ارزیابی عملکرد سویا با مدل AquaCrop تحت تاثیر مدیریت شوری و کم آبیاری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران.

2 استادیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران.

3 استاد گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران.

4 استادیار پژوهشی، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج کشاورزی، همدان، ایران.

چکیده

مدل­های گیاهی در شبیه­سازی عملکرد محصول با سناریوهای مختلف کم آبیاری و شوری مناسب می­باشند. در این پژوهش، مدل AquaCrop برای شبیه‌سازی عملکرد دانه و زیست توده گیاه سویا، تحت تاثیر سطوح مختلف شوری و کم آبیاری در سال­های 9113  و 1390 در شهرستان گرگان مورد بررسی قرار گرفت. مدل با استفاده از داده­های سال 1390 واسنجی و با داده‌های سال 1391 صحت­سنجی شد. آزمایش شامل سه سطح آب آبیاری به میزان 100%، 75% و 55% نیاز گیاه و سه سطح شوری 7/0، 5 و 10 دسی زیمنس بر متر بود. شاخص‌های آماری RMSE، Eو d برای صحت­سنجی مدل به ترتیب، برای عملکرد دانه برابر با 225/0 تن بر هکتار، 88/0 و 97/0 و برای زیست توده برابر با 718/0 تن بر هکتار، 77/0 و 95/0 به­دست آمد. نتایج نشان داد که با کاهش مقدار آب آبیاری و افزایش سطح شوری، عملکرد گیاه سویا کاهش می­یابد. آنالیز حساسیت نشان داد مدل AquaCrop نسبت به ضریب کاهش تاج پوشش گیاهی در زمان پیری و ماکزیمم پوشش گیاهی حساس­تر از سایر پارامترها است.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Soybean Yield by AquaCrop Model under Salinity and Deficit Irrigation Management

نویسندگان [English]

  • T H 1
  • M KH 2
  • M Z 3
  • A GH 4
چکیده [English]

Crop models are suitable for simulation of crop yield by different scenarios of deficit irrigation and salinity. In this research, the AquaCrop model was evaluated to simulate the soybean grain yield and biomass under different levels of salinity and deficit irrigation in Gorgan County during 2011 and 2012 growing seasons. The model was calibrated by experimental data of 2011 and validated with data of 2012. The experiment included three irrigation levels of 100%, 75% and 55% water requirement and three salinity levels of 0.7, 5 and 10 dS/m. Statistical indices of the results of validated model including RMSE, E, and d for grain yield were 0.225 ton/ha, 0.88 and 0.97, respectively, and for biomass, they were 0.718 ton/ha, 0.77 and 0.95, respectively. Results showed that grain yield decreased with decrease in the amount of irrigation water and increase in salinity level. Further analysis showed that the sensitivity of AquaCrop model to the canopy decline coefficient (CDC) was more than the other parameters at senescence and maximum canopy cover stages.

کلیدواژه‌ها [English]

  • Saline water
  • Sensitivity analysis
  • Yield simulation
  • Statistical indices
  1. افشار، ع. نشاط، ع. افشار منش، غ. و عادلی، م. 1390. معرفی و کالیبره مدل AquaCrop برای منطقه جیرفت. یازدهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان.
  2. اکبری، م. صدرقاین، س. ح. و نخجوانی مقدم، م. 1389. ارزیابی مزرعه‌ای بیلان آب و عملکرد محصول گندم با استفاده از مدل شبیه‌سازی AquaCrop (مطالعه موردی در شبکه آبشار اصفهان). سومین همایش ملی مدیریت شبکه­های آبیاری و زهکشی، دانشگاه شهید چمران اهواز.
  3. خرسند، ا.، و. رضاوردی نژاد، ع. شهیدی. 1393. ارزیابی عملکرد مدل AquaCrop در پیش­بینی عملکرد گندم، رطوبت و شوری نیمرخ خاک تحت تنش­های شوری و کم آبی. مدیریت آب و آبیاری، دوره 4، شماره 1، 89-104.
  4. دهقانی، م.، غ. شیر اسماعیلی، ف. پارسا دوست. 1393. بررسی تاثیر شوری آب آبیاری بر روی سه هیبرید تجارتی آفتابگردان. نشریه پژوهش آب در کشاورزی، 28(1):191-199.
  5. ذوالفقاران، ا.، ح. شهبازی. 1386. برآورد عملکرد چغندرقند در مقادیر متفاوت آب و شوری. نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه فردوسی مشهد، 8 ص.
  6. زمانی، غ.، ع. شهیدی، ح. ع. کشکولی، س. م. حسینی. 1387. ﺍﺛﺮ ﺑﺮ ﻫﻢ ﮐﻨﺶ ﺷﻮﺭﯼ ﻭ ﮐﻢ ﺁﺑﯿﺎﺭﯼ ﺑﺮ ﻋﻤﻠﮑﺮﺩ ﮐﻤﯽ ﻭ ﮐﯿﻔﯽ ﺩﻭ ﺭﻗﻢ ﮔﻨﺪﻡ. ﺩﻭﻣﯿﻦ ﻫﻤﺎﯾﺶ ﻣﻠﯽ ﻣﺪﯾﺮﯾﺖ شبکه‌های ﺁﺑﯿﺎﺭﯼ ﻭ ﺯﻫﮑﺸﯽ، دانشگاه شهید چمران اهواز، سازمان آب و برق خوزستان، 1 بهمن‌ماه، 8 ص.
  7. قنبری مفتی کلایی، ه.، م. ع. بهمنیار، ح. دهقان منشادی. 1389. اثر سطوح مختلف شوری آب آبیاری و اصلاح کننده­های آلی و معدنی بر جذب عناصر مغذی در برگ سویا. اولین همایش ملی کشاورزی پایدار و تولید محصول سالم، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان، 19-20 آبان، 4 ص.
  8. قنبری مفتی کلایی، ه.، م. ع. بهمنیار، س. سالک گیلانی، ف. رئیسی. 1391. اثر سطوح مختلف شوری آب آبیاری و برخی مواد اصلاح‌کننده بر تنفس میکروبی و فعالیت فسفاتازهای اسیدی و قلیایی خاک ریزوسفری طی رشد رویشی سویا. مجله پژوهش­های حفاظت آب‌وخاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، 19(3): 63-76.
  9. کیانی، ع.، م. ا. اسدی. 1387. استفاده از آب شور برای تولید گندم و بررسی روند تجمع املاح در نیمرخ خاک. پژوهش و سازندگی در زراعت و باغبانی، شماره 80، 11 ص.
  10. محمدی، م.، ب. قهرمان، ک. داوری، ح. انصاری، ع. شهیدی. 1394. اعتبار سنجی مدل AquaCrop به­منظور شبیه­سازی عملکرد و کارایی مصرف آب گندم زمستانه تحت شرایط همزمان تنش شوری و خشکی. 29(1): 67-84.
  11. نوری، ح.، ح. بانژاد، ح. نوری. 1387. بررسی استفاده از آب­های شور در عملکرد و بهره­وری مصرف آب برخی از گیاهان زراعی در ایران. اولین سمینار ملی: جایگاه آب­های بازیافتی و پساب در مدیریت منابع آب- چالش­ها و راهکارها، 1 و 2 خردادماه، مشهد مقدس، 14 ص.

 

  1. Doorenbos, J., A.H and Kassam. 1979. Yield response to water. Irrigation and Drainage paper no.33. FAO, Rome.
  2. Geerts, S., D. Raes, M. Garcia, R. Miranda, J.A. Cusicanqui, C. Taboada, J. Mendoza, R. Huanca, A. Mamani, O. Condori, J. Mamani, B. Morales, V. Osco, and P. Steduto. 2009. Simulating yield response to water of quinoa (Chenopodium quinoa Willd.) with FAO-AquaCrop. Agronomy Journal, 101, pp 499-508.
  3. Greenway, H., and R. Munns. 1980. Mechanism of salt tolerance of nonhalophytes. Plant Physiology. 31:149-190.
  4. Hassan, G., N. Persaud, and R.B.Jr. Reneau. 2005; Unity of HYDRUS-2D in modeling profile soil moisture and salinity dynamics under saline water irrigation of soybean. Soil Sci. 170(1):28-37.  
  5. Hsiao, C.T., L. Heng, P. Steduto, B. Rojas-Lara, D. Raes, and E. Fereres. 2009. AquaCrop-The FAO Crop Model to Simulate Yield Response to Water: III. Parameterization and Testing for Maize. Agronomy Journal, 101: 448-459.
  6. Jones, R.N. 2000. Analyzing the risk of climate change using an irrigation demand model. Climate Research, 14: 89-100.
  7. Kumar P., A. Sarangi, D.K. Singh, and S.S. Parihar. 2014. Evaluation of AquaCrop model in predicting wheat yield and water productivity under irrigated saline regimes.
  8. Lane, J.W., and V.A. Ferrira. 1990. Sensitivity in CREAMS: A field scale model for chemical runoff and erosion from agricultural management systems. (Eds.), W. G. Knisel, A. model Documentation. USDA Conservation Res. Report No. 26. Washington D.C.
  9. Paredes. P., J.P. de Melo-Abreu, I. Alves, and L.S. Pereira. 2014. Assessing the performance of the FAO AquaCrop model to estimate maize yields and water use under full and defici tirrigation with focus on model parameterization. Agricultural Water Management, 114:81-97.
  10. Raes, D., P. Steduto, TC. Hsiao, and E. Fereres .2012. Reference manual AquaCrop, FAO, Land and Water Division, Rome, Italy.
  11. Raes, D., P. Steduto, T.C. Hsiao, and E. Fereres. 2009. AquaCrop-The FAO crop model for predicting yield response to water: II. Main algorithms and software description. Agronomy Journal, 101, pp 438–447.
  12. Salemi, H.R., M.A. Mohd Soom, T.S. Lee, S.F. Mousavi, A. Ganji, and M.K. Yusoff. 2011. Application of AquaCrop model in deficit irrigation management of winter wheat in arid region. African Journal of Agricultural Research. Academic Journals. 610:2204-2215.
  13. Specht, J., K. Chase, M. Macrander, G. Graef, J. Chung, P. Markwell, M. Germann, H. Orf, and G. Lark. 2001. Soybean response to water. Crop Sci. 41: 493-509.
  14. Steduto, P., T.C. Hsiao, and E. Fereres. 2007. On the conservative behavior of biomass water productivity. Irrigation Science, 25, pp 189-207.
  15. Steduto, P., T.C., Hsiao, D. Raes and E. Fereres. 2009. AquaCrop-The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal, 101: 426-437.