ارزیابی مزرعه ای مدل AquaCrop برای شبیه سازی ذرت دانه ای در شرایط تنش آبی و کودی
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 13، شماره: 3
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-13-3_008
تاریخ نمایه سازی: 5 اردیبهشت 1402
چکیده مقاله:
مدل AquaCrop یکی از مدل های گیاهی پرکاربرد است که برای شبیه سازی گیاهان زراعی مختلف مورد ارزیابی قرار گرفته است. با این وجود دقت آن در شرایط استفاده همزمان تنش آبی و کودی در آبیاری جویچه ای تاکنون بررسی نشده است. از این رو، تحقیق حاضر با استفاده از دو فاکتور مقدار آب آبیاری (در چهار سطح W۱، W۲، W۳ و W۴ بهترتیب نشان دهنده تامین ۱۲۰، ۱۰۰، ۸۰ و ۶۰ درصد نیاز آبی) و کود نیتروژن (در چهار سطح N۱، N۲، N۳ و N۴ به ترتیب نشان دهنده تامین ۱۰۰، ۸۰، ۶۰ و صفر درصد نیاز کودی) اجرا شد. داده های مورد نیاز شامل اطلاعات هواشناسی، خاک، مدیریت آبیاری و کود نیتروژن و عوامل گیاهی مورد نیاز این پژوهش از آزمایش انجام شده در مزرعه ۴۰۰ هکتاری موسسه تحقیقات اصلاح و تهیه نهال و بذر در شهرستان کرج برداشت شد. با استفاده از این داده ها، عملکرد و بهره وری آب ذرت شبیه سازی گردید. نتایج نشان داد که مدل AquaCrop برای شبیه سازی عملکرد (MBE=-۰.۱۵) و بهره وری آب (MBE=-۰.۳۲) دچار خطای بیش برآوردی شد. دقت این مدل گیاهی برای شبیه سازی عملکرد دانه و بهره وری آب بهترتیب برابر با ۹ و ۲۴ درصد بود. با افزایش تنش آبی و کودی، دقت مدل AquaCrop برای شبیه سازی عملکرد کاهش یافت. همچنین کارایی مدل AquaCrop در شبیه سازی عملکرد دانه (EF=۰.۹۲) و بهره وری آب (EF=۰.۴۷) بسیار مطلوب بود. با توجه به این نتایج، استفاده از این مدل گیاهی در شرایط مشابه پیشنهاد می شود.
کلیدواژه ها:
نویسندگان
سید کیومرث پژوهیده
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
اصلان اگدرنژاد
گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
فریبرز عباسی
استاد پژوهش، موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :