نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی سابق کارشناسی ارشد رشته اگرواکولوژی، دانشگاه آزاد اسلامی، واحد کرج، گروه زراعت، کرج، ایران

2 استادیار دانشگاه آزاد اسلامی، واحد کرج، گروه زراعت، کرج، ایران.

3 دانشیار دانشگاه آزاد اسلامی، واحد کرج، گروه زراعت، کرج، ایران.

چکیده

مقدمه (و هدف)
مدل‌های گیاهان زراعی در بسیاری از کشورها برای شبیه سازی پاسخ گیاهان زراعی به تنش­های محیطی و روش­های مدیریتی متفاوت در دهه­ های مختلف استفاده شده­ اند (Mehraban, 2013). یکی از اهداف مدل­های شبیه­ سازی گیاهی، استفاده از آنها برای پیش­بینی عملکرد محصول می­باشد. مد­های مختلفی برای این منظور توسعه داده شده و توسط محققین مختلف بکار رفته­ اند .مدل هایی چونCERES (Jones and Kiniry, 1986) ، WOFOST (Van Keulen and Wolf, 1986) ، CropSyst (Stockle et al., 1984) و غیره که البته مستلزم مهارت زیاد کاربر در واسنجی می­باشد و متغیرهای ورودی آنها زیاد و اندازه­ گیری آنها سخت است. بر اساس روابط ارائه شده برای شبیه سازی مراحل رشد و اثر آب در این مراحل، کردری و گراهام (Cordery and Graham, 1989) مدلی را بنا نهادند. این مدل برای گندم زمستانه رقم عدل در شرایط آب و هوایی منطقه باجگاه پس از بازسازی و واسنجی، MEDIWY نامگذاری شد (Ziaei and Sepaskhah, 2003). به طور کلی مدل با استفاده از داده‌های متداول که تقریباً در تمامی ایستگاه­های هواشناسی اندازه‌گیری می‌شود قادر به برآورد مناسب شاخص‌های رشد و در نهایت برآورد مطلوب مقدار عملکرد دانه گندم دیم و آبی می‌باشد. کاربرد گسترده تر آن نیاز به آزمون در شرایط متفاوت آب و هوایی دارد. بنابراین با توجه به کاربردی بودن مدل MEDIWY و نیاز به حداقل داده­ های ورودی در آن، هدف از این تحقیق ارزیابی مدل MEDIWY برای شبیه­ سازی عملکرد گندم رقم مرودشت در شرایط رژیم­های متفاوت آبیاری در منطقه کرج می باشد.
 
مواد و روش­ها
آنچه در این تحقیق مورد بحث و بررسی قرار گرفت، ارزیابی مدل MEDIWY برای شبیه سازی عملکرد گندم (رقم مرودشت)در شرایط آب و هوایی منطقه کرج می باشد. برای این منظور از اطلاعات 9 تیمار آبیاری که در مزرعه تحقیقاتی دانشگاه آزاد اسلامی واحد کرج  در سال زراعی (83-1382) اجرا شده بود، استفاده شد (Paknejad, 2005). در ضمن، سایر اطلاعات مورد نیازدیگر مانند اطلاعات هواشناسی (مقادیر روزانه تبخیر از تشت و بارندگی) از ایستگاه هواشناسی ماهدشت کرج تهیه شد. در مدل مورد نظر مقادیر مربوط به داده‌های هواشناسی (بارندگی و تبخیر از تشت) و آبیاری بعنوان عوامل ورودی، وارد مدل می گردد. با توجه به اینکه تیمارهای آبیاری بکار رفته در این تحقیق هر کدام به صورت یک رژیم آبیاری بخصوصی می­باشد و در مراحل مختلف رشد نیز اعمال شده است برای واسنجی دقیق­تر مدل MEDIWY تیمارهای آبیاری  بر اساس شدت تنش خشکی به سه گروه طبقه بندی شد و واسنجی مدل برای هر گروه به طور جداگانه انجام گردید. برای ارزیابی کارایی مدل از چندین آماره ارزیابی شامل برازش رگرسیون خطی بین مشاهدات و داده­ های شبیه­ سازی شده و مقایسه آن با خط یک به یک، ضریب تعیین، مجذور میانگین مربعات خطا، مجذور میانگین مربعات خطای نرمال شده  و کارایی مدل استفاده شد.
یافته­ ها
بعد از واسنجی مدل MEDIWY برای شبیه سازی عملکرد گندم (رقم مرودشت) در منطقه کرج، مقادیر مجذور میانگین مربعات خطا، مجذور میانگین مربعات خطای نرمال شده و کارایی مدل به ترتیب برابر 265 کیلوگرم بر هکتار، 5.7 درصد و 0.99 به دست آمد که نشان دهنده شاخص­های آماری مناسب در قسمت واسنجی مدل می­باشد. برای اعتبار سنجی مدل از اطلاعات مستقل محصول دانه رقم گاسپارد که در سال زراعی 83-1382 در منطقه کرج اجرا شده بود استفاده شد(Paknejad, 2005). نتایج اعتبار سنجی مدل نشان داد شاخص­های آماری مجذور میانگین مربعات خطا، مجذورمیانگین مربعات خطای نرمال شده و کارایی مدل به ترتیب برابر 412 کیلوگرم بر هکتار، 8.5 درصد و 0.99 به دست می­آید که نشان می­دهد مدل MEDIWY واسنجی شده به خوبی می­تواند مقادیر عملکرد گندم را در منطقه کرج شبیه­ سازی نماید.
نتیجه ­گیری
نتایج این تحقیق نشان داد که اگرچه مدل MEDIWY نسبت به سایر مدل های گیاهی نیاز به داده های ورودی کمتری دارد با این وجود از دقت و توانمندی بالایی برای شبیه سازی عملکرد محصول برخوردار است.

کلیدواژه‌ها

Andarziyan, B., Bakhshande, A., Fathi, G., Alami, K., Bannayan, M., Emam, Y., 2008. Evaluation of CERES-Wheat model under Ahvaz climatic condition. Journal of Iranian Agronomy Research. 6(1), 11-22. [In Persian with English summary].
Bannayan, M., Crout, N.M.J., Hoogenboon, G., 2003. Application of the CERES-Wheat Model for within-season predication of winter wheat yield in the United Kingdom. AgronomyJounnal. 95, 114-125.
Belmans, C., Wesseling, J.G., Feddes, R.A., 1983. Simulation model of the water balance of a cropped soil: SWATRE. Journal of Hydrology. 63(3-4), 271-286.
Cordery, I., Graham, A.G., 1989. Forecasting wheat yields using a water budgeting model. Australian Journal of Agricultural Research. 40(4), 715-728.
Kang, S., Zhang, F., Zhang, J., 2001. A Simulation model of water dynamics in winter wheat field and its application in a semiarid region. Agricultural Water Management. 49(2), 115-129.
Jones, C.A., Kiniry, J.R., 1986. CERES-Maize: A Simulation Model of Maize Growth and Development. Texas A&M University Publication, College Station. 194P.
Kiyani, A., Kochaki, A., Bannayan, M., Nasiri-Mahalati, M., 2004. Evaluation of CERES-Wheat model at two different climatic locations in Khorasan province. Desert. 9(1), 125-142. [In Persian with English summary].
Mehraban, A., 2013. Simulation of wheat yield by Aqua Crop model. International Journal of Farming and Allied Sciences. 2(21), 939-943.
Mereu, V. 2009. Climate change impact on durum wheat in Sardinia. Ph.D. dissertation. Agrometeorologia e EcofisiologiadeiSistemiAgrari e Forestali. XXII ciclo – UniversitàdegliStudi di Sassari.
Paknejad, F., 2005. Effects of drought stress on physiological characteristics of grain yield and components of wheat cultivars. Ph.D. dissertation, Faculty of Agriculture, Karaj Branch, Islamic Azad University, Iran. [In Persian with English Summary].
Paknejad, F., Majidifakhr, F., Mirtaheri, S.M., 2012. Validation of the CERES-Wheat for predication of wheat varieties in irrigation and terminal drought stress. American Journal of agricultural and Biological Sciences. 7(2), 180-185.
Sepaskhah, A.R., Aghayari, F., Tavakoli, A.R., 2006. Evaluation and modification of MEDIWY model for irrigated and rainfed wheat in Maragheh area. Journal of Agricultural Engineering Research. 7(28), 133-150. [In Persian with English Summary].
Sepaskhah, A.R., Bazrafshan-Jahromi, A.R., Shirmohammadi-Aliakbarkhani, Z., 2006.Development and Evaluation of a Model for Yield Production of Wheat, Maize and Sugarbeet under Water and Salt Stresses. Biosystems Engineering. 93(2), 139-152.
Sepaskhah, A.R., Ilampour, S., 1996. Relationships between yield, crop water stress index (CWSI) and transpiration of cowpea (Vignasinensis L.). Agronomie. 16, 269-279.
Soltani, A., Torabi, B., 2009. Crop Modeling. Ferdowsi University of Mashhad Publication. 232p. [In Persian].
Stockle, C.O., Martin, S.A., Campbel, G.S., 1984. CropSyst, a Cropping Simulation Model: Water/ Nitrogen Budgets and Crop Yield. Agricultural Systems. 46(3),335-359.
Van Keulen, H., Wolf, J., 1986. Modeling of Agricultural Production: Weather Soils and Crops. Simulation Monographs. Pudoc, Wageningen, the Netherlands, 479p.
Wang. E., Chen, C., Yu, Q., 2009. Modeling the response of wheat and maize productivity to climate variability and irrigation in the North China Plain. 18th world IMACS/MODSIM Congress, Cairns, Australia.
Yang, Y., Watanabe, M., Zhang, X., Zhang, J., Wang, Q., Hayashi, S., 2006. Optimizing irrigation managementfor wheat to reduce groundwater depletion in the piedmont region of the Taihang Mountains in the North China Plain. Agricultural Water Management. 82(1-2), 25- 44.
Zhao, H., Gao, G., Yan, X., Zhang, Q., Hou, H., Zhu, Y., Tian, Z., 2011. Risk assessment of agricultural drought using the CERES-Wheat model: a case study of Henan Plain, China. Climate Research. 50, 247-256.
Ziaei, A.N., Sepaskhah, A.R., 2003. Model for simulation of winter wheat yield under dryland and irrigated conditions. Agricultural Water Management. 58,1-17.