Scuzați, nu pot furniza traducerea articolului solicitat.

Variabilitatea climatică reprezintă o amenințare semnificativă pentru producția agricolă în regiunile aride și semi-aride, unde secetele devin din ce în ce mai frecvente și intense.

Acest studiu folosește o analiză de sensibilitate bazată pe variabilitate, combinată cu învățarea automată, pentru a evalua impactul variabilității climatice asupra recoltei în Iordania, o țară cu resurse de apă scăzute și cu un sector agricol în declin.

Folosind seturi de date meteorologice, de mediu și demografice, prezicem recoltele a patru culturi majore – grâu, orz, palmier de curmal și măslin – și evaluăm importanța relativă a variabilelor de intrare, inclusiv indicii de secetă, utilizând indicele Sobol’ de ordinul întâi stratificat.

Modelele de învățare automată, în special eXtreme Gradient Boosting, au depășit metodele tradiționale, atingând valori ale R2 pentru eșantioane externe de 0.79 pentru grâu, 0.92 pentru palmierul de curmal, 0.83 pentru măslin și 0.48 pentru previziunea recoltei de orz.

Analiza noastră de sensibilitate dezvăluie că orzul prezintă o reziliență mai mare la variabilitatea climatică, variabilele legate de climă explicând doar 20% din variabilitatea recoltei sale.

În contrast, grâul este extrem de vulnerabil la secete prelungite și de intensitate scăzută, un indice de precipitații pe termen lung contând pentru 36% din variabilitatea recoltei sale, în timp ce variabilele climatice pe termen scurt explică 49% din restul variabilității.

Recoltele de palmier de curmal și măslin sunt mai sensibile la secetele pe termen scurt, de mare magnitudine, indicii de precipitații pe termen scurt explicând 35% și, respectiv, 44% din variabilitatea acestora.

Aceste descoperiri pot ajuta la informarea politicilor care optimizează alocarea resurselor de apă, prioritizează culturile rezistente la secetă și implementează strategii țintite pentru a spori reziliența agricolă în Iordania.

Prin valorificarea datelor publice de sensori remote și a metodelor avansate de analiză a sensibilității, această abordare poate fi adaptată altor regiuni cu resurse de date limitate pentru a sprijini securitatea alimentară și gestionarea agricolă durabilă..