ارزیابی توانایی مدل AquaCrop در پیش‌بینی عملکرد دانه و عملکرد بیولوژیک ذرت، تحت مدیریت آبیاری و نیتروژن

محورهای موضوعی : مجله علمی- پژوهشی اکوفیزیولوژی گیاهی

ابراهیم امیری ¹ , افشین خورسند ²

1 - دانشیار گروه کشاورزی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
2 - دانشجوی دکتری، گروه مهندسی آب، دانشگاه ارومیه، ارومیه، ایران

تاریخ دریافت : 1395/01/20 تاریخ پذیرش : 1395/04/30 تاریخ انتشار : 1397/06/01

کلید واژه: گیلان, عملکرد بیولوژیک, عملکرد دانه, ذرت, شبیه‌سازی مدل,

چکیده مقاله :

مطالعه حاضر برای ارزیابی توانایی مدل AquaCrop برای پیش‌بینی عملکرد دانه و عملکرد بیولوژیک ذرت، در لاهیجان، به مدت دو سال در سال‌های زراعی 1389 و 1390 اجرا گردید. طرح آزمایشی کرت‌های خرد‌شده، در قالب بلوک‌های کامل تصادفی با سه تکرار بود. تیمار‌های آبیاری به عنوان کرت اصلی در سه سطح دور آبیاری 6، 12 و 18 روز بودند. تیمار‌های کود نیتروژن به عنوان کرت فرعی در 4 سطح 0، 120، 180 و 240 کیلوگرم در هکتار بودند. ارزیابی مقادیر شبیه‌سازی و اندازه‌گیری شده عملکرد دانه و عملکرد بیولوژیک با استفاده از ضریب تبیین و پارامتر ریشه میانگین مربعات خطای نرمال شده انجام گرفت. بر اساس نتایج، متوسط ریشه میانگین مربعات خطای نرمال شده‌ی پیش‌بینی عملکرد دانه در مرحله واسنجی و اعتبارسنجی برای ژنوتیپ‌ (سینگل کراس 704) به ترتیب، 74/14 و 01/12 درصد، و برای عملکرد بیولوژیک به ترتیب، 31/10 و 66/9 درصد محاسبه گردید. هم‌چنین، مقدار ضریب تبیین در مراحل واسنجی و اعتبارسنجی برای عملکرد ذرت توسط مدل به ترتیب، 90/0 و 61/0 و برای عملکرد بیولوژیک به ترتیب، 91/0 و 86/0 بدست آمد. نتایج نشان داد که مدل AquaCrop در پیش‌بینی عملکرد دانه و عملکرد بیولوژیک ذرت، دارای دقت مناسب می‌باشد.

چکیده انگلیسی:

This study was conducted for performance evaluation of AquaCrop model to predict grain yield and biomass of maize in Lahijan, Iran for two years (2010-2011). The experiment was a randomized block based on a split plot design with three replications. Irrigation treatments as main plots were in three irrigation levels 6, 12 and 18 days, respectively. Nitrogen fertilizer treatments as sub-plots in four levels of 0, 120, 180 and 240 kg per hectare, respectively. Evaluation simulated and measured grain yield and biomass by adjusted coefficient of correlation; and by normalized root mean square errors (NRMSE). Based on results, the average normalized root mean square error of calibration and validation in grain yield prediction for the genotype (SC704), were calculated 14.74 and 12.01 percent, respectively and for biomass, were calculated 10.31 and 9.66, respectively. Also, the regression coefficient (R2) of calibration and validation for maize grain yield, were calculated 0.84 and 0.77, respectively and for maize biomass, were calculated 0.91 and 0.86, respectively. Results indicated that, the AquaCrop model predicted maize grain yield and biomass prediction with an appropriate precision.

منابع و مأخذ:

پارسا، س. 1386. مدل­سازی نوسانات مکانی و زمانی عملکرد چغندرقند در استان خراسان. پایان­نامه دکتری، دانشکده کشاورزی دانشگاه فردوسی مشهد.

توکلی، ع.، ع. لیاقت و ا. علیزاده. 1392. بررسی موازنه آب خاک، تاریخ کاشت و عملکرد گندم با استفاده از مدل AquaCrop در شرایط دیم و آبیاری محدود. نشریه آبیاری و زهکشی ایران. جلد 14، شماره 4: 56-41.

جلینی، م.، ف. کاوه، ا. پذیرا، م. پاره­کار و م. ج. عابدی. 1384. برآورد رطوبت در محدوده توسعه ریشه چغندرقند با استفاده از مدل LEACHM. مجله علوم کشاورزی و منابع طبیعی، ویژه­نامه زراعت و اصلاح نباتات. جلد 12، شماره 49: 38-28.

خورسند، ا. 1393. ارزیابی عملکرد و مقایسه مدل­های AquaCrop و SWAP تحت تنش­های شوری و آبی (مطالعه موردی گندم زمستانه). پایان­نامه کارشناسی ارشد، دانشگاه ارومیه.

خورسند، ا.، و. رضاوردی­نژاد و ع. شهیدی. 1393. ارزیابی عملکرد مدل AquaCrop در پیش­بینی عملکرد گندم، رطوبت و شوری نیمرخ خاک تحت تنش­های شوری و کم­آبی. مدیریت آب و آبیاری. جلد 4، شماره 1: 104-89.

دوستی­رضایی، م.، س. بشارت، ح. رضایی، و. رضاوردی­نژاد و ج. احمدآلی. 1392. ارزیابی مدل AquaCrop بر عملکرد دانه ذرت. دومین کنفرانس بین­المللی مدل­سازی گیاه، آب، خاک و هوا. دانشگاه کرمان.

رحیمی­خوب، ح.، ع. ستوده­نیا و ع. مساح بوانی. 1393. واسنجی و ارزیابی مدل AquaCrop برای ذرت علوفه­ای منطقه قزوین. نشریه آبیاری و زهکشی ایران. جلد 8، شماره 1: 115-108.

ملکوتی، م. ج.، و م. همایی. 1383. حاصلخیزی خاک­های مناطق خشک و نیمه­خشک، مشکلات و راه حل­ها. انتشارات دانشگاه تربیت مدرس تهران. 482 صفحه.

Abedinpour, M., A. Sarangi, T. B. S. Rajput, M. Singh, H. Pathak and T. Ahmad. 2012. Performance evaluation of AquaCrop model for maize crop in a semi-arid Environment. Agr Water Manage. 110: 55– 66.

Alishiri, R., F. Paknejad and F. Aghayari. 2014. Simulation of sugerbeet growth under different water regimes and nitrogen levels by aqua crop. International Journal of Biosciences (IJB). 4: 2220-6655.

Allen, R. G., L. S. Preira, D. Raes and M. Smith. 1998. Crop evapotranspiration guidelines for computing crop water requirement. FAO Irrigation and Drainage Paper, NO.56, Rome, Italy.

Bennett, J. M., J. W. Jones, B. Zur and L. C. Hammond. 1986. Interactive effects of nitrogen and water stresses on water relations of fi eld-grown corn leaves. Agron. J. 78: 273–280.

Boote, K. j., J. W. Jones and N. Pikering. 1996. Potential uses and limitations of crop models. Agron. J. 88: 704-716.

Brandyle, T., L. Szaty, S. Gnatow and O. Tomasz. 2005. Examination of SWAP suitability to predict soil water conditions in a field Peat-Moorsh soil. Department of environmental improvement, Warsaw Agricultural University, Poland.

Cavero, J., I. Farre, P. Debaeke and J. M. Faci. 2000. Simulation of maize yield under water stress with the EPIC phase and CROPWAT models. Agron. J. 92: 679–690.

Erkossa, T., S. Awulachew and D. Aster. 2011. Soil fertility effect on water productivity of maize in the upper Blue Nile basin, Ethiopia. International Water Management Institute (IWMI). 2: 238-247.

Girardin, P., M. Tollenaar, A. Deltour and J. Muldoon. 1987. Temporary N starvation in maize (Zea mays L.): effects on development, dry matter accumulation and grain yield. J. Am. Soc. Agron. 7: 289 – 296.

Heng, L. K., S. R. Evett, T. A. Howell T. C. Hsiao. 2009. Calibration and testing of FAO AquaCrop model for maize in several locations. Agron. J. 101: 488–498.

Howell, T., G. Tolk, A. Schneider and S. Evett. 1998. Evapotranspiration, yield and water use efficiency of corn hybrid differing in maturity. Agron. J. 90: 3-9.

Hsiao, T. C., L. K. Heng, P. Steduto, D. Raes and E. Fereres. 2009. AquaCrop-Model parameterization and testing for maize. Agron. J. 101: 448–459.

Hugh, J. E and R. F. Davids. 2003. Effect of drought stress on leaf and while canopy radiation use efficiency and yield of maize. Agron. J. 95: 688-696.

Iqbal, M., Y. Shen, R. Stricevic, H. Pei, H. Sun, E. Amiri, A. Penas and S. del­Rio. 2014. Evaluation of the FAO AquaCrop model for winter wheat on the North China Plain under deficit irrigation from field experiment to regional yield simulation. Agr Water Manage. 135:61-72.

Muchow, R., T. Sinclair and J. Bennett. 1990. Statistics: Temperature and solar radiation effects on potential maize yield across locations. Agron. J. 82: 338-343.

Norwood, C. A. 2000. Water use and yield of limited irrigated and dry land corn. Soil Science Society of America Journal. 64: 365 - 370.

Raes, D., P. Steduto, T. C. Hsiao and E. Fereres. 2009. Reference manual AquaCrop. FAO, Land and Water Division, Rome, Italy.

Salemi, H., M. A. Mohd Soom, S. F. Mousavi, A. Ganji, T. Shui Lee, M. K. Yusoff and V. R. verdinejad. 2011. Irrigated silage maize yield and water productivity response to deficit irrigation in arid regions. Pol. J. Environ. Stud. 5: 1295-1303.

Singh, R. 2004. Simulation on direct and cyclic use of saline waters for sustaining cotton-wheat in a semi-arid area of north-west India. Agr Water Manage. 66:153-162.

Singh, A.K., R. Tripathy and U.K. Chopra. 2008. Evaluation of CERES-Wheat and CropSyst models for water Nitrogen interactions in wheat crop. Agr Water Manage. 95: 776–786.

Verdinejad, V. R., A. Khorsand and A. Shahidi. 2014. Evaluation and comparison of AquaCrop and FAO models for yield prediction of winter wheat under environmental stresses. Journal of Biodiversity and Environmental Sciences (JBES). 4: 438-449.

Zhang, W., W. Liu, Q. Xue, H. Pei, J. Chen and X. Han. 2013. Evaluation of the AquaCrop model for simulating yield response of winter wheat to water on the southern Loess Plateau of China. Water Sci. Technol. 68: 821-828.