وحید ورشاویان

پاسخ اکوسیستم به تغیرات اقلیمی توسط پارامترهای مختلفی بررسی می شود که یکی از حساس ترین آن ها، شاخص های فصل گرمایی رشد است. این پژوهش به بررسی روند شاخص های فصل رشد گرمایی شامل: آغاز، پایان و طول فصل رشد در آستانه های دمایی متفاوت (℃0، ℃5، ℃10 و °C15) با خروجی های اصلاح شده مدل منطقه ای اقلیمی COSMO-CLM تحت سناریوهای اقلیمی RCP4.5 و RCP8.5در تیپ های متفاوت اقلیمی بر اساس طبقه بندی کوپن-گایگر در کشور ایران در دوره های حاضر (2020-1995) و پیش بینی (2050-2021) می پردازد. بررسی شاخص های فصل گرمایی رشد، به ویژه شاخص آغاز فصل رشد در آستانه های دمایی مختلف در تیپ های اقلیمی متفاوت ایران بیانگر مناسب بودن آستانه های دمای °C10 و °C15 در تمام تیپ های اقلیمی است. هم چنین روندهای فصل رشد گرمایی نشان از آغاز زودهنگام فصل رشد، به ویژه آستانه دمای °C10 و تاخیر در پایان فصل رشد در اکثر آستانه های دما است. بیشترین روند آغاز زودهنگام معنادار فصل رشد در آستانه ی دمای °C10 در بندر انزلی در سواحل جنوب غربی دریای خزر در تیپ اقلیمی معتدل و مرطوب (CFa) با days/decade7/14 در دوره ی حاضر و تحت سناریوی RCP4.5 قرار دارد. بیشترین روند تاخیر پایان فصل رشد با آستانه ی دمای °C0 در شمال غربی ایران )تبریز( در تیپ اقلیمی BSk با تاخیر days/decade 5/7 در دوره ی آینده تحت سناریوی RCP8.5پیش بینی می شود. طول فصل رشد در اکثر آستانه های دمایی در دوره های حاضر و پیش بینی روند افزایشی دارد، به -طوری که بیشترین روند افزایشی معنادار در طول فصل رشد در آستانه دمایی °C10 در بندرانزلی (CFa) با day/decade16 در دوره حاضر رخ داده است و با همین روند تحت سناریوی RCP4.5در آینده پیش بینی می گردد. شاخص های آغاز فصل رشد در اکثر آستانه های دما، بالاترین ضرایب همبستگی را با دمای حداقل فصل بهار دارند، در حالی که شاخص های پایان فصل رشد، بالاترین ضریب همبستگی را با دمای حداقل فصل پاییز در اکثر آستانه های دما دارند.

در قرن حاضر، گرمایش جهانی به عنوان یکی از عوامل مهم و تاثیرگذار در کشاورزی، توسعه پایدار و امنیت غذایی مطرح میباشد. گندم یکی از محصولات مهم و استراتژیک در ایران محسوب میشود. به همین منظور در این پژوهش به ارزیابی اثر گرمایش جهانی بر عملکرد گندم در اقلیم آینده همدان با استفاده از مدل DSSAT پرداخته شده است. تغییرات اقلیمی آینده که جفت شده با مدل اقلیمی منطقهای RegCM4 با استفاده از خروجیهای مدل گردش کلی HadGEM2 با طرحواره سطح CLM4.5 تحت سناریوی RCP (RCP4.5) در ایستگاه هواشناسی همدان )فرودگاه( برای چشمانداز ) 2018 - 2046 ( اجرا شد. سپس شبیهسازی عملکرد گندم برای آیند با استفاده از مدل DSSAT صورت گرفت. نتایج نشان داد عملکرد ماده خشک طی دوره آینده سال 2046 تحت تاثیر پارامترهای فصل رشد )بارش، دما و تبخیر و تعرق( کاهش یافته است و مرحله رشد گندم در طی دوره آینده 11 روز کوتاهتر شده است. همچنین شاخص سطح برگ گندم در دوره آتی نسبت به دوره فعلی کاهشی است. پیشبینی عملکرد گندم طی دوره آینده نتیجه شد که تحت سناریوی RCP4.5 سال 2046 نسبت به دوره فعلی سال 2018 حدود 67 / 23 درصد کاهش یافته است. دلیل کاهش عملکرد گندم افزایش دمای حداقل و حداکثر طی دوره آتی بخصوص در بازه انتهایی رشد گندم و افزایش تنش گرمایی است. با توجه به نتایج پژوهش، تاکید میشود تا سیاستهای لازم تامین و استفاده از بذرهای گندم مقاوم به گرما و مکانیزه کردن کشت یا تغییر کاشت، برای سازگاری با تغییراقلیم صورت گیرد.

تغییرات اقلیمی ناشی از افزایش دما وکاهش بارندگی منجر به افزایش شدت خشکسالی است. ارزیابی اثرات خشکسالی بر تولیدات کشاورزی امر بسیار مهمی است و استفاده ازسنجش از دور برای پیش بینی خشکسالی روشی استاندارد است. در این پژوهش، هدف اصلی استفاده از تصاویر سنجش از دور به همراه هوش مصنوعی است که با استفاده از مدل های یادگیری ماشین RF و KNN برای انتخاب بهترین مدل مورد ارزیابی قرار گرفت. بررسی عملکرد محصول گندم آبی زمستانه طی دوره آماری 2001-2021 از داده های مرکز تحقیقات جورقان استان همدان و با استفاده از مدل های یادگیر ی ماشین و سنجش از دور شامل: (NDVI، VCI ، VHI، TCI، LAI، EVI MNDWI وMSAVI2)، متغییرهای هواشناسی (بارش، تبخیر و تعرق، ساعات آفتابی) و شاخص های خشکسالی هواشناسی (SPI ، SPEI و SPECI) صورت گرفت. نتایج نشان داد که مدل های رگرسیونی یادگیری ماشین RF و KNN در برآورد عملکردگندم آبی زمستانه با استفاده از شاخص های گیاهی سنجش از دور، در سالهای 2011-2021 افزایش خشکسالی و افزایش دمای هوا و افزایش تبخیر و تعرق را به همراه داشته است که سبب کاهش عملکرد محصول می شود، درحالیکه مقایسه عملکرد مدل RF و KNN در برآورد عملکرد محصول نشان داد که RF به دلیل خطای کمتر (کمتر از 9%) از عملکرد بهتری برخوردار است و نتایج بیان کننده آن بود که شاخص های گیاهی و مدل های یادگیری ماشین توانایی پیش بینی عملکرد محصول را دارد.

هدف این پژوهش ارزیابی مناطق مستعد کشت گیاه گشنیز در دوره حال و آینده استان همدان با استفاده از روش منطق فازی است. به این منظور، پس از شناسایی نیازهای رویشی کشت گشنیز، از مدل ریزمقیاس نمای LARS-WG6 و مدل گردش کلی HadGEM2-ES تحت سناریوی متوسط RCP4.5 در ایستگاه های همدان، نوژه، ملایر، تویسرکان و نهاوند برای چشم انداز (2021-2060) بهره گرفته شد. برای نقشه هم دما، هم بارش و ساعات آفتابی دوره پایه (2020-2000) و آینده طی فصل رشد گشنیز پاییزه و بهاره از روش گرادیانی در ArcGIS استفاده گردید. در نهایت لایه های موجود را با روش فازی سازی در Arc-GIS10.3 ارزش گذاری شدند. سپس در روش منطق فازی با تعیین تابع عضویت برای هر لایه اطلاعاتی اعم از بافت خاک، شیب، بارش، دما و ساعات آفتابی نقشه نهای کشت گشنیزبا اعمال عملگر گامای فازی 9/0 در چهار طبقه مناطق با استعداد ضعیف، متوسط، مناسب و عالی برای دوره پایه و آینده تهیه گردید. طبق نتایج طبقه با استعداد زیاد برای دوره پایه و آینده کشت پاییزه و بهاره گشنیز مربوط به نواحی شمال شرقی و جنوب استان همدان می باشد. همچنین نتایج نشان داد تغییرات بارش و دما سبب کاهش اراضی با استعداد عالی برای کشت گشنیز است به طوری که اراضی بسیار مناسب کشت پاییزه گشنیز از 4/40 درصد در دوره پایه به 6/28 درصد، و برای کشت بهاره گشنیز از 3/42 درصد در دوره پایه به 3/31 درصد در آینده تغییر خواهد یافت، که برای کشت پاییزه و بهاره به ترتیب برای دوره آتی حدود 8/11 و 11 درصد کاهش می یابد. همچنین، با وجود تغییرات بارش و دما در زمینه گرمایش جهانی، منابع زمینی در هر دوره به عنوان یکی از مهمترین شاخص-های نیازهای رویشی تاثیر بسزایی در تولید محصولات زراعی دارد.

تغییرات آب و هوایی دار ای پیامدهای عمیق زیست محیطی، اقتصادی و اجتماعی است. بررسی شاخص های مختلف اقلیمی هواشناسی نقش عمده ای در جلوگیری از ورود خسارت های مختلف و جبران ناپذیر به بخش کشاورزی دارد. شاخص های هواشناسی مرتبط با دما بسیاری از پدیده ها و وقایع زیستی و کشاورزی مرتبط با تغییرات دمایی را به خوبی نشان می دهند. همچنین تغییر در مقادیر این شاخص ها و پهنه های مرتبط با آنها در افق اقلیمی آینده تاثیرات افزایش دما را بر پدیده های مرتبط با کشاورزی آشکار می سازد. بر این اساس می توان با پهنه بندی و روند یابی تغییرات اقلیمی و آگاهی از آ ن در شرایط حال و آینده، استراتژی های مختلف مدیریتی و اجرایی را برای کاهش اثرات منفی احتمالی و همچنین مقابله با آنها اتخاذ نمود . به منظور بررسی و روندیابی شاخص های اقلیمی از داده های هواشناسی از جمله دمای کمینه، دمای بیشینه و میانگین دمای روزانه استفاده شد. یک دوره مشترک آماری که در بازه سال 1995 تا 2019 می باشد ، مورد بررسی قرارگرفت. همچنین برای بخش پیش بینی شاخص ها در آینده (2019 تا 2039) داده های دمای خروجی از مدل RegCM با سناریوی RCP4.5 ، جهت استفاده در شاخص های مبتنی بر دما و ارزیابی تغییر پهنه های مربوط به هر شاخص استخراج گردید. 14 شاخص مختلف اقلیمی مرتبط با دما که عبارتند از CDD Veg ، Cooling DD ، CWC ، DTR ، GDD ، HDD ، HWC ، FDD ، LFD ، FFD ، FP ، NFD ، CH ، TDD در 30 ایستگاهی که از 6 تیپ اقلیمی مختلف انتخاب گردیده است ؛ مورد بررسی قرار گرفت . با استفاده از نرم افزار سیستم های اطلاعات جغرافیایی (GIS) نقشه درون یابی شاخص ها بر اساس پارامتر دما برای هر ایستگاه ترسیم گردید. همچنین با استفاده از داده های پیش بینی مدل خروجی و بر اساس شاخص فضایی موران نقشه های روند تغییرات در آینده برای هر شاخص ترسیم گردید. بر اساس نتایج بدست آمده برای هر شاخص و بررسی روند آن ها می توان نتیجه گرفت که در بازه 2019 تا 2039 نسبت به بازه 1995 تا 2019 ، افزایش دما بر اساس شاخص ها در اکثر ایستگاه ها رخ خواهد داد. تغییرات در مورد شاخص های CH ، TDD ، GDD ، DTR ، HWC و CoolingDD دارای روندی خوشه ای و معنادار است و در رابطه با دیگر شاخص ها این روند دارای پراکندگی بالایی است و نمی توان با قطعیت ، روند را پیش بینی نمود. همچنین بر اساس اقلیم مناطق مورد مطالعه ، بیشت

اساسی ترین تاثیر تغییر اقلیم به صورت مستقیم و غیر مستقیم در بخش کشاورزی است که عدم توجه به آن باعث به مخاطره افتادن امنیت غذایی می شود. به همین منظور در این پژوهش با استفاده از پارامترهای اقلیم آینده و همچنین استفاده از مدلDSSAT-CERES-Maize می توان با الگوی مناسب اثرات ناشی از تغییر اقلیم را برای محصول مورد نظر در این منطقه بررسی کرد. گیاه ذرت از جمله مهم ترین گیاهان زراعی در سطح جهان محسوب می شود که بعد از گندم و برنج سومین محصول موثردر تغذیه مستقیم انسان می باشد. علاوه بر آن مولفه اصلی در تغذیه دام، روغن گیاهی، شربت شکر و الکلیِ به عنوان سوخت زیستی و ماده خام برای تولیدات کارخانه های پلاستیک از دیگر مصارف گیاه ذرت می باشد. ﺩﺭ ﺍﻳﻦ ﭘﮋﻭﻫﺶ ﺑﻪ ﻭﺳﻴﻠﻪ ﻧﺮﻡ ﺍﻓﺰﺍﺭ DSSAT ﺍﺳﺘﺮﺍﺗﮋﻱﻫﺎﻱ ﻣﺨﺘﻠﻒ ﻛﺸﺖ ﺫﺭﺕ ﺩﺭ ﺍﻳﺴﺘﮕﺎﻩ تحقیقاتی اکباتان ﺗﺤﺖ ﺷﺮﺍﻳﻂ ﺍﻗﻠﻴﻢ ﺟﺎﺭﻱ (2018-2017) ﻭ ﺍﻗﻠﻴﻢ ﺁﻳﻨﺪﻩ (2046-2018)ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻗﺮﺍﺭ ﮔﺮﻓﺖ. ابتدا دو رقم هیبرید 201 و هیبرید 704 ذرت در ایستگاه تحقیقاتی اکباتان در سه تاریخ 15 و 30 خرداد و 15 تیر کشت شد. سپس ﺷﺮﺍﻳﻂ ﻛﺸﺖ ﺑﺎ ﻧﺮﻡﺍﻓﺰﺍﺭ ﺷﺒﻴﻪﺳﺎﺯﻱ ﺷﺪ. نتایج حاکی از آن است که در منطقه همدان در دوره آتی دما در سال 2046، افزایشی حدود 1/0 تا 1 درجه سانتیگراد را نشان می دهد. بارش در دوره آتی دارای روند کاهشی نسبت به دوره پایه است. همچنین طول دوره کشت برای دوره پایه 145 روز اما برای دوره آینده 120 روز می باشد. علت کوتاه شدن طول دوره کشت گیاه ذرت افزایش میانگین دما در ماه های جون و جولای می باشد. بهتر ﺍﺳﺖ ﺩﺭ ﻣﻨﻄﻘﻪ همدان ﻫﺮﭼﻪ ﺑﻪ سال 2046 ﻧﺰﺩﻳﮏ ﻣﻲﺷﻮﻳﻢ ﺗﺎﺭﻳﺦ ﻛﺸﺖ ﺫﺭﺕ ﺍﺯ ﺍﻭﺍﻳﻞ تیر به اوایل خرداد ﺗﻐﻴﻴﺮ ﻛﻨﺪ ﺗﺎ ﻣﻴﺰﺍﻥ ﺑﻬﺮﻩﻭﺭﻱ ﺍﺯ ﺁﺏ ﺁﺑﻴﺎﺭﻱ ﺍﻓﺰﺍﻳﺶ ﻳﺎﺑﺪ. ﻛﺸﺖ ﺫﺭﺕ ﺭﻗﻢ ﺳﻴﻨﮕﻞ ﻛﺮﺍﺱ 704 ﻣﺤﺪﻭﺩﺗﺮ ﺷﺪﻩ ﻳﺎ ﺍﺯ ﺍﺭﻗﺎﻡ ﺩﻳﮕﺮﻱ ﺍﺳﺘﻔﺎﺩﻩ ﺷﻮﺩ. ﺍﻳﻦ ﻓﺮﺁﻳﻨﺪ ﻫﻢ ﺍﺯ ﻟﺤﺎﻅ ﺍﻗﺘﺼﺎﺩﻱ ﺑﻪ ﺻﺮﻓﻪ ﺧﻮﺍﻫﺪ ﺑﻮﺩ ﻭ ﻫﻢ ﺁﺏ ﻣﺼﺮﻓﻲ ﺭﺍ ﻛﺎﻫﺶ ﺧﻮﺍﻫﺪ ﺩﺍﺩ.

گرد و غبار یک پدیده طبیعی آب و هوایی است که افزایش بی رویه آن مشکل ساز است. تاثیرات نامطلوب این پدیده بر کشاورزی هم به شکل تاثیر بر کیفیت و عملکرد محصولات کشاورزی و هم به صورت کم کردن اثر کوددهی و سمپاشی می-تواند بروز کند. مطالعه پراکندگی جغرافیایی و غلظت ذرات معلق در نزولات جوی می تواند اطلاعات مهمی در مورد منابع آلاینده ها و رفتار آنها در اتمسفر برای محققین فراهم سازد. در این پژوهش نمونه های باران جمع آوری شده از باران-سنج در ایستگاه های همدان، قهاوند، رزن و اسدآباد به کمک کاغذ صافی 2 میکرون و 5 میکرون بررسی شد . با استفاده از شاخص های ارزیابی PH، TDS، EC کیفیت آب آنها را بدست آورده و بوسیله رگرسیون و همبستگی پیرسون به بررسی ارتباط یا عدم ارتباط داده های حاصل از پژوهش و ذرات معلق موجود در هوا پرداخته می شود. با توجه به کوچک بودن قطر ذرات موجود در آب باران این روش قابل استفاده نبود، در نتیجه از روش تبخیر استفاده شد، در این روش پس از تبخیر، وزن ذرات باقی مانده از تبخیر اندازه گیری شد سپس میزان TDS و به تبع آن EC بدست آمد. TDS با EC ارتباط مستقیم دارد و PH را نیز تحت تاثیر قرار می دهد. هر چه TDS بالاتر باشد، EC بیشتر و pH پایین تر است. در اسفندماه 97 که در کاغذ صافی 2 میکرون میزان TDS 99/116 بدست آمد که خارج از محدوده استاندارد کیفیت آب می باشد، همچنین داده های اندازه-گیری شده در آزمایشگاه نشان داد که هر 4 ایستگاه در محدوده مناسبی از استاندارد آب مطلوب قرار دارند، میزان کمترین EC، TDS و PH ایستگاه ها بترتیب قهاوند (15/9/97) 19، 20، 88/6، اسدآباد (14/1/98) 19، 17، 5/7، همدان (24/8/97) 28 ، 31، 41/7، و رزن (25/8/97) 18 و 12، 22/7. بیشترین میزان EC، TDS و PH ایستگاه ها بترتیب قهاوند (21/8/97) 398، 372، 16/8، اسدآباد (14/2/98) 429، 440، 97/7، همدان (28/1/98) 830، 91، 72/7 و رزن (15/7/97) 271، 206 و 92/7 بود که از بین این 4 ایستگاه رزن کمترین مقدار و اسدآباد بیشترین مقدار ذرات معلق را در ریزش های جوی داشت. با مقایسه بین ذرات معلق و TDS در دو سال 97 و 98 چنین منتج شد که این شاخص ها هماهنگی چندانی با هم ندارند و ذرات معلق بیشتر از TDS می باشد و با بارش باران از ذرات معلق موجود در هوا کاسته می شود.

کشور ایران از تنوع اقلیمی کم نظیری برخوردار است. به همین دلیل ظرفیت بالایی برای کشت گونه های مختلف گیاهی دارد. با توجه به جمعیت رو به رشد، تامین امنیت غذایی با استفاده از پتانسیل تولید محصولات زراعی جدید مانند کینوا، از مهم ترین وظایف بخش کشاورزی به شمار می رود. این گیاه با ارزش غذایی بالا، از نظر نیازهای رشدی گیاهی است کم توقع که در خاک هایی با حاصلخیزی کم هم به خوبی محصول می دهد و مقاومت بالایی در برابر خشکی و شوری دارد. هم چنین با توجه به افزایش تقاضای آب و کاهش نگران کننده سرانه منابع آب تجدیدشونده، لزوم تدوین برنامه آبیاری و بهبود راندمان مصرف آب دوچندان به نظر می رسد. در این راستا تعیین نیاز آبی و ضریب گیاهی یک فاکتور اصلی می باشد. این پژوهش با هدف تعیین نیاز آبی و ضریب گیاهی کینوا در اقلیم نیمه خشک سرد، با روش لایسیمتری وزنی و رابطه بیلان آبی، در ایستگاه لایسیمتری دانشکده کشاورزی دانشگاه بوعلی سینا همدان در بهار و تابستان 1396 انجام گرفت. تبخیر – تعرق شش رقم گیاه کینوا به صورت روزانه اندازه گیری و تعیین گردید. برای محاسبه تبخیر-تعرق مرجع با توجه به داده های ایستگاه هواشناسی فرودگاه همدان و بر اساس توصیه نشریه فائو 56 از معادله فائو-پنمن-مونتیث استفاده گردید. درنهایت میزان نیاز آبی ارقام موردبررسی این تحقیق در طی دوره اندازه گیری به ترتیب برابر 26/390 (QN100)، 20/390 (QN101)، 31/390 (QN102)، 99/383 (QN103)، 35/388 (QN107A)، 76/390 (QN108A) میلی متر، برآورد شد. همچنین ضرایب گیاهی به تفکیک برای هر رقم در سه مرحله توسعه رشد، میانی و انتهایی برای هر رقم به ترتیب 91/0، 47/1، 07/1 (QN100)، 91/0، 46/1، 09/1 (QN101)، 91/0، 46/1، 12/1 (QN102)، 92/0، 45/1، 95/0 (QN103)، 91/0، 45/1، 08/1 (QN107A)، 92/0، 47/1، 07/1 (QN108A)، به دست آمد.

خشکسالی به عنوان یک پدیده ی مخرب طبیعی، بر روی مناطق مختلف اقلیمی جهان از فراخشک تا شدیدا مرطوب، تاثیر می گذارد. پنجره های زمانی مختلف شاخص بارش استاندارد (SPI) هریک می توانند نشان دهنده ی شدت و ضعف انواع مختلفِ خشکسالی باشند. با تلفیق پنجره های زمانیِ مختلفِ SPI، شاخصی تحت عنوان شاخص بارش استاندارد چندمتغیره (MSPI) معرفی شده که می تواند همزمان در مورد شدت و ضعف چند نوعِ متفاوت از خشکسالی اظهار نظر کند. در این پژوهش شاخص MSPI در چند نمونه اقلیمی ایران پایش شده و پیش بینیِ این شاخص توسط چند مدل مورد ارزیابی قرار می گیرد. در این راستا 8 ایستگاه (ایلام و گرگان، اردبیل و همدان، کرمان و تهران، آبادان و ایرانشهر) از 4 نمونه اقلیمی بر اساس روش دمارتن گسترش یافته ( به ترتیب مدیترانه ای معتدل، نیمه خشک فراسرد، خشک سرد، فراخشک گرم) انتخاب شدند. داده های بلندمدت مجموع بارش ماهانه ی این ایستگاه ها (اقلیم مدیترانه ای معتدل از سال 1987، اقلیم نیمه خشک فراسرد از سال 1977، اقلیم خشک سرد از سال 1951 و اقلیم فراخشک گرم از سال 1980) تا پایان سال 2017، از سازمان هواشناسیِ کشور دریافت شد. شاخص MSPI برای این ایستگاه ها، در 5 پنجره زمانیِ 3-6 ماهه، 6-12 ماهه، 3-12 ماهه، 12-24 ماهه و 24-48 ماهه پایش شد. برای پیش بینیِ این شاخص از 4 مدل هوش مصنوعیِ شبکه عصبی رگرسیونی تعمیم یافته (GRNN)، کمترین مربعات ماشین بردار پشتیبان (LSSVM)، شبکه عصبی روش گروهی دسته بندی داده ها (GMDH) و سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) بهره گرفته شد. برای این امر از تاخیرهای زمانیِ غیرفصلی (1، 2 و 3 ماه قبل) و فصلی (12، 24 و 36 ماه قبل) به عنوان ورودی برای مدلها استفاده شد، و نمونه های ورودی و هدف به دو قسمت آموزش (75%) و آزمون (25%) تقسیم شدند. پیش بینی حاصله از مدلها، توسط معیارهای ریشه میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE)، شاخص ویلموت (WI) و دیاگرام تیلور، با مقادیر واقعی مقایسه گردیدند. نتایج نشان داد که دقت پیش بینی توسط مدل ها در پنجره های زمانی بزرگتر (به عنوان مثال شاخص MSPI در پنجره زمانی 24-48 ماهه)، بیشتر از پنجره های زمانیِ کوچکتر (به عنوان مثال شاخص MSPI در پنجره زمانی 3-6 ماهه) می باشد. با این حساب می توان گفت از دقتِ قوی به ضعیف، مدلهای مورد بررسی می توانند به ترتیب خشکسالی توام از

وجود تنوع ژنتیکی مهم ترین عامل تکامل گیاهان است و لازمه هر برنامه اصلاحی، به ویژه در گیاه در حال ظهور کینوا می باشد. کینوا، به عنوان خاویار گیاهی، یکی از قدیمی ترین گیاهان زراعی آمریکا است. کینوا بومی منطقه آند می باشد که دارای ارزش غذایی بالایی است. با توجه به ویژگی های ارزشمند این گیاه، این پژوهش به منظور ارزیابی سازگاری اولیه و تنوع ژنتیکی 6 اکوتیپ وارداتی تحت شرایط آب و هوایی همدان انجام شد. ارزیابی 20 نشانگر ریزماهواره در آزمایشگاه اصلاح نباتات و بررسی تنوع 20 صفت ریخت شناسی اکوتیپ ها در طی دو سال زراعی (1395-1396) در مزرعه پژوهشی دانشکده کشاورزی دانشگاه بوعلی سینا انجام شد. نتایج موید سازگاری اولیه اکوتیپ های وارداتی با شرایط معتدل -سرد در همدان بود. به طوری که نتایج دوساله این تحقیق نشان دهنده امکان کشت و توسعه این گیاه در شرایط آب و هوایی همدان بود. نتایج تجزیه واریانس بیان گر تنوع ژنتیکی بالا در بین اکوتیپ ها برای کلیه صفات مورد مطالعه بود. اگر چه اکوتیپ 6 و 3 به ترتیب دارای بیش ترین و کم ترین عملکرد تحت شرایط عدم تنش رطوبتی بودند ولی در شرایط تنش رطوبتی، اکوتیپ های 6 و 4 به ترتیب دارای بیش ترین و کم ترین عملکرد دانه بودند. صفات شاخص برداشت و قطر پانیکول به ترتیب در شرایط عدم تنش و تنش رطوبتی، بیش ترین همبستگی مثبت را با عملکرد دانه داشتند. طبق نتایج تجزیه به مولفه های اصلی، اکوتیپ شماره 6 در هر دو شرایط رطوبتی به عنوان اکوتیپ مطلوب با عملکرد بالا شناسایی شد. در شرایط عدم تنش و تنش رطوبتی، اکوتیپ ها در سه خوشه مجزا قرار گرفتند بطوری که در این دو شرایط رطوبتی، به ترتیب خوشه 2 (با اکوتیپ 2 و 6) و خوشه 3 (با اکوتیپ 2، 5 و 6) به عنوان بهترین خوشه ها شناسایی شدند. نتایج تجزیه رگرسیون نشان داد که در شرایط عدم تنش و تنش رطوبتی به ترتیب صفات شاخص برداشت و قطر پانیکول، به عنوان مهم ترین صفات موثر بر افزایش عملکرد دانه، وارد مدل رگرسیونی شدند. تحت شرایط عدم تنش، شاخص برداشت و تحت شرایط تنش رطوبتی، محتوی آب برگ و قطر پانیکول بیش ترین اثر مثبت مستقیم را روی افزایش عملکرد دانه داشتند. عملکرد دانه به ترتیب با شاخص هایSTI ،GMP و SNPI در شرایط عدم تنش رطوبتی، وبا شاخص های GMP ، STI ،SNPI و RDI در شرایط تنش رطوبتی دارای بیش-ترین همبستگی مثبت و معنی دار بود. شاخص های GMP، ST