شبیهسازی عملکرد و بهرهوری برنج تحت شرایط مدیریت آبیاری و تاریخ کاشت با مدل Aquacrop
الموضوعات :پویا اعلایی بازکیایی 1 , بهنام کامکار 2 , ابراهیم امیری 3 , حسین کاظمی 4 , مجتبی رضایی 5 , سهیل اکبرزاده 6
1 - دانشجوی دکتری گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.
2 - استاد گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان و گروه اگروتکنولوژی دانشگاه فردوسی مشهد.
3 - استاد گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران.
4 - استادیار، گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.
5 - موسسه تحقیقات برنج کشور . سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت ، ایران
6 - دانشجوی سابق کارشناسی، گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.
الکلمات المفتاحية: تاریخ کاشت, آبیاری, برنج, مدل Aquacrop, بهرهوری آب,
ملخص المقالة :
به‌منظور ارزیابی مدل Aquacrop و بررسی بهرهوری تولید برنج تحت شرایط مدیریت آبیاری و تاریخ کاشت، آزمایشی به‌صورت کرت‌های خردشده با طرح پایه بلوک‌های کامل تصادفی در سه تکرار بر روی رقم محلی (هاشمی) در دو سال زراعی ۱۳۹۵ و ۱۳۹۶ در موسسه تحقیقات برنج ایران، رشت انجام گردید. دور آبیاری به‌عنوان عامل اصلی در چهار سطح غرقاب دائمی، دور آبیاری ۵، ۱۰ و ۱۵ روز و تاریخ کاشت به‌عنوان عامل فرعی در سه سطح (یک اردیبهشت، بیستم اردیبهشت و دهم خرداد) در نظر گرفته شدند. ارزیابی مقادیر شبیهسازی و اندازه‌گیری شده عملکرد شلتوک و عملکرد زیستی با استفاده از مؤلفه‌های ضریب تبیین، آزمون t و ریشه میانگین مربعات خطا (RMSE)، کارایی مدل (EF) و میانگین انحراف خطا (MBE) و ریشه میانگین مربعات خطای نرمال شده (NRMSE) انجام گرفت. نتایج تحقیق نشان داد که ریشه میانگین مربعات خطای نرمال شده عملکرد شلتوک و عملکرد زیستی به ترتیب ۹ و ۵ درصد می‌باشد. بر اساس بهرهوری و میزان کاهش عملکرد شلتوک، آبیاری غرقاب در تاریخ یک اردیبهشت بیش‌ترین بهرهوری را داشت. با توجه به ضریب تبیین بالای 7/0 و کارایی بالای 6/0 مدل Aquacrop در شبیهسازی عملکرد شلتوک و عملکرد زیستی، مدل مذکور از دقت مناسبی برخوردار بود و می‌توان از مدل Aquacrop برای پشتیبانی نتایج آزمایش‌های تحت شرایط مدیریت آبیاری و تاریخ کاشت استفاده نمود.
ابراهیمی پاک، ن. ع.، اگدرنژاد، ا.، تافته، ا.، خدادادی دهکردی، د. 1397 .بررسی کارایی مدل AquaCrop در شبیهسازی عملکرد گیاه کلزا تحت سناریوهای کم آبیاری در دشت قزوین. تحقیقات آب و خاک ایران، 49(5 :)1003-1015.
آمارنامه کشاورزی. 1396 .جلد اول: محصوالت زراعی. 1394-95 .دفتر آمار و فناوری اطالعات، معاونت امور برنامه ریزی و اقتصادی. وزارت جهاد کشاورزی. 90 صفحه.
امیری، ا. 1390 .شبیه سازی رشد و نمو برنج تحت شرایط محدودیت آبیاری. علوم زیستی واحد الهیجان، 5(4 :)1-13.
امیری، ا.، رضویپور، ت. و بنایان، م. 1390 .ارزیابی عملکرد و بهرهوری آب در برنج تحت شرایط مختلف آبیاری و فاصله کاشت با از استفاده از مدل ORYZA2000. تولید گیاهان زراعی، 4 (3): 1- 19.
پازوکی، ع.، کریمی، م. و فوالدی، ع. 1389 .بررسی اثر تاریخ‌های کاشت بر عملکرد اکوتیپ‌های گیاه زعفران (.L sativus Crocus) در منطقه نطنز. فیزیولوژی گیاهان زراعی. 2(8:)3-12.
حسنی پاک، ع. ا. 1386 .زمینآمار (ژئواستاتیک). انتشارات دانشگاه تهران. 314 ص.
ذوالفقاری، ح.، فرهادی، ب. و رحیمی، ح. 1395 .توان‌های اقلیمی ایران برای کاشت سویا. جغرافیا و برنامه‌ریزی، 20(56)89-105.
سلطانی، ا.، رحیم زاده خویی، ف.، قاسمی گلعذانی، ک. و مقدم، م. 1378 .CICER یک مدل رایانه‌ای برای شبیهسازی رشد و عملکرد نخود. دانش کشاورزی، 9(3): 89-106.
ضیایی، ، بابازاده، ح.، عباسی، ف.، کاوه، ف. 1393 .بررسی عملکرد مدلهای AquaCrop و CERES-Maize در برآورد اجزای بیلان آب خاک و عملکرد ذرت. تحقیقات آب و خاک ایران، 45(4): 435-445.
علیزاده، ح. ع.، عباسی، ف. 1396. بررسی واکنش عملکرد ذرت دانهای به سطوح مختلف آب و کود مصرفی با استفاده از مدل AquaCrop. علوم مهندسی آبیاری، 40(2): 119-134.
کمالی، ب.، رمرانی اعتدالی، ه.، ستوده نیا، ع. 1395 .تعیین زمان مناسب کاشت و آبیاری تکمیلی عدس دیم در دشت قزوین با استفاده از مدل AquaCrop. مجله آبیاری و زهکشی ایران، 10(5): 613-621.
Akumaga, U., Tarhule, A., and Yusuf, A. A. 2017. Validation and testing of the FAO AquaCrop model under different levels of nitrogen fertilizer on rainfed maize in Nigeria, West Africa. Agricultural and forest meteorology, 232: 225-234.
Amiri, E., Razavipour, T., Farid, A., and Bannayan, M. 2011. Effects of crop density and irrigation management on water productivity of rice production in Northern Iran: Field and Modeling Approach. Communications in Soil Science and Plant Analysis, 42 (17): 2085-2099.
Araya, A., Habtu, S., Hadgu, K. M., Kebede, A., and Dejene, T. 2010. Test of AquaCrop model in simulating biomass and yield of water deficient and irrigated barley (Hordeum vulgare). Agricultural Water Management, 97(11): 1838-1846.
Belder, P., Bouman, B.A.M. and Spiertz, J.H.J. 2007. Exploring option for water savings in lowland rice using a modeling approach. Agricultural Systems, 92: 91–114.
Bouman, B.A.M, and H.H. Van Laar. 2006. .Description and evaluation of the rice growth model ORYZA2000 under nitrogen-limited conditions. Agricultural Systems, (87): 249–273.
Brar, S. K., Mahal, S. S., Brar, A. S., Vashist, K. K., Sharma, N., and Buttar, G. S. 2012. Transplanting time and seedling age affect water productivity, rice yield and quality in north-west India. Agricultural water management, 115:, 217-222.
Chahal, G.B.S., Sood, A., Jalota, S.K., Choudhury, B.U., Sharma, P.K. 2007. Yield, evapotranspiration and water productivity of rice–wheat system in Punjab (India) as influenced by transplanting date of rice and weather parameters. Agricultural Water Management, 88: 14–22.
FAO. 2016. Food and Agricultural Organization of the United Nations (sited in: http://www,fao.org/index_en.htm/, 11/4/2018.
Geerts, S., Raes, D., Garcia, M., Taboada, C., Miranda, R., Cusicanqui, J., Mhizha, T., and Vacher, J. 2008. Modeling the potential for closing quinoa yield gaps under varying water availability in the Bolivian Altiplano, Agricultural Water Management, 96: 1652-1658.
Hsiao, T. C., Heng, L., Steduto, P., Rojas-Lara, B., Raes, D., and Fereres, E. 2009. AquaCrop—the FAO crop model to simulate yield response to water: III. Parameterization and testing for maize. Agronomy, 101(3): 448-459.
Jabran, K., Ullah, E., Hussain, M., Farooq, M., Haider, N., and Chauhan, B. S. 2015. Water saving, water productivity and yield outputs of fine-grain rice cultivars under conventional and water-saving rice production systems. Experimental agriculture, 51(4): 567-581.
Jin, X., Li, Z., Nie, C., Xu, X., Feng, H., Guo, W., and Wang, J. 2018. Parameter sensitivity analysis of the AquaCrop model based on extended fourier amplitude sensitivity under different agro-meteorological conditions and application. Field Crops Research, 226: 1-15.
Li, J., Song, J., Li, M., Shang, S., Mao, X., Yang, J., & Adeloye, A. J. (2018). Optimization of irrigation scheduling for spring wheat based on simulation-optimization model under uncertainty. Agricultural water management, 208: 245-260.
Liu, Y., Yang, H. S., Li, J. S., Li, Y. F. and Yan, H. J. 2018. Estimation of irrigation requirements for dripirrigated maize in a subhumid climate. Journal of integrative agriculture, 17(3), 1-7.
Mahajan, G., Bharaj, T. S., and Timsina, J. 2009. Yield and water productivity of rice as affected by time of transplanting in Punjab, India. agricultural water management, 96(3): 525-532.
Nyakudya, I. W., and Stroosnijder, L. 2014. Effect of rooting depth, plant density and planting date on maize (Zea mays L.) yield and water use efficiency in semi-arid Zimbabwe: Modelling with AquaCrop. Agricultural Water Management, 146: 280-296.
Raes, D., Steduto, P., Hsiao, T.C. and Fereres, E. 2009. AquaCrop-The FAO crop model for predicting yield response to water: II. Main algorithms and software description. Agronomy: 101:438–447.
Raes, D., Steduto, P., Hsiao, T.C. and Fereres, E. 2012. Reference manual AquaCrop, FAO, Land and Water Division, Rome, Italy.
Ran, H., Kang, S., Li, F., Du, T., Tong, L., Li, S., Li, S., Ding, R. and Zhang, X. 2018. Parameterization of the AquaCrop model for full and deficit irrigated maize for seed production in arid Northwest China. Agricultural Water Management, 203: 438-450.
Rinaldi, M., N.Losavio and Z .Flagella. 2003. Evaluation of OIL CROP-SUN model for sun flower in southern Italy. Agricultural Systems, 78:17-30.
Sekyi-Annan, E., Tischbein, B., Diekkrüger, B. and Khamzina, A. 2018. Performance evaluation of reservoirbased irrigation schemes in the Upper East region of Ghana. Agricultural Water Management, 202, 134-145.
Singh, M. C., Jain, A. K., and Jalota, S. K. 2017. Impact of Transplanting Date and Irrigation Scheduling on Water Balance, Water Productivity and Soil Moisture Movement. Journal of Agricultural Engineering, 54(1): 28-32.
Singh, R., Van Dam, J.C. and Feddes, R.A. 2006. Water productivity analysis of irrigated crops in Sirsa district, India. Agricultural Water Management, 82: 253-278.
Steduto, P., Hsiao, T.C., Raes, D. and Fereres, E. 2009. AquaCrop-The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy, 101:426–437.
Tan, S., Wang, Q., Zhang, J., Chen, Y., Shan, Y., and Xu, D. 2018. Performance of AquaCrop model for cotton growth simulation under film-mulched drip irrigation in southern Xinjiang, China. Agricultural Water Management, 196: 99-113.
Wang, X., Lu, W., Jun Xu, Y., Zhang, G., Qu, W., and Cheng, W. 2016. The positive impacts of irrigation schedules on rice yield and water consumption: synergies in Jilin Province, Northeast China. International journal of agricultural sustainability, 14(1): 1-12.
_||_