شبیه‌سازی عملکرد و زیست‌توده ذرت شیرین با مصرف نیتروژن در دو رژیم آبیاری بارانی و نشتی
محورهای موضوعی : پژوهش های به زراعی
1 - عضو هیات علمی دانشگاه
کلید واژه: ذرت شیرین, كودآبياري, گرگان, CSM-CERES,
چکیده مقاله :
به منظور بررسی کارایی مدل CSM CERES-Sweet corn v4.5 روی ذرت شیرین دانه طلائي (SC403)، پژوهشی در ایستگاه مرکز تحقیقات کشاورزی گرگان طی سال‌های 1386 و 1387 انجام شد. آزمایش در قالب طرح پایه بلوك‌هاي كامل تصادفي با سه تكرار اجرا شد. تیمارها شامل آبياري باراني و آبیاری جویچه‌ای (Is و IF) بود که هر تيمار آبياري شامل دو سطح كود نیتروژن به میزان 200 و 300 كيلوگرم در هكتار (N200 و N300) بودند که به صورت تقسیط طی دو مرحله مصرف شد. مدل CSM CERES-Sweet corn v4.5 با استفاده از داده‌های سال 1386 واسنجی شد و با داده‌های به دست آمده در سال 1387 مورد ارزیابی قرار گرفت. برای واسنجی مدل، ضرایب گونه گیاهی با استفاده از مؤلفه‌های توسعه فنولوژیک محاسبه شدند. نتایج نشان داد که مدل قادر است شاخص سطح برگ و کل وزن خشک توده هوایی را به خوبی پیش‌بینی کند. در این تحقیق پیش‌بینی مدل برای عملکرد دانه با ریشه میانگین مربعات خطا کمتر از 18 درصد قابل قبول بود. علاوه بر آن، نتایج اعتبارسنجی مدل نشان داد که مدل در صورتی که واسنجی شود به خوبی می‌تواند علاوه بر مؤلفه‌هایی که بر اساس آن¬ها واسنجی شده، سایر مؤلفه‌های گیاهی و همچنین استراتژی‌های مدیریتی مختلف را شبیه‌سازی کند.
In order to investigate the efficiency of the CSM CERES-Sweet corn v4.5 model on golden sweet corn (SC403), a study was conducted at the Gorgan Agricultural Research Center station during 2007 and 2008. The experiment was conducted as completely randomized block design with three replications. The treatments included sprinkler irrigation and furrow irrigation (Is and IF), with each irrigation treatment containing two levels of nitrogen fertilizer at 200 and 300 kg/ha (N200 and N300), which was applied in two stages. The CSM CERES-Sweet corn v4.5 model was calibrated using data from 2007 and evaluated with data obtained in 2008. To calibrate the model, plant species coefficients were calculated using phenological development components. The results showed that the model is able to predict leaf area index and total shoot dry weight well. In this study, the model prediction for grain yield was acceptable with a root mean square error of less than 18%. In addition, the model validation results showed that if the model is calibrated, it can well simulate other plant components as well as various management strategies in addition to the components on which it was calibrated.