fa بررسی تأثیر نوسانات شاخص‌های مرتبط با دما و بارش تحت تأثیر تغییر اقلیم بر عملکرد زعفران (مطالعه موردی: استان همدان) عمومی Ggeneral پژوهشي Research <div style="text-align: justify;">تأثیرات تغییرات اقلیم روی عملکرد و بازدهی محصولات کشاورزی از اصلی‌ترین دغدغه‌ها و چالش‌های صنعت کشاورزی است. عوامل محیط زیستی مختلفی مانند تغییرات شدید دما و نوسانات شدید بارندگی روی رشد و عملکرد محصولات کشاورزی تأثیرگذار است. زعفران یکی از مهم‌ترین محصولات کشاورزی کشور ایران است که نقش مهمی در موضع صادرات دارد. ایران دارای بیشترین تولید زعفران در جهان و استان همدان یکی از بزرگ‌ترین تولیدکنندگان آن در ایران است. در این مطالعه با بهره‌گیری از روش‌های هوش مصنوعی برای دسته‌بندی و تحلیل حساسیت داده‌های هواشناسی و کشاورزی، تأثیر تغییر اقلیم بر عملکرد زعفران در استان همدان بررسی شد. نتایج نشان داد که شاخص‌های تغییرات شدید اقلیمی ناشی از بیشینه و کمینه دمای ماهانه، بیشترین تأثیر منفی را نسبت به سایر شاخص‌های هواشناسی بر عملکرد زعفران دارند. علاوه بر این، نتایج نشان داد که الگوریتم جنگل تصادفی، به عنوان یکی از مناسب‌ترین روش‌ها برای تحلیل حساسیت در مقایسه با سایر الگوریتم‌های بررسی‌شده، عمل می‌کند. سه شهرستان ملایر، نهاوند و اسدآباد، دارای بیشترین دقت در تحلیل حساسیت بودند. یافته‌ها نشان داد که با استفاده از اطلاعات دمایی حدی ماهانه، می‌توان ریسک تولید زعفران را ارزیابی کرد و آگاهی لازم برای کشت این محصول را افزایش داد.</div> <div style="text-align: justify;">The effect of climate change on agricultural productivity and efficiency is a major concern and challenge for the agricultural industry. Different hydrometeorological variables, such as extreme temperature, precipitation, and their variations, affect the growth and yield of agricultural products. Saffron is one of the most important agricultural products in Iran. Iran produces the largest amount of Saffron globally, and Hamadan Province is one of the major saffron-producing regions in Iran. This study uses different Artificial Intelligence methods not only for clustering and sensitivity analysis of the hydroclimatological variables but also for evaluating the impacts of climate change on Saffron yield in Hamadan Province. Results indicated that the Random Forest algorithm performs the best for sensitivity analysis among all algorithms. Extreme climate change indices, particularly those related to the monthly maximum and minimum temperatures, have the highest negative impact on saffron yield compared to other hydroclimatological indices. Furthermore, the minimum temperature has a more significant negative impact on saffron yield compared to the maximum temperature. Additionally, the counties of Malayer, Nahavand, and Asadabad, located in the south and west of Hamadan Province, exhibited the highest accuracy in sensitivity analysis. The findings suggest that monthly extreme temperatures can be used to assess the risk of saffron production, increase agricultural productivity, and improve decision-making for the cultivation of this product.<br> &nbsp;</div> تغییر اقلیم, الگوریتم‌های هوش مصنوعی, کشاورزی, زعفران, استان همدان Climate change, Artificial intelligence algorithms, Agriculture, Saffron, Hamadan province 140 153 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-4268-2&slc_lang=fa&sid=1 Sanaz Moghim ساناز مقیم moghim@sharif.edu Yes Department of Civil Engineering, Sharif University of Technology, Tehran, Iran. گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران. Amirabbas Samavaki امیرعباس سماوکی Amirabbas.samavaki78@sharif.edu No Department of Civil Engineering, Sharif University of Technology, Tehran, Iran. گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران.