واسنجی و اعتبارسنجی مدل CropSyst در مدیریتهای آبی و کودی مختلف
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 706
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SADHE02_520
تاریخ نمایه سازی: 3 آذر 1392
چکیده مقاله:
با توجه به خشکسالیهای چند سال اخیر در استان گیلان، کمبود منابع آبی، احداث سدهای پرشمار در بالادست حوزه آبریز سفیدرود، این استان را با کمبود آب مواجه ساخته است. از طرفی کود نیتروژن که مورد استفاده کشاورزان برنجکار این استان قرار میگیرد، با آبیاریهایمتداول انجام شده از منطقه توسعه ریشه شسته میشود که این امر موجب هدر رفتن نیتروژن مورد نیاز برنج خواهد شد. استفاده از مدلهای رشد گیاهی با توجه به کاهش نیاز به بازدیدها و اندازهگیریهای مستقیم مزرعه ای می تواند در بهینه یابی مدیریت آب آبیاری و کوددهی موثر واقع گردد. هدف از انجام این مطالعه واسنجی و اعتبارسنجی مدل گیاهیCropSystدر مورد برنج رقم هاشمی در استان گیلان میباشد. در این مطالعه کرتهای اصلی شامل مدیریتهای آبیاری غرقاب و آبیاری تناوبی پنج روزه میباشد. زیرپلاتها شامل چهار سطح کود نیتروژن میشود که به این شرح است؛ فاقد کود کاربردی ، 45 و60 و 75 کیلوگرم نیتروژن در هر هکتار. مقادیر آماره های CRM و nRMSE برای سالهای واسنجی در خصوص عملکرد دانه به ترتیب معادل 9/3و0/06و برای سال اعتبارسنجی نیز به ترتیب 9/7درصد و0/11حاصل شدند. مدل گیاهیCropSystکارایی رده عالی را در شبیهسازی عملکرد دانه براساس آمارهnRMSE دارا میباشد. با توجه شاخصهای مختلف در ارزیابی تیمارها، مناسبترین و بهینهترین تیمار نیتروژن از نظر زیست محیطی، تیمار 4 کیلوگرم نیتروژن در هکتار و تیمار بهینه آبیاری بر اساس مقادیرIWUE تیمار آبیاری تناوبی پنج روزه میباشد.
کلیدواژه ها:
نویسندگان
نرجس زارع
دانشجوی کارشناسی ارشد آبیاری وزهکشی، مهندسی آب، دانشگاه گیلان، رشت، ایران
محمدرضا خالدیان
استادیار، گروه مهندسی آب، دانشگاه گیلان، رشت، ایران
نادر پیرمرادیان
استادیار، گروه مهندسی آب، دانشگاه گیلان، رشت، ایران
مجتبی رضایی
پژوهشگر موسسه تحقیقات برنج کشور، رشت، ایران
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 :