ارزیابی مدل CERES-Wheat در شبیه سازی عملکرد ارقام گندم تحت تیمارهای مختلف آبیاری
محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاریزهرا سعادتی 1 , معصومه دلبری 2 , ابراهیم امیری 3 , مهدی پناهی 4 , محمد حسین رحیمیان 5 , مسعود قدسی 6
1 - دانشجوی دکتری آبیاری و زهکشی، دانشگاه زابل
2 - عضو هیئت علمی دانشگاه زابل
3 - دانشگاه آزاد اسلامی واحد لاهیجان
4 - عضو هیات علمی موسسه تحقیقات خاک و آب کرج
5 - عضو هیات علمی مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی
6 - عضو هیات علمی مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی
کلید واژه: عملکرد گندم, بهره وری آب, مدیریت آبیاری, مدل شبیه سازی,
چکیده مقاله :
مدلهای شبیه ساز که اثرات مقادیر مختلف آب بر روی عملکرد محصول را به صورت کمی شبیه سازی میکنند، ابزارهایی مفید در مدیریت آب در سطح مزرعه و بهینه سازی کارآیی مصرف آب میباشند.در این تحقیق از مدل CERES-Wheat جهت شبیه سازی پاسخ عملکرد گندم تحت تیمارهای مختلف آبیاری-رقم با 3 تیمار آبیاری در کرتهای اصلی و 5 رقم گندم در کرتهای فرعی شامل C-73-5، C-78-4، C-78-8، C-79-6 و C-79-16 در مشهد در طی دو سال زراعی 82-1381 و 83-1382 استفاده شد.با توجه به نتایج،بر اساس شاخص آماری ریشه میانگین مربعات خطای نسبی، مدل CERES-Wheat عملکرد دانه در سال زراعی 82-1381 را با 7 درصد و در سال زراعی 83-1382 با 10 درصد نسبت به عملکرد دانه مشاهده شده، شبیه سازی کرد. چون مقدار ریشه میانگین مربعات خطای نسبی کمتر از 10 درصد بوده،بنابراین شبیه سازی به خوبی انجام گرفته است.همچنین، مقدار ریشه میانگین مربعات خطای محاسبه شده برای عملکرد دانه در هر دو سال زراعی کمتر از 10 درصد مقدار میانگین مشاهده شده بدست آمد.این نتایج مبین مطابقت خوب نتایج شبیه سازی مدل میباشد.همچنین، مقادیر بهره وری آب بر اساس میزان تبخیر و تعرق و بهره وری آب بر اساس میزان آب آبیاری برای هر دو سال زراعی 82-1381 و 83-1382 در تیمار I3-C-79-6 بیشترین مقدار را دارا هستند، لذا مدیریت آبیاری مذکور و رقم گندم C-79-6 میتواند در منطقه مورد مطالعه توصیه شود.بطور کلی یافتههای تحقیق، کارایی مطلوب مدل CERES-Wheat در شبیه سازی فرآیند رشد و تأثیر آب بر عملکرد گندم در منطقه مورد مطالعه را تأیید مینماید.
The simulation models of yield response to water are expected to play an increasingly important role in the optimization of water productivity (WP) in agriculture. In this study, the CERES-Wheat model was used to simulate of wheat yield response under different irrigation-cultivar treatments with three irrigation treatments in main plots and Five wheat cultivars in sub plots consisted of C1:C-75-5, C2: C-78-4, C3:C-78-8, C4: C-79-6 and C5: C-79-16 in Mashhad region during the years of 2002-2003 and 2003-2004. According to the results, the relative root mean square error of grain yield simulation by CERES-Wheat model was 7 and 10 % for 2002-2003 and 2003-2004 years, respectively. Because, the relative root mean square error was less than 10 percent, so done well simulation. Also, the root mean square error calculated for grain yield for both years was less than 10 percent of the observed mean. The results are indicating a good match to the simulation results of the model. The value water productivity based on crop evapotranspiration and irrigation water value in I3-C-79-6 treatment has the value highest for both years of 2002-2003 and 2003-2004. Therefore, the noted irrigation management (I3) and wheat cultivar (C-79-6) can be recommended in the study area. The overall findings of this study to confirm the optimal performance of the model CERES-Wheat in the growth process simulation and the water impact on yield in the study area.
اندرزیان، ب.، بخشنده، ع.، بنایان، م. و امام، ی. 1387. ارزیابی مدل شبیه‌سازی CERES-Wheat در شرایط اقلیمی اهواز. مجله پژوهش‌های زراعی ایران، 6 (1): 22-11.
آبابایی، ب.، سرائی تبریزی، م.، فرهادی بانسوله، ب.، سهرابی، ت. و میرزایی، ف. 1391. واسنجی مدل CERES-Barley با استفاده از روش مدلسازی معکوس تحت شرایط کم‌آبیاری. نشریه حفاظت منابع آب و خاک، 2 (2): 48-37.
کیانی، ع.، کوچکی، ع.، نصیری محلاتی، م. و بنایان، م. 1383. ارزیابی مدل CERES-Wheat در دو نقطه متفاوت اقلیمی در استان خراسان II- شبیه‌سازی فنولوژی و پارامترهای رشد. مجله پژوهشی بیابان، 9 (1): 142-125.
ماهرو کاشانی، ا. ح.، سلطانی، ا.، گالشی، س. و کلاته عربی، م. 1389. برآورد ضرایب ژنتیکی و ارزیابی مدل DSSAT برای ارقام استان گلستان. مجله الکترونیک تولید گیاهان زراعی، 3 (2): 253-229.
Amiri, E., Rezaei, M., Bannayan, M. and Soufizadeh, S. 2013. Calibration and Evaluation of CERES Rice Model under Different Nitrogen- and Water-Management Options in Semi-Mediterranean Climate Condition. Communications in Soil Science and Plant Analysis, 44:1814–1830.
Asadi, M.E. and Clemente, R.S. 2003. Evaluation of CERES-Maize of DSSAT model to simulate nitrate leaching, yield and soil moisture content under tropical conditions. Journal of Food, Agriculture & Environment (JFAE), 1 (3&4): 270-276.
Bannayan, M., Crout, N.M.J. and Hoogenboom, G. 2003. Application of the CERES-wheat model for within season prediction of winter yields in the United Kingdom. Agronomy Journal, 95 (1): 114-125.
Bowen, W. and Papajorgji, P. 1992. Using DSSAT to predict wheat productivity in Albania. In: Agrotechnology Transfer, IBSNAT, Department of Agronomy and Soil Science, College of Tropical Agriculture and Human Resource, University of Hawaii, Honolulu, pp: 9–12.
Dettori, M., Cesaraccio, C., Motroni, A., Spano, D. and Duce, P. 2011. Using CERES-Wheat to simulate durum wheat production and phenology in Southern Sardinia, Italy. Field Crops Research, 120: 179–188.
Eitzinger, J., Trnka, M., Hosch, J., Zalud, Z. and Dubrovsk, M. 2004. Comparison of CERES, WOFOST and SWAP models in simulating soil water content during growing season under different soil conditions. Ecological Modeling, 171: 223-246.
Gerakis, A., Rasse, D.P., Kavdir, Y., Smucker, A.J.M., Katsalirou, I. and Ritchie, J.T. 2006. Simulation of leaching losses in the nitrogen cycle. Communications in Soil Science and Plant Analysis, 37: 1973-1997.
Hoogenboom, G., Jones, J.W., Porter, C.H., Wilkens, P.W., Boote, K.J., Batchelor, W.D., Hunt, L.A. and Tsuji, G.Y. 2004. DSSAT 4., Overview, vol. 1. ICASA, Uni. Hawaii, Honolulu, USA.
Jianqiang, He., Huanjie, Cai. and Jiangping, Bai. 2013. Irrigation scheduling based on CERES-Wheat model for spring wheat production in the Minqin Oasis in Northwest China. Agricultural Water Management, 128: 19– 31.
Jones, C.A. and Kiniry, J.R. 1986. CERES–Maize: A Simulation Model of Maize Growth and Development, Texas A&M Press: College Station, Texas. 194p.
Jones, J.W., Hoogenboom, G., Porter, C.H., Boote, K.J., Batchelor, W.D., Hunt, L.A., Wilkens, P.W., Singh, U., Gijsman, A.J. and Ritchie, J.T. 2003. The DSSAT cropping system model. European Journal of Agronomy, 18: 235–265.
Mahroo-Kashani, A.H. 2010. Simulating wheat growth and development using DSSAT model under Gorgan conditions. Dissertation for M.Sc. degree in Agronomy. Department of Agronomy, Gorgan University of Agricultural Sciences and Natural Resources, 105p. (In Persian)
Pirmoradian, N. and Sepaskhah, A.R. 2006. A Very Simple Model for Yield Prediction of Rice under Different Water and Nitrogen Applications. Biosystems Engineering, 93(1): 25–34.
Ritchie, J.T., Singh, U., Godwin, D.C. and Bowen, W.T. 1998. Cereal growth development and yield. In: Tsuji, G.Y., Hoogenboom, G., Thornton, P.K. (Eds.). Understanding Options for Agricultural Production. Kluwer Academic Publishers, Dordretcht, pp. 79-98.
Singh, A.K., Tripathy, R. and Chopra, U.K. 2008. Evaluation of CERES-Wheat and CropSyst models for water–nitrogen interactions in wheat crop. Agricultural Water Management, 95 (7): 776-786.
Soler, C.M.T., Sentelhas, P.C. and Hoogenboom, G. 2007. Application of the CSM-CERES-Maize model for planting date evaluation and yield forecasting for maize grown off-season in a subtropical environment. European Journal Agronomy, 27: 165-177.
Soltani, A. and Hoogenboom, G. 2007. Assessing crop management options with crop simulation models based on generated weather data. Field Crops Research, 103 (3): 198-207.
Vigil, M.F., Kissel, D.E. and Smith, S.J. 1991. Field crop recovery and modeling of nitrogen mineralized from labeled sorghum residues. Soil Science Society of America Journal, 55: 1031-1037.
