بررسی خلأ عملکرد و عوامل مؤثر بر آن در گندم‌زارهای آبی شهرستان ازنا، استان لرستان، ایران، با استفاده از روش تحلیل مقایسه کارکرد (CPA)

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار، گروه کشاورزی، دانشگاه پیام‌نور، تهران، ایران

10.22124/cr.2026.31499.1877

چکیده

مقدمه: گندم به‌دلیل کاربردهای متعدد یکی از مهم‌ترین گیاهان مؤثر در زندگی بشر است. مدیریت متنوع کشاورزان در اراضی زراعی موجب شده است که معمولاً از توانایی بالقوه اراضی استفاده بهینه نشود و از این‌رو معمولاً عملکرد گیاه در واحد سطح پایین است. روش تحلیل مقایسه عملکرد (CPA) توانایی لازم در برآورد اختلاف عملکرد بر اساس توانایی بالقوه اراضی و عملکرد ناشی از مدیریت کشاورزان را دارد. این مطالعه به‌منظور بررسی خلأ عملکرد و عوامل ایجادکننده آن در گندم‌زارهای آبی شهرستان ازنای استان لرستان با استفاده از روش CPA برنامه‌ریزی و اجرا شد.

مواد و روش‌ها: در این پژوهش، از اطلاعات 74 مزرعه گندم‌زار آبی شهرستان ازنا جهت برآورد خلأ عملکرد و عوامل ایجادکننده آن به‌روش CPA استفاده شد. اطلاعات گندم‌زارها، شامل مشخصات مزرعه، عملیات کاشت، داشت و برداشت به‌کمک پرسش‌نامه و همچنین اطلاعات توپوگرافی و خاک هر گندم‌زار از لایه‌های تهیه شده به‌کمک GIS بر اساس موقعیت مکانی جمع‌آوری شد. برای تعیین مدل عملکرد (تولید)، رابطه بین تمامی متغیرهای اندازه‌گیری شده و عملکرد با روش رگرسیون گام‌به‌گام به‌کمک نرم‌افزار 9.3 SAS مورد بررسی قرار گرفت. در نهایت با استفاده از معادله تولید به‌دست‌آمده، خلأ عملکرد و عوامل ایجادکننده و سهم هر یک از آن‌ها مشخص شدند.

نتایج و بحث: نتایج این مطالعه نشان داد که حداقل و حداکثر عملکرد مشاهده شده گندم‌زارها به‌ترتیب 2500 و 8500 کیلوگرم در هکتار با میانگین 5943 کیلوگرم در هکتار بود. میانگین، حداقل و حداکثر عملکرد برآورد شده توسط مدل نیز به‌ترتیب 5906.62، 3248.22 و 11289.24 کیلوگرم در هکتار و میزان کل خلأ عملکرد 5382.62 کیلوگرم در هکتار به‌دست آمد. ضریب همبستگی بین عملکرد تخمین ‌زده شده و عملکرد واقعی کشاورزان 0.81 و مجذور میانگین مربعات باقیمانده (RMSE) و ضریب تغییرات (CV) مدل به‌ترتیب 842.71 کیلوگرم در هکتار و 14.27 درصد به‌دست آمد. تحلیل عوامل ایجادکننده خلأ عملکرد نشان داد که شش عامل، شامل پایین بودن مقدار ماده آلی خاک (26.8 درصد)، عدم استفاده از ردیف‌کار (3.60 درصد)، مصرف کم مقدار بذر (10.96 درصد)، کاهش تعداد آبیاری در پاییز (18.88 درصد)، کاهش مقدار نیتروژن خالص سرک (17.28 درصد) و عدم برداشت به‌موقع محصول (22.43 درصد)، در ایجاد خلأ عملکرد در گندم‌زارهای آبی شهرستان ازنا نقش داشتند.

نتیجه‌گیری: نتایج این مطالعه، توانایی قابل قبول روش CPA را در برآورد خلأ عملکرد و عوامل مؤثر بر آن در گندم‌زارهای شهرستان ازنا تأیید کرد و نشان داد که با اعمال مدیریت به‌موقع، هدف‌مند و هوشمندانه می‌توان خلأ عملکرد را به‌میزان حدود 48 درصد کاهش داد. اجرای تناوب مناسب، مدیریت بقایای گندم و سایر محصولات، مصرف کود دامی، ترویج استفاده از ردیف‌کار و فراهم‌سازی آن برای کشاورزان، مدیریت تهیه بستر، رقم مناسب و توصیه مؤکد بر آبیاری پاییزه، آزمون خاک جهت تعیین میزان کافی نیتروژن و تقسیط کود نیتروژن با توجه به مراحل رشد گندم و برنامه‌ریزی دقیق جهت عدم تداخل امور زراعی کشت‌های بهاره با برداشت گندم و ورود به‌موقع ماشین‌آلات برداشت به مزارع جهت کاهش خلأ عملکرد با توجه عوامل مؤثر بر آن قابل توصیه است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating the yield gap and it's influencing factors in irrigated wheat fields of Azna county, Lorestan province, Iran, using comparative performance analysis (CPA)

نویسنده [English]

  • Hossein Pourhadian
Assistant Professor, Department of Agriculture, Payame Noor University, Tehran, Iran
چکیده [English]

Introduction: Wheat is one of the most important plant affecting human life due to various application. Diverse management practices of farmers is caused the potential of the agricultural lands are often not optimally utilized, resulting in low yields per unit area. The comparative performance analysis (CPA) method effectively estimates yield differences based on the potential of the land and the yield resulting from farmer’s management. This study was planned and implemented to investigate the yield gap and its contributing factors in the irrigated wheat fields of Azna county, Lorestan province, Iran, using the CPA method.

Materials and Methods: In this study, data from 74 irrigated wheat farms in Azna county were used to estimate the yield gap and its contributing factors through the CPA method. The data from the wheat fields were collected using a questionnaire including farm characteristics, planting, maintenance, and harvesting operations. Topographic and soil information for each wheat field were also obtained from the GIS-prepared layers based on their geographical locations. To determine the yield model (output), the relationship between all measured variables and yield was examined using stepwise regression analysis with SAS software. Finally, using the derived production equation, the yield gap and its contributing factors, along with the share of each, were identified.

Results and Discussion: The results of this study showed that the minimum and maximum observed yield of wheat fields were 2500 and 8500 kg.ha-1, respectively, with the average of 5943 kg.ha-1. Also, the average, minimum and maximum yield estimated by the model were 5906.62, 3248.22 and 11289.24 kg.ha-1, respectively, and the total yield gap was 5382.62 kg.ha-1. The correlation coefficient between the estimated yield and the actual yield of farmers was 0.81, and the residual root mean square (RMSE) and the coefficient of variation (CV) of the model were obtained 842.71 kg.ha-1 and 14.27%, respectively. The analysis of the factors contributing to the yield gap indicated the role of six variables, including low organic matter in the soil (26.8%), lack of row planting (3.60%), low seed usage (10.96%), reduced number of irrigations in the fall (18.88%), reduced amounts of nitrogen applied as top-dressing fertilizer (17.28%), and untimely harvesting (22.43%), in creating the yield gap in irrigated wheat fields in Azna county.

Conclusion: This study confirms the acceptable capability of the CPA method in estimating the yield gap and the factors affecting it in the wheat fields of Azna county. The results showed that with timely, targeted, and intelligent management, the yield gap can be reduced by approximately 48%. Implementing appropriate crop rotation, managing wheat and other crop residues, use of animal manure, promoting the use of row planters and providing them to farmers, managing seedbed preparation, selecting suitable varieties, and strongly recommending fall irrigation, soil testing to determine appropriate nitrogen fertilizer levels, and distributing it according to the growth stages of wheat, along with precise planning to avoid overlap in spring crop cultivation with wheat harvesting and timely entry of harvesting machinery into wheat fields are recommended to reduce the yield gap based on the influencing factors.

کلیدواژه‌ها [English]

  • Autumn irrigation
  • Harvest date
  • Organic matter
  • Top-dressing nitrogen fertilizer

مراجع

Aghili, S. A., Soltani, A., & Jafarnodeh, S. (2023). Investigating the factors causing the cotton yield gap (Case study: Golestan province - Kordkuy county). Iranian Journal of Cotton Researches, 11(2), 1-22. [In Persian]. doi: 10.22092/ijcr.2024.365938.1217.##Amini Mandi, V., Nakhzari Moghaddam, A., Rahemi Karizaki, A., & Naeemi, M. (2022). Investigating the effective factors on yield gap of rice in Mazandaran province. Journal of Crops Improvement, 24(1), 205-217. [In Persian]. doi: 10.22059/jci.2022.320259.2527.##Anagholi, A., Nikkhah, M., & Omidvari, Z. (2024). Identification of yield-reducing factors using comparative performance analysis (CPA) method in wheat fields (Case study: Abarkoh). Journal of Crop Science Research in Arid Regions, 6(1), 17-31. [In Persian]. doi: 10.22034/CSRAR.2024.368709.1288.##Bagheripour, M. A., Heidari Sharifabad, H., Mehraban, A., & Ganjali, H. R. (2024). Estimating yield gap of wheat (Triticum aestivum L.) using the comparative performance analysis (CPA) method in the Bam, Narmashir and Fahraj counties of Kerman province. Legume Research-An International Journal, 47(7), 1235-1241. doi: 10.18805/LRF-777.##Devkota, K. P., Devkota, M., Boboev, H., Juraev, D., Dilmurodov, Sh., & Sharma, R. C. (2025). Data-driven agronomic solutions to close wheat yield gaps and achieve self-sufficiency in Uzbekistan. Agricultural Systems, 225, 104291. doi: 10.1016/j.agsy.2025.104291.##FAO. (2023). FAOSTAT. Food and Agriculture Organization of the United Nations. Retrieved August 22, 2025. https://www.fao.org/faostat/en/#data/QCL.##Gorgizad, A., Soltani, A., Dastan, S., & Ajamnoroozi, H. (2019). Evaluation of potential yield and yield gap associated with crop management in improved rice cultivars in Neka region. Journal of Agroecology, 11(1), 277-294. [In Persian]. doi: 10.22067/jag.v11i1.67430.##Hajjarpour, A., Soltani, A., Zeinali, E., Kashiri, H., & Aynehband, A. (2017). Evaluation of wheat (Triticum aestivum L.) yield gap in Golestan province of Iran using comparative performance analysis (CPA) method. Iranian Journal of Crop Sciences, 19(2), 86-101. [In Persian]. dor: 20.1001.1.15625540.1396.19.2.1.9.##Hesadi, P., Mozafari, H., Sadeghzadeh Hemayati, S., Moaveni, P., & Sani, B. (2023). Assessment of factors limiting spring-sown sugar beet yield in Iran using the CPA method. Journal of Sugar Beet, 38(2), 145-168. [In Persian]. doi: 10.22092/JSB.2023.358417.1303.##Hochmana, Z., Gobbett, D., Horan, H., & Garcia, J. N. (2016). Data rich yield gap analysis of wheat in Australia. Field Crops Research, 197, 97-106. doi: 10.1016/j.fcr.2016.08.017.##Jafarnodeh, S., Khandardi, K., Jankord, V., Soltani, A., Ghaderifar, F., & Siahmargue, A. (2025). Effect of field size on factors contributing to grain yield gap in rainfed wheat (Triticum aestivum L.) growing areas in Gomishan region of Golestan province of Iran. Iranian Journal of Crop Sciences, 26(4), 333-351. [In Persian]. doi: 10.29252/ijrr.19.1.1.##Kamali, B., Rahemi Karizaki, A, Biabani, A., & Mollashahi, M. (2021). Analysis of the limiting factors of pea (Pisum sativum L.) yield in the Mediterranean conditions (Case study: Gonbad Kavus). Iranian Journal of Pulses Research, 12(2), 122-135. [In Persian]. doi: 10.22067/ijpr.v12i2.84317.##Khajehpour, M. R. (2013). Cereal Crop. University Jahad Publications, Isfahan University of Technology, Isfahan, Iran. [In Persian].##Masouri Vajari, M. R., Zeinali, E., Soltani, A., Torabi, B., & Nehbandani, A. R. (2024). Estimation and analysis of faba bean yield gap in Golestan province using the CPA method. Journal of Crops Improvement, 26(2), 341-348. [In Persian]. doi: 10.22059/jci.2024.364740.2844.##Matourian, H., Khodaei Joghan, A., Moradi Telavt, M., Siadat., S. A., & Torabi, B. (2021). Estimation of wheat (Triticum aestivum L.) yield limiting factors using comparative performance analysis (CPA) method in Khorramshahr region in Iran. Iranian Journal of Crop Sciences, 23(3), 265-277. [In Persian]. doi: 20.1001.1.15625540.1400.23.3.1.9.##Matourian, H., Khodaei Joghan, A., Moradi Telavat, M., Siadat, S. A., & Torabi, B. (2022). Analyzing rapeseed (Brassica napus L.) yield gap using comparative performance analysis (CPA) in Khorramshahr. Journal of Agroecology, 14(2), 275-289. [In Persian]. doi: 10.22067/agry.2021.67226.0.##Mohammadi Kashka, F., Tahmasebi Sarvestani, Z. A., Pirdashti, H., Motevali, A., & Nadi, M. (2022). Evaluation of management factors affecting soybean [Glycine max (L.) Merril] yield gap in Mazandaran province using comparative performance analysis (CPA). Crop Production, 15(1), 73-100. [In Persian]. doi: 10.22069/EJCP.2022.19128.2427.##Nazari, A., Soltani, A., Zeinali, E., & Nehbandani, A. (2025). Analysis of management factors affecting irrigated wheat (Triticum aestivum L.) yield gap in different regions of Lorestan province using the comparative performance analysis (CPA) method. Journal of Agroecology, 17(1), 145-164. [In Persian]. doi: 10.22067/agry.2025.89658.1212.##Nobatiani, M. Sh., Rahemi Karizaki, A., Biabani, A., & Mansouri Rad, A. (2020). Documentation of production process and determination of limiting factors of wheat yield by CPA method in Kalaleh county. Journal of Crops Improvement, 22(3), 361-372. [In Persian]. doi: 10.22059/jci.2020.284310.2237.##Pourhadian, H. (2018). Yield gap analysis of forage maize using crop modeling, remote sensing and geographical information system approaches (A case study: Four basins of Golestan province). Ph. D. Dissertation, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan Iran. [In Persian].##Pourhadian, H. (2024). Evaluation of land potential for spring sugar beet cultivation using geospatial technologies (Case study: Agricultural lands of Lorestan province). Journal of Sugar Beet, 39(2), 209-222. [In Persian]. doi: 10.22092/jsb.2024.364298.1341.##Pourhadian, H., Hadavand, N., & Kazem Aslani, H. (2021). Interaction of nitrogen and rhizobium on photosynthetic and yield components of red beans (Sayad cultivar) in Azna. Journal of Crop Production & Processing, 11(2), 37-50. [In Persian]. doi: 10.47176/jcpp.11.2.36051.##Sekhavatifar, Sh., Rahemi Karizaki, A., Nakhzari Moghaddam, A., & Mollashahi, M. (2020). Identification of rapeseed limiting factors using performance comparison analysis. Journal of Crops Improvement, 22(1), 13-25. [In Persian]. doi: 10.22059/jci.2019.280944.2212.##Shahbazi, K., & Besharati, H. (2013). Overview of agricultural soil fertility status of Iran. Journal of Land Management, 1(1), 1-15. [In Persian]. doi: 10.22092/lmj.2013.100072.##Shirinzadeh, A., Sharif Abad, H., Nourmohammadi, Gh., Majidi Hervan, E., & Madani, H. (2020). Analyzing wheat yield constraints in Parsabad Moghan, north-west of Iran. Journal of Crop Production & Processing, 10(2), 49-65. [In Persian]. doi: 10.47176/jcpp.10.2.35211.##Shokrgorzar Darabi, M., Soltani, A., & Zainli, A. (2018). Study of cotton yield gap with boundary line analysis method in Aq-Qla and Aliabad Katul cities in Golestan province. Journal of Crop Production, 11(3), 15-28. [In Persian]. doi: 10.22069/ejcp.2019.11399.1875.##Soltani, A. (2014). Application of SAS in Statistical Analysis: For Agricultural Disciplines. 2nd Edition. Publication of Jahad University of Mashhad. Mashhad, Iran. [In Persian].##Soukhtehsaraei, M., Dadashi, M. R., Faraji, A., & Soltani, A. (2023). Determination of soybean yield gap in Aliabad Katol area by use of CPA analysis and bundary linear. Crop Production, 16(1), 25-42. [In Persian]. doi: 10.22069/ejcp.2023.17284.2282.##Ministry of Agricultural Jahad. (2025). Agricultural Statistics Yearbook, 2023-2024. Volume 1. Crop Products. Statistics, Information and Communication Technology Center, Deputy of Economic Planning, Ministry of Agricultural Jahad, Tehran, Iran. [In Persian].##Taheri Alam, S., & Asakereh, H. (2024). Climatic feasibility study of wheat in Lorestan province. Climat Chenge & Climat Disasters, 2(4), 143-163. [In Persian].##Van Ittersum, M. K., Cassman, K. G., Grassini, P., Wolfa, J., Tittonell, P., & Hochmana, Z. (2013). Yield gap analysis with local to global relevance: A review. Field Crops Research, 143, 4-17. doi: 10.1016/j.fcr.2012.09.009.##

فایل ها

هم رسانی

ارجاع به این مقاله

آمار