پارامتریابی و ارزیابی مدل SSM-iCrop برای پیش بینی رشد و نمو، عملکرد دانه، تجمع و غلظت نیتروژن در گندم

مقدمه: گندم یکی از مهم ترین گیاهان زراعی در ایران است، به طوری که امنیت غذایی در این کشور تا حد زیادی به فرآورده های حاصل از آرد دانه گندم وابسته است. به منظور بررسی رشد و نمو و پویایی نیتروژن در گیاهان زراعی، انجام آزمایش های مزرعه ای زیادی در طیف وسیعی از زمان ها و مناطق اقلیمی ضروری است. اجرای چنین آزمایش هایی، سخت، زمان بر و پرهزینه است، اما با کمک مدل های شبیه سازی گیاهی می توان در زمان و هزینه های ناشی از آزمایش های مزرعه ای صرفه جویی کرد. مطالعه حاضر با هدف پارامتریابی و ارزیابی مدل SSM-iCrop برای پیش بینی نمو، سطح برگ، عملکرد زیستی، عملکرد دانه و پویایی نیتروژن در گندم در ایران انجام شد. پارامتریابی و ارزیابی این مدل در شبیه سازی تجمع و غلظت نیتروژن برای گندم در ایران تا کنون انجام نشده است. مواد و روش ها: پارامتریابی و ارزیابی مدل شبیه سازی SSM-iCrop برای پیش بینی مراحل مختلف فنولوژی، تعداد گره، سطح برگ، عملکرد بیولوژیک و دانه، تجمع نیتروژن در بخش هوایی و دانه، و غلظت نیتروژن دانه در گیاه گندم در مناطق مختلف ایران با استفاده از داده های جمع آوری شده از نتایج مطالعات انجام شده توسط سایر پژوهش گران در سال­ ها و مناطق مختلف انجام شد. برای ارزیابی توانایی مدل در پیش ­بینی صفات یادشده، آماره های مختلف شامل مجذور میانگین مربعات خطا (RMSE)، ضریب همبستگی (r) و ضریب تغییرات (CV) بین مقادیر مشاهده شده و شبیه سازی شده محاسبه شدند. همچنین، خطوط ۱:۱ با اختلاف ۲۰± درصد برای نشان دادن میزان انحراف داده های شبیه سازی شده در مقابل داده های مشاهده شده رسم شدند. یافته های تحقیق: نتایج نشان داد که مدل می ­تواند با دقت بسیار بالایی زمان وقوع مراحل مختلف نمو شامل تعداد روز تا سبز شدن، پنجه زنی، ساقه رفتن، سنبله دهی و رسیدگی فیزیولوژیک را پیش بینی کند (r = ۰.۹۹ و CV = ۷.۸%). مدل به خوبی توانست تعداد گره در ساقه اصلی (r = ۰.۸۸ و CV = ۱۱.۳%)، حداکثر شاخص سطح برگ در گرده افشانی (r = ۰.۸۸ و CV = ۱۷.۸%)، عملکرد زیستی (r = ۰.۷۹ و CV = ۱۱.۳%)، عملکرد دانه (r = ۰.۸۴ و CV = ۱۲.۶%). ، تجمع نیتروژن بخش هوایی (r = ۰.۸۴ و CV = ۱۲.۷%)، تجمع نیتروژن دانه (r = ۰.۸۰ و CV = ۱۶.۴%) و غلظت نیتروژن دانه (r = ۰.۶۶ و CV = ۱۱.۳%) را پیش بینی کند. نتیجه گیری: با توجه به توانایی بالای مدل SSM-iCrop در پیش بینی نمو، تجمع ماده خشک، شاخص سطح برگ، عملکرد دانه، تجمع و غلظت نیتروژن می توان از این مدل برای اهداف مختلف مانند بهبود مدیریت زراعی، تجزیه و تحلیل رشد و عملکرد، تخمین عملکرد پتانسیل، خلا عملکرد و اثرات تغییرات اقلیمی برای گندم استفاده کرد.

کلیدواژه ها:

سطح برگ ، عملکرد ، فنولوژی ، ماده خشک ، مدل سازی