44% مساحت هند برای رشد زعفران بود.

ایالت های شرقی هیمالیا و ایالت های جنوبی هند فقط دارای کلاس های تناسب پایین بودند، در حالی که J& K، هیماچال پرادش و اوتاراکند از تمام کلاس های تناسب 03، یعنی کم، متوسط و زیاد تشکیل می شدند. از مجموع 5. 09 درصد منطقه شناسایی شده به عنوان منطقه طاقچه احتمالی برای زعفران، J& K دارای بالاترین سطح زیر کلاس مناسب بودن بالا (4. 91٪) و پس از اوتاراکند (1. 52٪) و هیماچال پرادش (1. 34٪) بود (شکل 1).

مناطق احتمالی دولتی مناسب برای کشت زعفران در هند.

برای ارزیابی حساسیت و عملکرد مدل ما ، منطقه زیر منحنی (AUC) 26 مورد آزمایش قرار گرفت که میزان حذف آن را نشان می دهد و منطقه را در آستانه های مختلف پیش بینی می کند. در مورد ما از 0. 95 تا 0. 99 متغیر بود (جدول 1 ، شکل S1). AUC از 0 تا 1 27 متغیر است که AUC دارای 1. 0 است که نشان دهنده تبعیض کامل 28 توسط این مدل ها است. برای جلوگیری از ابهام در عملکرد مدل ENM ، هموار سازی و کالیبراسیون مجموعه داده ها نیز 29 انجام شد. اجرای مدل با 15 تکرار برای میانگین نتایج با نگه داشتن 30 ٪ از داده ها برای اهداف آزمایش برای عملکرد مدل به عنوان درصد آزمون تصادفی تنظیم شد. با استفاده از این تنظیمات ، ما با استفاده از مجموعه های مختلف متغیرهای محیطی و داده های حضور ، 7 مدل مختلف ENM را کالیبره کرده ایم. این ENM 7 مجموعه از مناطق طاقچه مدل شده ، مقادیر AUC مربوطه و متغیرهای پیش بینی کننده آنها را ارائه می دهد (جدول 1). مقادیر بالاتر شاخص های مناسب بودن سایت به دست آمده در ENM های فوق در یک خروجی ادغام شده استخراج و ترکیب شدند تا به بهترین زیستگاه های طاقچه ممکن برای زعفران ضربه بزنند. مقادیر شاخص های باقیمانده از طریق قضاوت بصری بر اساس تجربه میدانی دور ریخته شدند زیرا چنین شاخص های پایین مناطقی را نشان می دهد که وقوع زعفران از نظر منطقی امکان پذیر نبود. خروجی ENM در بالا با شاخص های مناسب و مناسب با متغیرهای توپوگرافی مانند ارتفاع ، شیب و جنبه ها دوباره ارزیابی شد. مناطقی که آستانه پارامترهای توپوگرافی را برآورده نمی کردند ، دوباره دور ریختند. بنابراین ، ما نتیجه نهایی ENM را بدست آورده ایم که ترکیبی از 7 ENM است که با متغیرهای توپوگرافی مجدداً کالیبره شده است. برای دسترسی به دقت آن ، 12 داده حضور زعفران در هند بر نتیجه ENM فوق پوشانده شده و مشاهده شد که این مکان ها همزمان با زیستگاه طاقچه مدل شده بودند.

اکنون یک روز ، ENM مبتنی بر مدل های توزیع گونه های گروه مانند Biomod 30،31 توصیه می شود که چندین مدل جداگانه را برای یک پیش بینی زیستگاه طاقچه متحد ترکیب می کند. با این حال ، در این مدل مطالعه به دلیل پیچیدگی در تنظیم چنین مدلی ، با یک روش متفاوت کالیبره شد. در عین حال ، استفاده از مدل نیز به دلیل عدم در دسترس بودن اطلاعات حمایتی کافی ، کمتر درک می شود. علاوه بر این ، ما داده های حضور کمتری برای مدل سازی داشتیم و در بسیاری از موارد ، مدل فردی گزارش شده است که از مدل 32 گروهی بهتر عمل می کند. در عوض ، بالاترین کلاسهای پیش بینی شده از طریق تجزیه و تحلیل پوشش وزن در محیط GIS از 7 خروجی ENM به دست آمده از طریق مجموعه های مختلف متغیرهای محیطی و داده های حضور زعفران بدست آمد.< SPAN> اکنون یک روز ، ENM مبتنی بر مدل های توزیع گونه های گروه مانند Biomod 30،31 توصیه می شود که چندین مدل جداگانه را برای یک پیش بینی زیستگاه طاقچه متحد ترکیب می کند. با این حال ، در این مدل مطالعه به دلیل پیچیدگی در تنظیم چنین مدلی ، با یک روش متفاوت کالیبره شد. در عین حال ، استفاده از مدل نیز به دلیل عدم در دسترس بودن اطلاعات حمایتی کافی ، کمتر درک می شود. علاوه بر این ، ما داده های حضور کمتری برای مدل سازی داشتیم و در بسیاری از موارد ، مدل فردی گزارش شده است که از مدل 32 گروهی بهتر عمل می کند. در عوض ، بالاترین کلاسهای پیش بینی شده از طریق روش تجزیه و تحلیل پوشش وزن در محیط GIS از 7 خروجی ENM به دست آمده از طریق مجموعه های مختلف متغیرهای محیطی و داده های حضور زعفران به دست آمده است. در حال حاضر ، ENM مبتنی بر مدل های توزیع گونه های گروه مانند Biomod 30،31توصیه می شود ، که چندین مدل جداگانه را برای یک پیش بینی زیستگاه طاقچه متحد ترکیب می کنند. با این حال ، در این مدل مطالعه به دلیل پیچیدگی در تنظیم چنین مدلی ، با یک روش متفاوت کالیبره شد. در عین حال ، استفاده از مدل نیز به دلیل عدم در دسترس بودن اطلاعات حمایتی کافی ، کمتر درک می شود. علاوه بر این ، ما داده های حضور کمتری برای مدل سازی داشتیم و در بسیاری از موارد ، مدل فردی گزارش شده است که از مدل 32 گروهی بهتر عمل می کند. در عوض ، بالاترین کلاسهای پیش بینی شده از طریق تجزیه و تحلیل پوشش وزن در محیط GIS از 7 خروجی ENM به دست آمده از طریق مجموعه های مختلف متغیرهای محیطی و داده های حضور زعفران بدست آمد.

قبل از اجرای مدل Maxent ، تعداد 103 متغیر محیطی برای ENM با استفاده از رویکرد همبستگی خودکار محدود شد ، که متغیرهای مرتبط را برای جلوگیری از تکرار آنها مشخص و حذف می کند. این امر برای جلوگیری از پیچیدگی مدل برای بهبود ظرفیت پیش بینی شده آن دنبال شد. ما به جای محدود کردن به مواردی که قبلاً بر اساس زیست شناسی وقوع زعفران شناخته شده اند ، از تمام متغیرهای محیطی ممکن استفاده کرده ایم. اینها دما ، بارندگی و ارتفاع در مورد زعفران است که در بخش مقدمه ذکر شد اما این مقادیر عمومی هستند که مکانهای جهانی وقایع آن را نشان می دهند و ممکن است برای ENM مناسب نباشد. زعفران یک محصول پیچیده است که نیازهای ENM برای صفات مختلف آن مانند رشد رویشی آن ، تعداد گلدهی ، عملکرد ننگ و تولید CORM سالم آن متفاوت است. بنابراین تجزیه و تحلیل آماری ENM به ما در بازیابی متغیرهای محیطی خاص برای مناطق هند مورد نیاز برای رشد بهینه زعفران کمک کرد. از آنجا که در دسترس بودن داده های محلی محیطی یکپارچه یک محدودیت برای ENM بود ، پوشش جهانی متغیرهای زیستی "بیوکلیم" متشکل از طیف گسترده ای از پارامترهای زیست محیطی برای این منظور مناسب بود. تجزیه و تحلیل ENM از متغیرهای پیش بینی شده با استفاده از جککین کردن از افزایش آموزش منظم ، بارش (در طول خشک ترین و سردترین محله ها) را به عنوان متغیر مهم محیطی که بر کشت زعفران تأثیر می گذارد ، نشان می دهد (جدول 1). بارندگی کل 742. 7 میلی متر شرایط مطلوب محیطی برای رشد بهینه زعفران 33 بود. J& K در هند در این دوره ها بارش کافی را دریافت می کند و شرایط مطلوبی را برای زعفران ایجاد می کند. اهمیت بارندگی در کشت زعفران می تواند در طول سال 2003-2004 با وضعیت آب و هوایی آن در ارتباط باشد که عملکرد زعفران در J& K به دلیل شرایط خشکسالی غالب 11 مشاهده شد (1. 57 کیلوگرم). سایر متغیرهای مهم مؤثر بر کشت زعفران به عنوان دما و پرتوهای خورشیدی در سردترین سه ماهه مشخص شدند. درجه حرارت از 20. 9 تا 27. 8 درجه سانتیگراد با میانگین دمای 28. 2 درجه سانتیگراد مناسب برای رشد و گل زعفران 33 مناسب بود.

ENM مناطق مدل شده ای را ارائه می دهد که از نظر محیطی مناسب برای کشت زعفران هستند. اما شناسایی دقیق محل کشت در این مناطق برای رشد و توسعه مناسب آنها بسیار مهم است ، که شامل بافت بارور ماسه ای بارور از خاک و در دسترس بودن آبیاری است ، که باید با کشاورزی خاص زعفران نیز پشتیبانی شود. خاک متخلخل باعث افزایش نفوذپذیری خاک در رشد ریشه می شود ، آبیاری باعث می شود خاک به خصوص در خشک ترین و سردترین شرایط بارندگی اشباع شود در صورت کم بودن آب. تمایلات کشاورزی مانند زمان کاشت و برداشت زعفران ، استفاده از رسانه های تقویت کننده رشد (کودها/میکروب ها) ، فاصله بین گیاهان و عمق خاک و غیره ، برای انباشت ترکیبات در زعفران برای نیازهای صنعتی ، رشد بدن مورد نیاز است. اندازه مناسب کورم ها ، تولید گل و عملکرد ننگ. نتیجه ENM همچنین در مورد بررسی برگه های توپوگرافی هند و برنامه آنلاین Google Earth برای یافتن نزدیک شدن به مکان های مناسب از جاده و سایر الزامات لجستیکی مورد نیاز برای کشت و معرفی زعفران در این مکان های جدید پوشانده شده است.

مکانهای شناسایی شده توسط تیم زراعت شناسان ما و شش مکان جدید در منطقه شمال غربی هیمالیا (Moorang in Kinnaur ؛ Suppa and Sathli در Bharmour ، Chamba و Palampur در Kangra of Himachal Pradeh و Kapkote in Bageshwar ، Uttarakhand) دو مورد بازدید شد. در مناطق هیمالیا شرقی (شیپنجر ، شمال سیکیم و ایمفال ، مانیپور) و یکی در جنوب هند (اووتی ، تامیل نادو) برای مزارع زعفران مشخص شدند. این مکانها عاری از هرگونه سابقه تولید زعفران هستند. کشت زعفران در این مکان های جدید با کمک کشاورزان محلی تحت نظارت دانشمندان ما آغاز شد.

محاکمات زراعی در مناطق جدید در شمال غربی هیمالیا با حفظ شیوه های مدیریت زراعی مشابه برای دو سال انجام شد و مشخص شد که طول ننگ (زعفران) در مکانهای جدید کشت شده کم و بیش مشابه (3. 5-3. 6 سانتی متر) یافت شده است (شکل شکل. 2) ، که با میانگین گزارش متوسط ننگ از J& K ، یعنی 2. 5 سانتی متر 34،35 و ایران ، یعنی 3 سانتی متر 36،37 است. عملکرد به دست آمده بیشتر در بهرمور (2. 4 کیلوگرم در هکتار) هیماچال پرادش در شمال غربی هیمالیا بود که با عملکرد متوسط ملی (2. 6 کیلوگرم در هکتار) همگام است. عملکرد به دست آمده در مکان های دیگر از 1. 61 تا 2. 21 کیلوگرم در هکتار بود. میانگین عملکرد دو سال زعفران به ترتیب 2. 255 کیلوگرم در هکتار ، 2. 005 کیلوگرم در هکتار و 1. 665 کیلوگرم در هکتار به ترتیب در مناطق مناسب ، متوسط و پایین یافت شد. این آمار بر اساس داده های کشت 1 ساله است که برای دقت بیشتر باید در سال دوم تکرار شوند. در یک کارآزمایی یک ساله ، عملکرد از 0. 045 تا 2. 10 کیلوگرم در هکتار با طول ننگ 3. 5 سانتی متر در مناطق هیمالیا شرقی و مناطق جنوبی هند متغیر بود.

(الف) گل در زعفران ، و (ب) ننگ زعفران خشک.

کروسین و صفرانال ترکیبات اصلی زعفران هستند که به ترتیب مسئولیت رنگ و عطر آن را بر عهده دارند. غلظت این ترکیبات در ننگ آنها ، کیفیت و ارزش بازار زعفران را تعیین می کند. زعفران از 05 مکان جدید به طور تصادفی از 02 ایالت (هیماچال پرادش و اوتاراکند) و همچنین یک نمونه معامله شده زعفران در بازارهای J& K به صورت شیمیایی با استفاده از روش UPLC-MS در آزمایشگاه تحلیلی ما مورد بررسی قرار گرفت. محتوای کروسین و صفران در این مکان ها به ترتیب از 36. 2 تا 53. 7 میلی گرم در گرم و 2. 9 تا 4. 9 میلی گرم در گرم متغیر است. محتوای کروسین و صفرانل در نمونه های معامله شده به ترتیب 35 میلی گرم در گرم و 0. 8 میلی گرم در گرم بود. بنابراین ، مشخص شد که محتویات کروسین و صفرانال در زعفران تازه کشت شده با کیفیت زعفران معامله شده در هند مطابقت دارد.

تجمع کروسین و صفرانل ، طول ننگ و عملکرد زعفران از مکان به مکان دیگر متفاوت است. برای داشتن قوام در تولید فوق ، برای کشت زعفران ، کشاورزی خاص و خاص برای کشت زعفران مورد نیاز است. درمان های خاک خاص سایت با میکروب های تقویت کننده رشد یا کود ، زمان بندی صحیح کاشت و برداشت زعفران ، پشتیبانی به موقع و بهینه آبیاری و غیره ، برخی از اقدامات است که تحت فناوری های کشاورزی پیشنهاد شده است. مدیریت پس از برداشت زعفران همچنین یک پارامتر مهم برای حفظ کیفیت عرضه زعفران به صنایع است.

در حال حاضر ، مصرف زعفران هند 20 تن در سال تخمین زده می شود ، در حالی که تقاضا 100 تن در سال است ، که نیمی از آنها توسط تولید کنندگان پیشرو ایران ، اسپانیا و چین برآورده می شود (https://www. tpci. in/blogs/product-مشخصات مشخصات/). منطقه ای که در زیر کلاس مناسب برای کشت زعفران در هند مشخص شده بود 4211. 72 کیلومتر 2 بود که برای پاسخگویی به تقاضای سالانه هند کافی است. تولید زعفران در هند 4 تن در سال است ، در حالی که بهره وری آن تقریباً 3 کیلوگرم در هکتار در سال است. بنابراین ، منطقه مورد نیاز برای کشت زعفران برای تأمین تقاضای سالانه ما می تواند تقریباً 333. 33 کیلومتر 2 محاسبه شود. با نگاهی به نتایج دلگرم کننده فوق از معرفی زعفران در هند ، اکنون ما منطقه بیشتری را در زیر کشت زعفران در زیستگاه مناسب آن که از طریق ENM مشخص شده است ، به دست می آوریم. ما قصد داریم با کمک شبکه سازی با آژانس های محلی و ملی درگیر در کشت این نوع محصولات با ارزش بالا ، تقاضای کشور خود را برای زعفران برآورده کنیم.

نتیجه گیری

این مطالعه به این نتیجه رسید که ENM با استفاده از MaxEnt یک ابزار مهم و مفید برای معرفی محصولات با ارزش بالا مانند زعفران در مناطق جدیدی است که قبلاً کشت نشده بود. از این فناوری می توان برای سایر محصولات تجاری مشابه نیز استفاده کرد. ENM در شناسایی مناطق غیرمتعارف احتمالی که می توانیم کشت زعفران را معرفی کنیم، کمک کرد. افزایش ارتفاع، دمای بهینه، بارندگی کمتر، شیب متوسط و جنبه های غیر از جنوب، جنوب غربی و غرب برای کشت زعفران مطلوب تشخیص داده شد. انحراف از موارد فوق بر کیفیت و عملکرد آن تأثیر می گذارد. دمای بهینه برای افزایش تعداد گل مورد نیاز است در حالی که بارندگی بر عملکرد زعفران (کلاله) و پارامترهای بیوشیمیایی آن تأثیر می گذارد. کیفیت و کمیت زعفران کشت شده در آن مناطق با زعفران کشت شده در مناطق معمولی هند و ایران برابر بود. فرصتی برای معرفی زعفران در منطقه بزرگتری در هند وجود دارد که از طریق ENM از نظر آب و هوایی مناسب برای زعفران شناسایی شده است. زعفران را می توان در این مناطق مدل شده بدون لطمه ای به کیفیت و عملکرد آن با کمک بسته اقدامات کشاورزی خاص که توسط کشاورزان ما تهیه شده است، کشت کرد. این امر نه تنها نیاز داخلی کشور به زعفران را برآورده می کند، بلکه کشاورز به دلیل بازار قوی و تقاضای داخلی زعفران و در نتیجه مصرف مطمئن محصول خود، از نظر اقتصادی نیز سود خواهد برد.

منطقه مطالعه

پژوهش حاضر به منظور یافتن رویشگاه های مناسب برای کشت زعفران در هند انجام شد. از 8 درجه و 4 دقیقه تا 37 درجه و 6 دقیقه عرض شمالی تا 68 درجه و 7 دقیقه تا 97 درجه طول شرقی امتداد می یابد (شکل S2). هند هفتمین کشور بزرگ جهان است.

مرزهای شمالی هند تا حد زیادی توسط رشته کوه هیمالیا تعریف می شود ، جایی که این کشور با چین ، بوتان و نپال هم مرز است. ارتفاع از سطح دریا تا حدود 8000 متر AMSL متغیر است. بیشتر قله ها در ایالت سیکیم و اوتاراکند در شمال هند واقع شده اند. بالاترین قله کوه Kangchenjunga (8586 متر) در هند است و در رتبه بالاترین قله جهان قرار دارد که در مرز هند و نپال در محدوده بزرگ هیمالیا در سیکیم واقع شده است. در شمال شرقی دور ، Chin Hills و Kachin Hills با منطقه کوهستانی جنگلی پوشانده شده اند و هند را از میانمار جدا می کنند. در شرق ، مرز آن با بنگلادش عمدتاً توسط Khasi Hills ، Mizo Hils و دشت هندوستان تعریف شده است. مرز غربی آن با پاکستان نهفته است. مرز جنوبی هند توسط دریای عرب پوشانده شده است ، جنوب غربی دریای لاکشادوپ و خلیج بنگال در شرق است. به دلیل این پوشش بزرگ ، تغییرات زیادی در ظاهر فیزیکی آن ، وضعیت آب و هوایی ، بارندگی ، ارتفاع ، نوع خاک ، بوم شناسی و غیره وجود دارد که منجر به امکان معرفی زعفران در مناطق جدید آن برای کشت آن می شود.

مواد و روش شناسی

در میان روشهای مختلف الگوریتم ENM ، قرار است مدل آماری Maxent یکی از بهترین مدل ها برای پیش بینی زیستگاه های طاقچه گیاهان با استفاده از محل وقوع آنها 38،39،41،42،43،44،45،46 باشد. تکنیک Maxent مجموعه ای از مکان های ضبط شده از نمونه های خاص 38،47 را با متغیرهای محیطی مربوطه برای ایجاد یک پروفایل محیطی که پس از آن در منطقه جغرافیایی دیگری واقع شده است ، مقایسه می کند. یکی از ویژگی های مهم مدل Maxent این است که می توان آن را با داده های فقط حضور اجرا کرد ، زیرا داده های غیبت به طور کلی 38،39،48 در دسترس نیستند.

داده های حضور در بروز زعفران یکی از پارامترهای مهم برای مدل سازی ENM است. بنابراین ، نظرسنجی ها برای ضبط مختصات جغرافیایی مکانهایی که زعفران به طور سنتی با استفاده از دستگاه GPS دستی رشد می کنند ، انجام شد. در مجموع 12 مکان از این دست از قلمرو اتحادیه جامو و کشمیر ، هیماچال پرادش و ایالت اوتاراکند هند ثبت شده است. مختصات زعفران نیز از پورتال وب سایت جهانی اطلاعات تنوع زیستی (GBIF) بازیابی شد (https://www. gbif.org/what-is-gbif). از این سایت ، 449 مکان از کشت زعفران مشخص شد اما 30 ٪ از آنها به عنوان نمونه های نگهداری شده در مکان های غیر از کشت آن ذخیره شده بودند. برخی از مکان های دیگر ، هنگامی که در Google Earth ترسیم شده اند ، ویژگی های ساخته شده و حوضه های آب بدن را نشان می دهند ، و بنابراین به عنوان مکان های زعفران مناسب نبودند. همچنین ، بیش از 6 گونه زعفران از خود ایران گزارش شده است که مشابه زعفران (Crocus sativus) است و بنابراین شناسایی گونه های صحیح آن برای ENM نیز نگرانی عمده ای از مجموعه داده های GBIF 49،50 بود. بنابراین ، ما از مختصات فقط در آن مکان ها استفاده کرده ایم ، که می توانند از ادبیاتی که در آن به حضور Crocus sativus در چنین مکان هایی اشاره کرده اند ، بررسی شود. سرانجام ، 8 این مختصات معتبر از ایران (5 نفر) ، ایتالیا (1 نفر) ، اسپانیا (1 نفر) و مراکش (1 نفر) برای ENM مشخص شدند. بنابراین ، در مجموع 20 نقطه جغرافیایی برای ENM استفاده شد (شکل 3) ، که برای ENM برای گونه هایی مانند زعفران بهینه است که دارای یک وقوع باریک 51 است.

مکانهای جغرافیایی Crocus sativus L. (زعفران) مورد استفاده برای ENM (تهیه شده با استفاده از ArcGIS 10. 4. 1 ؛ https://www. esri.com/).

دومین عامل مهم برای ENM متغیرهای محیطی آن است که از سایت WorldClim بارگیری شده است (http://www. worldclim.org). داده های جهانی آب و هوا نسخه 2 WorldClim متشکل از 103 متغیر برای ENM استفاده شد (جداول 2 ، 3). در میان اینها ، 19 لایه محیطی (Bio 1-BIO 19) عمدتاً مربوط به دمای متوسط و بارش از سال 1970 تا 2000 است. بقیه 84 متغیر ترکیبی از دمای ماهانه ، رسوبات ، تابش خورشیدی و سرعت باد از 1970 تا 2000 است. این متغیرهای بیوکلیماتیک روندهای سالانه (به عنوان مثال ، میانگین دمای سالانه ، بارش سالانه) ، فصلی بودن (به عنوان مثال ، دامنه سالانه در دمای سردترین و گرمترین ماه) و بارش در محله های مرطوب و خشک را نشان می دهد. یک چهارم سه ماه (1/4 سال) است. جزئیات این متغیرهای محیطی در جداول 2 و 3 ارائه شده است. برای پالایش بیشتر نتایج ENM ، از داده های زمین مانند شیب ، جنبه و ارتفاع استفاده شده است که از مأموریت توپوگرافی رادار فضایی (SRTM) ارتفاع دیجیتال تهیه شده استمدل (DEM) با وضوح 30 متر.

برای یافتن مناطق طاقچه احتمالی زعفران در هند ، ENM به دنبال 03 مرحله متشکل از هفت روش انجام شد (شکل 4). در روش اول مرحله اول ، 19 متغیر بیوکلیماتیک (BIO 1-BIO 19) برای اجرای مدل در نظر گرفته شد. پس از آن ، همبستگی آماری ، تنها شش در بین 19 برای اجرای مدل استفاده شد. در روش دوم ، علاوه بر این 19 متغیر (جدول 2) ، 20 متغیر انتخاب شده از 84 متغیر (جدول 3) پس از همبستگی خودکار در نظر گرفته شدند. در روش سوم ، تمام 103 متغیر در نظر گرفته شد و در بین اینها ، مدل با استفاده از 73 متغیر انتخاب شده پس از همبستگی خودکار اجرا شد. موارد فوق ، دو و سه ENM با استفاده از 17 مکان حضور (مرحله 1) ، 12 از هند و 7 نفر از کشور همسایه خود ایران اجرا شد (شکل 4). مرحله دوم ، روش شناسی شامل IV ، V و VI (شکل 4) است که در آن 20 مکان جغرافیایی وقایع زعفران در جهان برای اجرای حداکثر استفاده شده است. در روش IV ، در بین BIO 1 تا BIO 19 ، فقط 12 متغیر محیطی برای اجرای مدل انتخاب شدند. در روش V ، در مجموع 39 متغیر استفاده شد ، 19 از BIO 1 تا BIO 19 (جدول 2) و 20 انتخاب شده از 84 متغیر (جدول 3). در کل 31 متغیر محیطی برای مدل سازی در روش VI استفاده شد ، که از 103 متغیر پس از فرآیند همبستگی خودکار بازیابی شد (شکل 4). در مرحله سوم (روش VII) ، در مجموع 39 متغیر محیطی برایفقط 12 مکان در هند (شکل 4). این متغیرها همه 19 متغیر (Bio 1 تا Bio 19) به علاوه 20 انتخاب شده از 84 متغیر دیگر هستند.

نمودار جریان روش در مطالعه.

ما 3 مرحله و 7 روش را دنبال کرده ایم که منجر به 7 خروجی حداکثر جداگانه شد. این خروجی ها دارای طیف وسیعی از شاخص های مناسب بودن سایت در ارتباط با آنها بودند که به چهار کلاس مناسب بودن ، یعنی کم ، متوسط ، زیاد و بسیار زیاد تقسیم می شدند. در بین این چهار دسته ، کلاسهای بسیار مناسب بسیار بالا از 7 خروجی ENM فوق دوباره انتخاب شدند و بعداً در محیط سیستم جغرافیایی (GIS) به عنوان یک خروجی ادغام شده ادغام شدند. قبل از این ، به مناطقی که کلاس های مناسب بودن بسیار بالایی در هر یک از این 7 خروجی ENM دارند ، وزن 1 ‘و بقیه کلاس ها به وزن 0 اختصاص داده می شدند. از این رو ، خروجی ادغام شده دارای کلاسهای مناسب بسیار بالایی بود که دارای وزن تجمعی بودند که از 1 تا 7 متغیر بود. مناطقی که دارای ارتفاع کمتر از 1450 متر و بیش از 2860 متر در شمال هند و مناطقی با بیش از 610 متر ارتفاع در جنوب هند از موارد فوق حذف شدندخروجی (شکل 4). در مرحله بعدی ، مناطقی که دارای دامنه های غیر از ملایم تا متوسط و جنبه های غیر از S ، SW و W نیز از خروجی فوق حذف شدند. این معیارها برای ارتفاع ، شیب و جنبه با روکش مختصات جغرافیایی 12 مکان در هند از طریق SRTM 30 M DEM ، جایی که زعفران کشت می شود ، نهایی شد. اکنون در پایان ، وزن مناسب سایت مرتبط با خروجی فوق در نهایت به دسته 03 دسته مانند کلاس مناسب بودن بالا (وزن تجمعی = 4-7) ، کلاس مناسب بودن متوسط (وزن تجمعی = 2-4) و کلاس مناسب بودن پایین (کلاس مناسب) و کلاس مناسب بودن (کلاس مناسب) و کلاس مناسب بودن گروه بندی شد. وزن تجمعی = 1) ، برای رسیدن به نقشه نهایی که مناطق طاقچه احتمالی را برای کشت زعفران در هند نشان می دهد (شکل 5).