آنالیز حساسیت موضعی مدل AquaCrop برای دو محصول گندم و ذرت در دو منطقه دشت قزوین و پارسآباد مغان.

استفاده از مدل‌های گیاهی برای اهداف مختلف مانند پیش‌بینی عملکرد، تعیین نیاز آبی، بررسی های اثر تغییر اقلیم، خشکسالی و مدیریت‌های مختلف آبیاری و زراعی ضروری است. این مدل‌ها ابزار ارزشمندی برای تحلیل کمی رشد گیاه و تولید محصول هستند. یکی از چالش‌ها در برابر کاربرد این مدل‌ها، تعدد پارامترهای ورودی آنهاست. اندازه گیری این پارامتر‌ها هزینه‌بر، زمان‌بر و گاه با توجه به محدودیت‌های مختلف غیرممکن است و معمولا از طریق واسنجی و حل معکوس تخمین زده می‌شوند. تحلیل حساسیت فرآیندی است که اثر پارامتر‌‌های ورودی بر متغیر‌های خروجی مدل‌های ریاضی را بررسی می‌کند. در هنگام واسنجی، پارامترهای حساس باید با دقت بالاتری اندازه‌گیری یا برآورد شوند. اعمال روش‌های مبتنی بر اجراهای زیاد بر مدل‌های متن‌بسته (Closed Source) به آسانی مدل‌های متن‌باز (Open Source) نمی‌باشد. در این تحقیق، اثر 47 پارامتر گیاهی (نام پارامترها در جداول 1 و 2 آمده است) مدل متن‌بسته‌ی AquaCrop بر 5 متغیر خروجی مدل شامل تبخیر از سطح خاک، تعرق، تبخیروتعرق، زیست‌توده و عملکرد دانه برای دو محصول گندم و ذرت در مناطق دشت قزوین و پارس‌آباد مغان مورد مطالعه قرار گرفت و با استفاده از شاخص کارایی مدل نش-ساتکلیف نسبی، درجه حساسیت این پارامتر‌ها مشخص گردید. پارامتر‌‌های درجه روز رشد افزایش پوشش تاج (X45)، درجه روز رشد بذرافشانی تا بلوغ (X42)، درجه روز رشد بذرافشانی تا آغاز پیری (X41) و بیشترین پوشش تاج در نسبت پوشش خاک (X30) بطور مشترک در هر دو محصول بیشترین حساسیت را از خود نشان دادند. بنابراین تعیین دقیق دوره‌های مختلف رشد گیاه برحسب روز و یا درجه روز رشد که اتفاقا اندازه‌گیری آن‌ها آسان‌تر از سایر پارامترها می‌باشد از اهمیت بیشتری برخوردار هستند. برای هر 5 خروجی گندم و ذرت منطقه‌ی قزوین، حدود نیمی از پارامتر‌های ورودی بدون تأثیرند و در هنگام واسنجی از اهمیت ناچیزی برخوردار می‌باشند. با اینکه روش تحلیل حساسیت موضعی (Local Sensitivity Analysis) پیچیدگی‌های محاسباتی و مفهومی روش‌های تحلیل حساسیت کلی (Global Sensitivity Analysis) را ندارد، نتایج نشان داد که این روش می‌تواند به نتایج مشابه با مطالعاتی که از روش‌های تحلیل حساسیت کلی استفاده کرده‌اند منجر گردد.