بررسی اثر تغییر اقلیم بر عملکرد دانه و زیست‌توده گیاه گندم در دو سطح تنش شوری و آبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری آبیاری و زهکشی، دانشکده آب وخاک، دانشگاه زابل و کارشناس ارشد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

2 دانشیار گروه مهندسی آب، دانشکده آب وخاک، دانشگاه زابل

3 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند ، عضوگروه پژوهشی خشکسالی وتغییراقلیم، دانشگاه بیرجند.

4 دانشیار گروه مهندسی تولید وژنتیک گیاهی، دانشکده کشاورزی، دانشگاه بیرجند.

چکیده

استفاده از مدل‌های گیاهی در تعیین عملکرد گیاهان و زمان‌بندی متناسب آبیاری از مدیریت‌های کارآمد در زمینه توسعه پایدار منابع آب در کشاورزی است. هدف از این پژوهش، بررسی اثر تغییر اقلیم بر عملکرد دانه و زیست­ توده گیاه گندم در دو سطح تنش­ شوری (1/6 و 6/0 dS/m) و پنح سطح تیمار آبی (دیم، 50، 75، 100 و 125درصد نیازآبی) با استفاده از مدل گیاهی AquaCrop در دوره­های پایه (2004-1975) و آتی (2025-2054) در منطقه بیرجند واقع در استان خراسان جنوبی است. برای پیش­بینی عوامل بارش و دمای حداکثر و حداقل در دوره آتی در محدوده مورد مطالعه از پنج مدل تغییراقلیمIPSL-CM5A-LR, MIROC-ESM, CSIRO-MK3.6, HADGEM2-ES, GFDL- ESM2M تحت سناریوهای انتشار RCP4.5 و RCP8.5 استفاده شد که از این میان مدل CSIRO-MK3.6 با استفاده از روش وزن­دهی و معیارهای عملکردی، به عنوان مدل برتر انتخاب شد. نتایج نشان داد که مقدار بارش پیش­بینی شده برای دوره آتی نسبت به دوره پایه، در هر دو سناریوی انتشار کاهش داشت ولی میانگین سالانه دمای حداکثر و حداقل در دوره آتی نسبت به دوره پایه در هر دو سناریو انتشار، افزایش یافت. بر اساس نتایج، تیمار دیم در دوره پایه وآینده، عملکرد دانه گندم نداشته است، این در حالی است که بیشترین میزان عملکرد دانه مربوط به تیمارهای 100% و 125% نیازآبی گیاه به­ترتیب برای مقادیر سناریو RCP4.5 برابر با 3/834 و 4/032 تن در هکتار  و برای سناریو RCP8.5 برابر با 3/822 و 4/17 تن در هکتار است. در نهایت مقادیر کاهش عملکرد دانه با شاخص خشکسالی SMDI مقایسه شد و نتایج نشان داد که در سطوح تنش شوری و آبی زیاد، بیشترین تاثیر خشکسالی مشاهده می شود.

کلیدواژه‌ها

عنوان مقاله [English]

Assessment of Climate Change Impact on Wheat Grain Yield and Biomass Under Two Levels of Salinity and Drought Stress

نویسندگان [English]

  • Fatemeh Hajiabadi 1
  • Farzad Hassanpour 2
  • Mostafa Yaghoobzadeh 3
  • Hossein Hammami 4
1 Ph. D. Graduate of Irrigation and Drainage, Department of Water Engineering, College of Water and Soil, University of Zabol, Zabol, Iran. And Educational Expert of Department of Water Engineering, College of Agriculture, University of Birjand, Birjand, Iran.
2 Associate Prof., Department of Water Engineering, College of Water and Soil, University of Zabol, Zabol, Iran.
3 Associate Prof., Department of Water Engineering, College of Agriculture, University of Birjand, Birjand, Iran, Department of Research Group of Drought and Climate Change, University of Birjand, Birjand, Iran.
4 Associate Prof., Department of Agronomy, Faculty of Agriculture, University of Birjand, Birjand, Iran.
چکیده [English]

The use of crop models to estimate plant yield and determine optimal irrigation schedules is an effective strategy for sustainable agricultural water resource management. This study investigates the impact of climate change on wheat grain yield and biomass under two levels of salinity stress (1.6 and 6.0 dS/m) and five levels of water (rainfed, 50, 75, 100 and 125% of water requirement) in Birjand region. The AquaCrop model was employed to simulate crop performance during a historical baseline period (1975–2004) and a future period (2025–2054). To project future climate variables, including precipitation and maximum and minimum temperatures, five General Circulation Models (GCMs), namely, IPSL-CM5A-LR, MIROC-ESM, CSIRO-MK3.6, HADGEM2-ES, and GFDL-ESM2M were used under RCP4.5 and RCP8.5 emission scenarios. Based on a weighting method and performance metrics, the CSIRO-MK3.6 model was selected as the most suitable model for the region. The results indicated a projected decrease in precipitation and an increase in annual average maximum and minimum temperatures in the future period under both emission scenarios. Wheat grain yield simulation was zero under rainfed conditions in either period. The highest yields were observed under irrigation treatments supplying 100% and 125% of the crop’s water requirements. For the RCP4.5 scenario, yields were 3.834 and 4.032 t/ha, respectively, and for RCP8.5, 3.822 and 4.170 t/ha. Finally, the grain yield reduction values ​​were compared with the SMDI drought index, and the results showed that the greatest impact of drought was observed at high salinity and water stress levels.

کلیدواژه‌ها [English]

  • Drought
  • SMDI index
  • AOGCM models
  • AquaCrop

مراجع

  1. دلقندی، مهدی، جورابلو، ساناز، و گنجی نوروزی، زهرا، 1402. بررسی اثرات تغییر اقلیم بر شدت، مدت و مقدار خشکسالی منطقه سمنان با استفاده از دو شاخص SPI وRDI، مجله پژوهش‌های خشکسالی و تغییر اقلیم، 1(1)، صص 18-https://doi.org/10.22077/jdcr.2023.5909.1004
  2. سلیمانی، علی، 1395. بررسی تأثیر تنش خشکی بر عملکرد و اجزای عملکرد گندم با استفاده از مدل ET-HS. تنش‌های محیطی در علوم زراعی، دوره9، شماره39(3)، صص 215-205.
  3. قدیریان، امیرحسین، یعقوب‌زاده، مصطفی، زمانی، غلامرضا، و شهیدی، علی، 1399. واسنجی و صحت سنجی مدل گیاهی AQUACROP جهت شبیه‌سازی عملکرد سه رقم گندم تحت تنش رطوبتی مختلف. نشریه آبیاری و زهکشی ایران. 14(6)، صص 2267-2257.
  4. قوام سعیدی نوقابی، سعید، یعقوب‌زاده، مصطفی، شهیدی، علی، حمامی، حسین و کلانکی، مهدی، 1399. ارزیابی مدل7 در شبیه‌سازی مراحل فنولوژیکی و عملکرد گندم رقم آنفارم 4 تحت سطوح مختلف آبیاری. نشریه آبیاری و زهکشی ایران. 14(2)، 558-548.
  5. یعقوب زاده، مصطفی، احمدی، محسن، برومند نسب، سعید، و حقایقی مقدم، سید ابوالقاسم، 1395. اثر تغییر اقلیم بر روند تغییرات تبخیر-تعرق در طی دوره رشد گیاهان مزارع آبی و دیم با استفاده از مدل‌های، پژوهش آب در کشاورزی، 30(4)، صص 523-511. doi: 10.22092/jwra.2017.109013

6.                   یعقوب زاده، مصطفی، امیرآبادی زاده، مهدی، رمضانی، یوسف و پوررضا بیلندی، محسن، 1396. بررسی عدم قطعیت مدل‌های گردش عمومی جو در برآورد رطوبت خاک تحت تأثیر تغییر اقلیم. تحقیقات آب‌وخاک ایران، 48(5)، صص 1119-1109.doi: 10.22059/ijswr.2017.224039.667603

  1. Andarzian, B., M. Bannayan, P. Steduto, H. Mazraeh, M. E. Barati, M. A. Barati and A. Rahanama. 2011. Validation and testing of the AquaCrop model under full and deficit irrigated wheat production in Iran. Agric. Water Manag., 100:1-8.
  2. Bhalme, H. N., and Mooley, D. A. 1980. Large-scale droughts/floods and monsoon circulation. Monthly Weather Review, pp. 1197–1211.
  3. Boulange, J., Nizamov, S., Nurbekov, A., Ziyatov, M., Kamilov, B., Nizamov, S., Abduvasikov, A., Khamdamova, G., Watanabe, H. (2025). Calibration and validation of the AquaCrop model for simulating cotton growth under a semi-arid climate in Uzbekistan, Agricultural Water Management, 310, 109360.

 https://doi.org/10.1016/j.agwat.2025.109360.

  1. Fan, G., Sarabandi, A. and Yaghoobzadeh, M., 2021. Evaluating the climate change effects on temperature, precipitation and evapotranspiration in eastern Iran using CMPI5. Water Supply, 218:4316-4327. DOI: 2166/ws.2021.179
  2. Feng, Z., Miao, Q., Shi, H., Gonçalves, J.M. Li, X., Feng, W., Yan, J., Yu, D., Yan, Y, (2025). AquaCrop model-based sensitivity analysis of soil salinity dynamics and productivity under climate change in sandy-layered farmland, Agricultural Water Management, 307, 109244. https://doi.org/10.1016/j.agwat.2024.109244
  3. 2013. Summary for policymakers. In: Field, C.B., Barros, V., Stocker, T.F., Qin, D., Dokken, D.J., Ebi, K.L., Mastrandrea, M.D., Mach, K.J., Plattner, G.-K., Allen, S.K., Tignor, M., and Midgley, P. (Eds.), Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. Cambridge University Press, 1–19.
  4. Mohajerani, H., Mosaedi, A., Kholghi, M., Maftah Halghi, M. & Saad Aldin, A. (2011). Estimating crop water requirement of wheat by Cropwat model in Kordkouy-Golestan province. National Conference on Water Scarcity.
  5. Moghaddam, H., Oveisi, M., Keshavarz Mehr, M., Bazrafshan, J., Naeimi, M. H., Pourmorad Kaleibar, B., and Müller-Schärer, H., 2023. Earlier sowing combined with nitrogen fertilization to adapt to climate change effects on yield of winter wheat in arid environments: Results from a field and modeling study, European Journal of Agronomy, 146,126825. https://doi.org/10.1016/j.eja.2023.126825
  6. Osamu, T., Yoshida, K., Hiroaki, S., Katsuhiro, H. & Hajime Tangi, H. (2005). Estimation of irrigation water using Crop wat model at KM35 project site, in Savannakhet, LAO, PDR. Proceedings of the International Symposium on Role of Water Sciences in Transboundary River Basin Management. 10-12 March. Ratchathani, Thailand.
  7. Wen, P., Wei, Q., Zheng, L., Rui, Z., Niu, M., Gao, Ch., Guan, X., Wang, T., and Xiong, Sh., 2023. Adaptability of wheat to future climate change: Effects of sowing date and sowing rate on wheat yield in three wheat production regions in the North China Plain, Science of The Total Environment, 901, 165906.

 https://doi.org/10.1016/j.scitotenv.2023.165906

  1. Yaghoobzadeh, M. 2022. Selecting the best general circulation model and historical period to determine the effects of climate change on precipitation, IDŐJÁRÁS/Quarterly journal of the Hungarian meteorological service, 126(2), pp. 247-265.

 DOI: 10.28974/idojaras.2022.2.5

پژوهش آب در کشاورزی
دوره 39، شماره 1
خرداد 1404
صفحه 81-94

فایل ها

هم رسانی

ارجاع به این مقاله

آمار