ارزیابی مدل AquaCrop برای گیاه سویا تحت تاریخ های مختلف کاشت و کم آبیاری

نوع مقاله : مقاله پژوهشی

نویسنده

1گروه علوم و مهندسی آب، مرکز آموزش عالی کاشمر، کاشمر، ج. ا. ایران 2گروه آبیاری و زهکشی، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات

چکیده

تنش آبی به عنوان یکی از مهم ترین عامل مؤثر بررشد و تولید سویا در مناطق نیمه خشک بشمار می رود. تاریخ کاشت و مدیریت آبیاری از کلیدی ترین عملیات زراعی است که بر رشد سویا و تولید محصول اقتصادی تأثیر فراوانی دارد. امروزه، جهت بررسی تأثیرات مخرب تنش های محیطی، از مدل های واسنجی شده برای شبیه سازی و ارزیابی رشد محصولات زراعی تحت سناریوهای مختلف استفاده می شود. در این تحقیق، دقت مدل AquaCrop با استفاده از داده های 2 ساله مزرعه ای درسطوح مختلف آبیاری و تاریخ کاشت در شمال شرقی ایران مورد بررسی قرار گرفت. برای ارزیابی کارآیی مدل از میانگین میانگین مربعات خطای ریشه (RMSE)، راندمان مدل (E)، ضریب تعیین (R2) و خطای پیش بینی (Pe) استفاده شد. در مرحله واسنجی مدل AquaCrop عملکرد دانه سویا و زیست توده را برای کلیه تیمارها با خطای0.27

کلیدواژه‌ها


Battisti, R., Sentelhas, P. C., & Boote, K. J. (2017). Inter-comparison of performance of soybean crop simulation model and their ensemble in southern Brazil. Field Crop Research, 200, 28–37.
Comlekcioglu, N., & Simsek, M. (2011). Effects of deficit irrigation on yield and yield components of vegetable soybean [Glycine max L. (Merr.)] in semi-arid conditions. African Journal of Biotechnology, 10 (33), 6227-6234.
Doorenbos, J., & Kasssam, A. H. (1979). Yield response to Water. FAO Irrigation and Drainage Paper no 33. Rome, Italy: FAO.
FAO. (2013). FAOSTAT. Retrieved from: http://www.fao.org/nr/water/cropinfo_soybean.html.
Farahani, H. J., Izzi, G., & Oweis, T. Y. (2009). Parameterization and evaluation of the AquaCrop model for full and deficit irrigated cotton. Agronomy Journal, 101, 469-476.
Heng, L. K., Hsiao, T. C., Evett, S., Howell, T., & Steduto, P. (2009). Validating the FAO AquaCrop model for irrigated and water deficient field maize. Agronomy. Journal101, 488–498.
Hsiao, T. C., Heng, L.K., Steduto, P., Rojas-Lara, B., Raes, D., & Fereres, E. (2009). AquaCrop—Th e FAO crop model to simulate yield response to water: III. Parameterization and testing for maize. Agronomy Journal, 101:448– 459.
Jensen, M. E. (1973). Consumptive use of water and irrigation water requirements. New York, NY, USA: ASCE.
Jones, C. A., & Kiniry, J. R. (1986). CERES-maize: A simulation model of maize growth and development. Texas: A & M University Press, College Station.
Kawasaki, Y., Yamazaki, R., & Katsuyuki, K. (2018). Effects of late sowing on soybean yields and yield components in southwestern Japan. Plant Production Science, 21, 339-348.
Keating, B. A., Carberry, P. S., & Hammer, G. L. (2003). An overview of APSIM, a model designed for farming systems simulation. European Journal of Agronomy, 18, 267-288.
Kresović, B., Gajić, B., Tapanarova, A., Pejić, B., Dugalić, G., & Sredojević, Z. (2017). Impact of deficit irrigation on yield and chemical properties of soybean seeds in temperate climate. Contemporary Agriculture, 66(1-2), 14-20.
Mazaheri, D. H., Zeinali, H., & Madani, A. (2005). Influence of planting dates and plant densities on photosynthesis capacity, grain and biological yield of soybean in Karaj, Iran. Journal. of Agronomy,4, 230-237.
Nehbandani, A., Soltani, A., Zeinali, E., & Hoseini, F. (2017). Analyzing soybean yield constraints in Gorgan and Aliabad katul using CPA method. Journal of Agroecology. 7(1), 109-123.
Paredes, P., Wei, Z., Liu, Y., Xu, D., Xin, Y., Zhang, B., & Pereira, L. S. (2015). Performance assessment of the FAO AquaCrop model for soil water, soil evaporation, biomass and yield of soybeans in north China plain. Agricultural Water Management, 152, 57-71.
Raes, D., Steduto, P., Hsiao, T. C., & Fereres, E. (2009). AquaCrop - the FAO crop model to simulate yield response to water: II. Main algorithms and software description. Agronomy Journal, 101, 438-447.
Raja, W., Habib Kanth, R., & Singh, P. (2018). Validating the AquaCrop model for maize under different sowing dates. Water Policy, 20, 826-840.
Silva, V. de P. R., Silva, R. A. E., Maciel, G. F., Braga, C. C., Silva Júnior, J. L. C. da, Souza, E. P. de., Rodrigues, R. S., Silva, M. T., & Holanda, R. M. de. (2018). Calibration and validation of the AquaCrop model for the soybean crop grown under different levels of irrigation in the Motopiba region, Brazil. Ciência Rural, 48, 1-8.
Steduto, P. (2003). Biomass water- productivity. Comparing the growth- engines of crop models. FAO expert consultation on crop water productivity under deficient water supply, Rome, Italy, 26 - 28 February.
Steduto, P., Hsiao, T. C., & Fereres, E. (2007). On the conservative behavior of biomass water productivity. Irrigation Science, 25, 189-207.
Steduto, P., Hsiao, T. C., Raes, D., & Fereres, E. (2009). AquaCrop: The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal, 101, 426-437.
Stockle, C. O., Donatelli, M., & Nelson, R. (2003). CropSyst a cropping systems simulation model. European Journal of Agronomy, 18, 289–307.
Yuba, R. K., Kiersten,  A. W., Carl, A. B., Albert, U. T., & Daren, S. M. (2016). Effect of planting date, seed treatment, and cultivar on plant population, sudden death syndrome, and yield of soybean. Plant Disease, 100, 1735-1743.