بررسی اثرهای تغییر اقلیم و تاریخ کشت در سناریوهای پانل بین‌المللی تغییر اقلیم بر عملکرد نخود فرنگی با استفاده از مدل AquaCrop

نوع مقاله : مقاله پژوهشی

نویسندگان

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

2 دانشیار گروه مهندسی آب، دانشکده مهندسی زارعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.

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

4 استادیار، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده

به منظور استفاده از مدل­ های گیاهی برای بررسی اثرات تغییر اقلیم بر عملکرد محصولات زراعی، مدل AquaCrop برای شبیه­سازی مقدار عملکرد دانه نخودفرنگی در اقلیم آینده، در تیمارهای مختلف آبیاری و تاریخ­های مختلف کشت در شهرستان بابل بکار گرفته شد. برای شبیه­سازی مقادیر عملکرد دانه و زیست توده نخودفرنگی در سه دهه آینده، برای تاریخ ­های کشت 25 مهر، آبان (2، 9، 16، 23 و 30) و 7 آذر تحت گزینه ­های وضعیت اقلیمی آینده 126SSP، 245SSP و 585SSP از گزارش ششم پانل بین­المللی تغییر اقلیم (IPCC ) و در سه سطح 100% (I1)، 80%  (I2)و 60%  (I3) آبیاری کامل استفاده شد. با توجه به نتایج، بیشترین عملکرد نخودفرنگی در دهه 32-2023 در تیمار  I1گزینه 585 SSP در 16 آبان به مقدار 7/3 تن در هکتار و کم‌ترین عملکرد در تیمار I3 گزینه ­ی 585SSP در 7 آذر برابر 4/1 تن درهکتار شبیه­سازی شد. بیشترین عملکرد نخودفرنگی در 42-2033 در تیمار  I1گزینه ­ی 585SSP در 23 آبان برابر 4/8 تن در هکتار و کم‌ترین عملکرد در  I3گزینه­ ی 245SSP در 7 آذر برابر 4/4 تن بر هکتار بود. بیشترین عملکرد نخودفرنگی در 52-2043 در  I1 گزینه­ی 585SSP در 9 آبان برابر 8/7 تن در هکتار و کم‌ترین عملکرد در تیمار  I3گزینه ­ی 126SSP در 25 مهر به مقدار 3/9 تن بر هکتار شبیه­سازی شد. بیشترین مقدار زیست توده نخودفرنگی در 2032-2023 در تیمار  I1گزینه 585 SSP در 23 آبان به مقدار17/1 تن در هکتار و کم‌ترین مقدار در تیمار I3 گزینه­ ی 585SSP در 7 آذر به مقدار10/3 تن بر هکتار به­دست آمد. نیز، بیشترین مقدار زیست توده در 42-2033 در تیمار  I1گزینه­ی 585SSP در 30 آبان برابر 20/1 تن در هکتار و کم‌ترین مقدار در I3 گزینه­ی 245SSP در 7 آذر به مقدار11/1 تن بر هکتار شبیه­سازی شد. بیشترین مقدار زیست توده در 52-2043 در I1 گزینه­ ی 126SSP در 23 آبان به مقدار 20/6 تن در هکتار و کم‌ترین مقدار در تیمار  I3تحت گزینه ­ی 245SSP در 7 آذر برابر 12/7 تن بر هکتار شد. بنابراین بهترین زمان تاریخ کشت برای گیاه نخودفرنگی در شهرستان بابل در تاریخ ­های 9، 16 و 23 آبان در تیمار آبیاری I1 می­باشد که از این نتایج می­توان برای مدیریت بهتر کشت و آبیاری در شهرستان بابل استفاده نمود. به­ طور کلی تغییر اقلیم می‌تواند هم باعث افزایش و هم کاهش عملکرد و زیست‌توده نخودفرنگی شود، اما با مدیریت مناسب آبیاری و انتخاب تاریخ کشت، احتمال افزایش عملکرد بیشتر است.

کلیدواژه‌ها

عنوان مقاله [English]

Assessment of Climate Change and Planting Date Impacts under IPCC Scenarios on Pea Yield Using the AquaCrop Model

نویسندگان [English]

  • Seyedeh Mahsa Hoseini 1
  • Mojtaba Khoshravesh 2
  • Mohammad Ali Gholami Sefidkouhi 3
  • Reza Norooz-Valashedi 4
1 MSc Student of Irrigation and Drainage, Water Engineering Department, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
2 Associate Professor, Water Engineering Department, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
3 Professor, Water Engineering Department, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
4 Assistant Professor, Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, 4818168984, P.O. Box 578, Iran.
چکیده [English]

In this study, AquaCrop model was employed to simulate the grain yield of pea plants under future climate conditions, considering various irrigation treatments and different planting dates as an adaptation strategy, in Babol County, Iran. The grain yield and biomass of pea plants were simulated for the next three decades for planting dates of October (16, 23, and 30), November 6, 13, 20, and 27), under future climate scenarios of 126SSP, 245SSP, and 585SSP of Intergovernmental Panel on Climate Change (IPCC) Sixth Report, and three levels of irrigation: 100% (I1), 80% (I2), and 60% (I3). According to the results, the highest pea yield in the 2023-32 was simulated for the I1 treatment under the 585SSP scenario on November 6, yielding 7.2 t/ha, while the lowest yield was simulated for the I3 treatment under the same scenario on November 27, yielding 4.1 t/ha. In 2033-42, the highest yield was observed for I1 under the 585SSP scenario on November 13, yielding 8.4 t/ha, and the lowest yield for I3 under the 245SSP scenario on November 27, yielding 4.4 t/ha. In the 2043-52, the highest yield was simulated for I1 under the 585SSP scenario on November 9, yielding 8.7 t/ha, while the lowest yield belonged to I3 under 126SSP on October 16, yielding 3.9 t/ha. The highest pea biomass in 2023-32 was simulated for I1 under the 585SSP scenario on November 13, yielding 17.1 t/ha, while the lowest biomass belonged to I3 under the same scenario on November 27, yielding 10.3 t/ha. In 2033-42, the highest biomass was simulated for I1 under the 585SSP on November 20, yielding 20.1 t/ha, and the lowest biomass for the I3 under the 245SSP scenario on November 27, yielding 11.1 t/ha. In 2043-52, the highest biomass was for the I1 under the 126SSP scenario on November 13, yielding 20.6 t/ha, while the lowest biomass was observed for I3 under the 245SSP on November 27, yielding 12.7 t/ha. Therefore, the optimal planting dates for pea crops in Babol County are October 30, November 6 and 13, under the I1 irrigation, which can help improve crop and irrigation management in this region. Overall, climate change can lead to both increases and decreases in pea yield and biomass, but with proper irrigation management and selection of the optimal planting dates, the likelihood of yield increase is higher.

کلیدواژه‌ها [English]

  • Crop model
  • Irrigation management
  • Babol County
  • Cultivation management

مراجع

  1. انوری ساوجبلاغی، کامران، تاجبخش، مهدی، چوگان، رجب، و حاجی آقایاری، منوچهر، 1390. بررسی روند تغییرات عملکرد و اجزای عملکرد هیبریدهای ذرت دانه‌ای در انواع گروه‌های رسیدگی در تاریخ کشته‌ای مختلف. همایش ملی تغییر اقلیم و تأثیر آن بر کشاورزی و محیط‌زیست، ارومیه، دوم مرداد، 9 ص.
  2. جلالی، جواد، نصیری، مرتضی، حبیبی، معصومه، و خیری، نوراله، 1394. بررسی امکان افزایش ضریب موفقیت کشت مستقیم ژنوتیپ‌های برنج با تغییر تاریخ کاشت. پژوهشی فیزیولوژی گیاهان زراعی، 7(26)، صص. 85-103.
  3. حسینی، سیده طیبه، خوش‌روش، مجتبی، ضیاتبار احمدی، میرخالق، 1394. بررسی اثر تغییر اقلیم و ارزیابی تغییر تاریخ کاشت بر عملکرد سویا. پژوهش آب در کشاورزی، 29(4)، صص. 559-575.

doi: https://doi.org/10.22092/jwra.2016.105829

  1. حق‌وردیان، مهرداد، سام‌دلیری، مرتضی، مبصر، حمیدرضا، و موسوی میرکلایی، امیرعباس، 1390. بررسی تأثیر تاریخ کاشت بر عملکرد و برخی صفات در کشت مستقیم ارقام مختلف برنج (Oryza sativa L.). پژوهش در علوم زراعی، 3(12)، صص. 1-16.
  2. دانش فراز، رسول، و رزاق­پور، هادی، 1393. ارزیابی اثرات تغییر اقلیم بر تبخیر و تعرق پتانسیل در استان آذربایجان غربی. فضای جغرافیایی، 14(46)، صص. 199-211.
  3. راحمی ‌کاریزکی، علی، ثنائی، کوروش، نخ­زری مقدم، علی، غلامعلی­پور علمداری، ابراهیم، پیردهقان، سارا، حبیبیان، لیلا، 1401. اثر تغییر اقلیم بر صفات فنولوژیک نخود (Cicer arietinum L.) تحت شرایط دیم و آبی در شهرستان گنبد. تولید گیاهان زراعی، (1)15، صص. 57-72.
  4. فراهانی­پاد، پوریا، پاک‌نژاد، فرزاد، ایلکایی، محمدنبی، حبیبی، داوود، و داوودی فرد، مهدی، 1390. شبیه­سازی عملکرد و اجزای عملکرد سویا (رقم ویلیامز) در چهار تاریخ کاشت با استفاده از مدل CROPGRO-Soybean در منطقه کرج. زراعت و اصلاح نباتات، 8(4)، صص. 31-41.
  5. قاسم بگلو، مهدی، صدقی، محمد، سید شریفی، رئوف، و فرزانه، سلیم، 1400. اثر کودهای زیستی بر عملکرد و اجزای عملکرد دانه نخودفرنگی (Pisum sativum L.) تحت سطوح مختلف آبیاری. دانش کشاورزی و تولید پایدار، 31(3)، صص. 169-180. doi: 22034/saps.2021.43011.2583
  6. یداللهی، امیرحسین، خوش‌روش، مجتبی، و غلامی سفیدکوهی، محمدعلی، 1400. تأثیر کم آبیاری تنظیم‌شده با آب مغناطیسی بر خواص کمی، کیفی و بهره‌وری آب نخودفرنگی. پژوهش آب در کشاورزی، 35(4)، صص. 373-389.

doi:https://doi.org/10.22092/jwra.2021.356340.897

  1. Ahmed, , Hasan, A.K., Karmakar, B., Hasan, M.S., Akter, F., Saha, P.S. and Haq, M.E., 2020. Influence of date of sowing on growth and yield performance of field Pea (Pisum sativum L.) genotypes. Asian Research Journal of Agriculture, 13(2), pp. 26-34.

doi: 10.9734/ARJA/2020/v13i230099

  1. Annan,D. and Hargreaves, J.C., 2011. Understanding the CMIP3 Multimodel Ensemble. Journal of Climate, 24(16), pp.4529-4538.

doi: https://doi.org/10.1175/2011JCLI3873.1

  1. Challinor, A.J., Watson, J., Lobell, D.B., Howden, S.M., Smith, D.R. and Chhetri, N., 2014. A meta-analysis of crop yield under climate change and adaptation. Nature Climate Change, 4(4), pp.287-291. https://doi.org/10.1038/nclimate2153
  2. Cheng, M., Wang, H., Fan, J., Xiang, Y., Liu, X., Liao, Z., Abdelghany, A.E., Zhang, F. and Li, Z., 2022. Evaluation of AquaCrop model for greenhouse cherry tomato with plastic film mulch under various water and nitrogen supplies. Agricultural Water Management, 274, pp.107949. https://doi.org/10.1016/j.agwat.2022.107949
  3. Chibarabada, T.P., Modi, A.T. and Mabhaudhi, T., 2020. Calibration and evaluation of aquacrop for groundnut (Arachis hypogaea) under water deficit conditions. Agricultural and Forest Meteorology, 281, pp.107850.

https://doi.org/10.1016/j.agrformet.2019.107850

  1. Eyring,, Flato, G., Lamarque, J.F., Meehl, J., Senior, C., Stouffer, R. and Taylor, K., 2019. Status of the coupled model intercomparison project phase 6 (CMIP6) and goals of the workshop. CMIP6 Analysis Workshop, Barcelona, Spain.
  2. Fowler,J., Blenkinsop, S. and Tebaldi, C., 2007. Linking climate change modelling to impacts studies: Recent advances in downscaling techniques for hydrological modelling. International Journal of Climatology, 27(12), pp.1547-1578. doi: 10.1002/joc.1556
  3. Hosseini,S., Nazari, M. and Araghinejad, S., 2013. Investigating the impacts of climate on agricultural sector with emphasis on the role of adaptation strategies in this sector. Iranian Journal of Agricultural Economics and Development Research, 44(1), pp.1-16.

doi: 10.22059/ijaedr.2013.36064. (In Persian).

  1. IPCC, 2014. “Climate Change 2014: Synthesis Report”, Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri, R.K and Reisinger, A. (Eds.)]. IPCC, Geneva, Switzerland, 104 pp.
  2. Kanda, E.K., Senzanje, A. and Mabhaudhi, T., 2020. Calibration and validation of the AquaCrop model for full and deficit irrigated cowpea (Vigna unguiculata (L.) Walp). Physics and Chemistry of the Earth, 124(2), pp.102941. doi: 1016/j.pce.2020.102941
  3. Makuvaro, V., Walker, S., Masere, T.P. and Dimes, J., 2018. Smallholder farmer perceived effects of climate change on agricultural productivity and adaptation strategies. Journal of Arid Environmental, 152, pp.75-82.

https://doi.org/10.1016/j.jaridenv.2018.01.016

  1. Munier-Jolain, N., Biarnès, V., Chaillet, I., Lecoeur, J. and Jeuffroy, M.H., (Eds.). 2010. Physiology of the Pea Crop. Science Publishers, Enfield, USA (270 p).
  2. O’Neill,C., Carte, T.R., Ebi K. and Harrison P.A., 2020. Achievements and needs for the climate change scenario framework. Natural Climate Change, 10(12), pp.1074-1084. doi:10.1038/s41558-020-00952-0
  3. O’Neill, B., Kriegler, E., Ebi, K., Kemp-Benedict, , Riahi, K., Rothman, D., Van Ruijven, B., Van Vuuren, D., Birkmann, J., Kok, K., Levy. and Solecki, W. 2017. The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century. Global Environmental Change, 42(1), pp.169-180.

https://doi.org/10.1016/j.gloenvcha.2015.01.004

  1. Raes, D., Fereres, E., García Vila, M., Curnel, Y., Knoden, D., Kale Çelik, S., Ucar, Y., Türk, M. and Wellens, J., 2023. Simulation of alfalfa yield with AquaCrop. Agricultural Water Management, 284(3), pp.108341.

https://doi.org/10.1016/j.agwat.2023.108341

  1. Ravasi, R.A., Paleari, L., Vesely, F.M., Movedi, E., Thoelke, W. and Confalonieri, R., 2020. Ideotype definition to adapt legumes to climate change: A case study for field pea in Northern Italy. Journal of Agricultural and Forest Meteorology, 291, pp.108081.

https://doi.org/10.1016/j.agrformet.2020.108081

  1. Santos, O.F., Cunha, F.F., Taira, T.L., Souza, E.J., Leal, A.J.F., 2023. Increase in pea productivity associated with irrigation management. Horticultura Brasileira, 36(2), pp.178-183. doi: http://dx.doi.org/10.1590/S0102-053620180205
  2. Steduto, P., Raes, T., Hsiao, T. C. Fereres, E., Heng, L., Izzi, G. and Hoogeveen, J., 2009. AquaCrop: a new model for crop prediction under water deficit conditions. Options Mediterraneennes, 80, pp.285-292.
  3. Sümer, O., 2024. The Effects of Sowing Date and Cultivars on Yield and Quality of Pea (Pisum sativum L.). doi:10.20944/preprints202401. 1660.v1
  4. Tacarindua, C.R., Shiraiwa, T., Homma, K., Kumagai, E. and Sameshima, R., 2013. The effects of increased temperature on crop growth and yield of soybean grown in a temperature gradient chamber. Field Crops Research, 154(1), pp.74-81.

doi:https://doi.org/10.1016/j.fcr.2013.07.021

  1. Umesh, B., Reddy, K.S., Polisgowdar, B.S., Maruthi, V., Satishkumar, U., Ayyanagoudar, M.S., Rao, S. and Veeresh, H., 2022. Assessment of climate change impact on maize (Zea mays ) through aquacrop model in semi-arid alfisol of southern Telangana. Agricultural Water Management, 274, pp.107950. https://doi.org/10.1016/j.agwat.2022.107950
  2. Wang, H., Cheng, M., Liao, Z., Guo, J., Zhang, F., Fan, J., Feng, H., Yang, Q., Wu, L. and Wang, X., 2023. Performance evaluation of AquaCrop and DSSAT-SUBSTOR-Potato models in simulating potato growth, yield and water productivity under various drip fertigation regimes. Agricultural Water Management, 276, pp.108076.

Doi: https://doi.org/10.1016/j.agwat.2022.108076

پژوهش آب در کشاورزی
دوره 38، شماره 4
اسفند 1403
صفحه 341-355

فایل ها

هم رسانی

ارجاع به این مقاله

آمار