ارزیابی مدل AquaCrop برای شبیه‌سازی عملکرد کلزای بهاره و رطوبت نیمرخ خاک تحت تنش‌های کم آبی

محورهای موضوعی : مجله علمی- پژوهشی اکوفیزیولوژی گیاهی

چنور بهرامی ¹ (دانش آموخته ارشد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران)
وحید رضا وردی نژاد ² (استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران)
افشین خورسند ³ (دانشجوی دکتری گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران)
سینا بشارت ⁴ (استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران)
ابوالفضل مجنونی هریس ⁵ (استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران)

تاریخ دریافت : 1395/07/13 تاریخ پذیرش : 1396/11/11 تاریخ انتشار : 1398/03/01

کلید واژه: عملکرد دانه, کلزا, بیوماس, کرکج,

چکیده مقاله :

کلزا مهم‌ترین منبع روغن خوراکی پس از سویا و نخل خرما در جهان بوده و گیاه روغنی که به طور گسترده در ایران کشت می‌شود. هدف از این تحقیق، تطبیق و آزمون توانایی مدلAquaCrop برای شبیه‌سازی عملکرد دانه کلزای بهاره، بیوماس و رطوبت خاک می‌باشد. در این تحقیق، مدل AquaCrop برای شبیه‌سازی دینامیکی رشد گیاه کلزای ‌بهاره تحت شرایط محدودیت آب در شرایط اقلیمی تبریز مورد استفاده قرار گرفت. طرح آزمایشی شامل چهار تیمار آبیاری I1،I2 ، I3 و I4 بترتیب برابر آبیاری معمولی کلزا، 20، 35 و 50 درصد کمتر از نیاز پتانسیل آن در چهار تکرار بصورت طرح بلوک‌های کامل تصادفی برای دو سال زراعی 89 و 90 اجرا گردید. مدل AquaCrop با استفاده از داده‌های اندازه‌گیری شده در سال 89 واسنجی و داده‌های اندازه‌گیری شده در سال 90 اعتبار‌سنجی گردید. براساس نتایج، مدل AquaCrop عملکرد دانه را برای هر دو سال با دقت زیاد و رطوبت شبیه‌سازی‌شده توسط AquaCrop تمایل به پیروی کردن از روند داده‌های اندازه‌گیری دارد. بطور کلی شاخص‌های آماری NRMSE و d برای عملکرد نهایی محصول (05/7 درصد، 96/0)، رطوبت خاک (03/16 درصد و 77/0) بدست آمد. همچنین از خطاهای ارزیابی مانند متوسط NRMSE برای بیوماس دینامیکی در واسنجی و اعتبارسنجی به ترتیب 31/29 و 83/20 حاصل گردید. نتایج کلی نشان داد که AquaCrop یک مدل معتبر است و می‌تواند با درجه قابل اعتمادی از دقت برای بهینه‌سازی تولید کلزای بهاره و نیاز آبی در منطقه کرکج تبریز استفاده شود.

چکیده انگلیسی:

Rapeseed is the most important edible oil source after soybean and palm in the world and is the most widely cultivated oilseed crop in Iran. The objective of this study was to adapt and test the ability of the AquaCrop model to simulate canola grain yield, biomass and soil water content. In this study, the dynamic simulation model AquaCrop for plant growth under conditions of limited water spring was used in climate Tabriz. The experimental design included four treatment I1, I2, I3 and I4 respectively regular watering of rape, 20, 35 and 50 percent less than its potential needs in four replicates in a randomized complete block design was carried out for two years 2010 and 2011. AquaCrop model using the measured data in 2010 calibration and validation data were measured in 2011. Based on found results, the AquaCrop model predicted the GY at maturity with a good precision and soil water simulated by AquaCrop tends to follow closely the trend in the measured data. In general, statistical indicators NRMSE and d for the final performance of the product (7.05%, 0.96), soil water content (16.03% and 0.77), respectively. Also Errors in the model’s evaluation such as average NRMSE statistics were for dynamic biomass in the calibration and validation process 29.31 and 20.38%. The overall results showed that AquaCrop is a valid model and can be used with a reliable degree of accuracy for optimizing canola grain yield production and water requirement in the region Karkag of Tabriz.

منابع و مأخذ:

اروانه، ح.، و ف. عباسی. 1393. واسنجی و صحت سنجی مدل آکواکراپ برای کلزا در شرایط مزرعه. پژوهش آب ایران. جلد 8، شماره 14: 17-9.

بابازاده، ح.، و م. سرایی تبریزی. 1391. ارزیابی مدل آکواکراپ تحت شرایط مدیریت کم آبیاری سویا. نشریه آب و خاک. جلد 2، شماره 26: 329-339.

خورسند، ا.، و. رضاوردی­نژاد و ع. شهیدی. 1393. ارزیابی عملکرد مدل AquaCrop در پیش­بینی عملکرد گندم، رطوبت و شوری نیمرخ خاک تحت تنش­های شوری و کم­آبی. مدیریت آب و آبیاری. جلد 4، شماره 1: 104-89.

علیزاده، ح.، ب. نظری.، م. پارسی نژاد.، ه. رمضانی اعتدالی و ح. جانباز. 1389. ارزیابی مدل آکواکراپ در مدیریت کم آبیاری گندم در منطقه کرج. تحقیقات آبیاری و زهکشی ایران. شماره 2، جلد 4: 283-273.

Araya, A., S.D. Keesstra, L. Stroosnijder. 2010. Simulating yield response to waterof Teff (Eragrostis tef) with FAO’s AquaCrop model. Agriculture Water Manage. 116: 196–204.

Abarha, B., N. Delbecque, D. Raes, A. Tsegay, M. Todorovic, L. Heng, E. Vanuytrecht, S. Geerts, M. Garcia-Vila and S .Deckers .2012. Sowing strategies for barley based on modelled yield response to water with AquaCrop. Experimental agriculture. 48: 252-271.

Azam-Ali, S.N., A .Sesay, S .Karikari, FJ .Massawe, J .Aguilar-Manjarrez, M .Bannayan and KJ .Hampson .2001. Assessing the potential of an underutilized crop – a casestudy using bambara groundnut. Experimental agriculture. 37: 433–472.

Cusicanqui, J., K. Dillen., M .Garcia, S. Geerts, D .Raes and E .Mathijs. 2013. Economic assessment at farm level of the implementation of deficit irrigation for quinoa production in the Southern Bolivian Altiplano. Agricultural Research. 11:894-907.

Doorenbos, J., WO. Pruitt .1977. Crop water requirement. Irrigation and Drainage Paper No. 24, Food and Agriculture Organisation (FAO), Rome, Italy, 193.

Farahani, H.J., G. Izzi and T.Y .Oweis .2009. Parameterization and evaluation of AquaCrop for full and deficit irrigated cotton. Agronomy. 101: 469-476.

García-Vila, M and E .Fereres .2012. Combining the simulation crop model AquaCrop with an economic model for the optimization of irrigation management at farm level. Agronomy. 36: 21-31.

Gauch, H.G., J.T.G. Hwang and GW .Fick. 2003. Model evaluation by comparison of model-based predictions and measured values. Agronomy. 95: 1442-1446.

Geerts, S., D .Raes and M .Garcia .2010. Using AquaCrop to derive deficit irrigation schedules. Agriculture Water Management. 98: 213–216.

Heng, .L.K., S.R .Evett, T.A .Howell and TC .Hsiao .2009. Calibration and testing of Food and Agriculture Organization AquaCrop model for maize in several locations. Agronomy. 101(3): 488-498.

Iqbal, M., Y. Shen, R. Stricevic, H. Pei, H. Sun, E. Amiri, A. Penas and S. del­Rio. 2014. Evaluation of the FAO AquaCrop model for winter wheat on the North China Plain under deficit irrigation from field experiment to regional yield simulation. Agriculture Water Manage. 135:61-72.

Khorsand, A., V. Rezaverdinejad and A .Shahidi .2014. Comparison of Food and Agriculture Organization AquaCrop and SWAP agro-hydrological models to simulate water and salt transport during growing season of winter wheat. Internationa Biosciences. 4: 223-233.

Mhizha, T., S. Geerts, E. Vanuytrecht, A .Makarau, D. Raes. 2014. Use of the FAO AquaCrop model in developing sowing guidelines for rainfed maize in Zimbabwe. Water SA 40 (in press). Available on website: http://www.wrc.org.

Mkhabela, M. S., and P. R .Bullock. 2012. Performance of the Food and Agriculture Organization AquaCrop model for wheat grain yield and soil moisture simulation in Western Canada. Agricultural Water Management. 110: 16-24.

Majnooni-Heris, A., A.H .Nazemi and A. Ashraf-Sadraddini .2014. Effects of deficit irrigation on the yield, yield components, water and irrigation water use efficiency of spring canola. Biodiversity and Environmental Sciences. 5: 44-53.

Nyakudya, I.W and L. Stroosnijder .2014. Effect of rooting depth, plant density and planting date on maize (Zea mays L.) yield and water use efficiency in semi-arid Zimbabwe: Modelling with AquaCrop. Agricultural Water Management. 146: 280-296.

Raes, D., P .Steduto, T.C .Hsiao, E .Fereres .2009. AquaCrop-The FAO crop model for predicting yield response to water: II. Main algorithms and software description. Agronomy. 101:438-447.

Raes, D., P .Steduto, T.C .Hsiao, E .Fereres .2012. Reference Manual AquaCrop (Version 4.0). AquaCrop Website http://www.fao.org/nr/water/aquacrop.html Refsgaard, J.C., van der Sluijs, J.P.

Raes, D., E .Vanuytrecht, P .Steduto, TC .Hsiao, E .Fereres, LK .Heng, and P. M .Moreno. 2014. AquaCrop: FAO'S crop water productivity and yield response model. Environ. Model. Softw.

Saadati, Z., N .Pirmoradian and M .Rezaei. 2011. Calibration and evaluation of aquacrop model in rice growth simulation under different irrigation managements. International Congress on Irrigation and Drainage. 21:15-23.

Sepaskhah, A.R., A.R .Bazrafshan-Jahromi and Z .Shirmohammadi-Aliakbarkhani .2006. Development and Evaluation of a Model for Yield Production of Wheat, Maize and Sugarbeet under Water and Salt Stresses. Biosystems Engineering. 93: 139-152.

Singels, A., C.T .Crosby, G.C .Green, PS .Van Heerden, W .Durand, J.M .De Jager, JM .Steyn, NG .Inman-Bamber, RE .Schulze, LD .Van Rensburg and JG .Annandale .2010. Modelling crop growth and water relations in South Africa: past achieve-ments and lessons for the future. South Africa Plant Soil .27: 49-65.

Singh, A.K., R. Tripathy and U.K. Chopra. 2008. Evaluation of CERES-Wheat and CropSyst models for water Nitrogen interactions in wheat crop. Agriculture Water Manage. 95: 776–786.

Steduto, P., T.C .Hsiao, Raes D and Fereres E. 2009. AquaCrop the Food and Agriculture Organization model to simulate yield response to water. Agronomy. 101: 426–437.

Mabhaudhi, T., A.T .Modi and Y.G .Beletse .2014. Parameterisation and evaluation of the Food and Agriculture Organization Aquacrop model for a South African taro (Colocasia esculenta L. Schott) landrace. Agricultural and Forest Meteorology.192.pp:132-139.

Willmott, C.J.1982. Some comments on the evaluation of model performance. Bulletin American Meteorological Society. 63: 1309-1313.

Zeleke, K.T., D .Luckett and R .Cowley. 2011. Calibration and testing of the Food and Agriculture Organization AquaCrop model for canola. Agronomy. 103: 1610-1618.

Zhang, W., W. Liu, Q. Xue, H. Pei, J. Chen and X. Han. 2013. Evaluation of the AquaCrop model for simulating yield response of winter wheat to water on the southern Loess Plateau of China. Water Science and Technology. 68: 821-828.

Zinyengere, N., T.Mhizha, E .Mashonjowa, B .Chipindu, S .Geerts, D .Raes. 2011. Using seasonal climate forecasts to improve maize production decision support in Zimbabwe. Agric. Forest Meteorol. 151: 1792–1799.