شبیه‌سازی عملکرد پتانسیل چغندرقند (Beta vulgaris L.) و خلاء عملکرد ناشی از محدودیت آب و نیتروژن در استان خراسان رضوی با مدل SUCROS

بوم شناسی کشاورزی

مقاله 3، دوره 7، شماره 3 - شماره پیاپی 25، مهر 1393، صفحه 315-330   

نوع مقاله: علمی - پژوهشی

شناسه دیجیتال (DOI): 10.22067/jag.v7i3.52366

نویسندگان

مهدی نصیری محلاتی؛ علیرضا کوچکی

دانشگاه فردوسی مشهد

چکیده

برنامه‌ریزی دقیق در تولید محصولات زراعی بر اساس تغییرات مکانی و زمانی عملکرد، مستلزم ارزیابی کمی عوامل محدود‌کننده رشد و آنالیز خلاء عملکرد در مناطق مختلف می‌باشد. بدین منظور جهت پیش‌بینی پتانسیل و خلاء عملکرد چغندرقند (Beta vulgaris L.) به عنوان مهمترین محصول بهاره در استان خراسان، از مدل آزمون شده و تغییر یافته سوکرز (سوکرزبیت) استفاده شد. مبدأ اصلی مدل سوکرزبیت، مدل سوکرز 2 بود که علاوه بر تغییرات اعمال شده در آن برای شبیه‌سازی چغندرقند، زیرمدل بیلان نیتروژن نیز به آن اضافه شد. افزون بر این، پایش عوامل زنده، غیرزنده و روش‌های مدیریتی مؤثر بر عملکرد با تکمیل نمودن پرسش نامه در مزارع شش شهرستان از استان خراسان صورت گرفت. نتایج شبیه‌سازی با مدل سوکرزبیت در شهرستان‌های مختلف استان خراسان رضوی نشان داد که چغندرقند در شهرستان سبزوار با 100 تن در هکتار کمترین و شهرستان نیشابور با 137 تن در هکتار بیشترین پتانسیل تولید را دارند. رابطه مثبت و معنی‌داری بین عملکرد پتانسیل و خلاء عملکرد کل مشاهده شد. با وجودی که به طور متوسط، برخی کشاورزان تا 20 مرتبه زمین را آبیاری می‌کنند، هنوز خلاء عملکرد ناشی از کمبود آب برای چغندرقند در این مناطق تا 42 تن در هکتار مشاهده می‌گردد. برای رسیدن به عملکرد پتانسیل، بسته به شرایط آب و هوایی بیش از 2000 میلی‌متر آب در شهرستان‌های سبزوار و تربت‌جام و 1400-1500 میلی‌متر آب در شهرستان‌های قوچان و نیشابور مورد نیاز است. برای پر کردن خلاء عملکرد ناشی از کمبود نیتروژن و رساندن آن به عملکرد پتانسیل به طور متوسط 440 کیلوگرم درهکتار در برخی شهرستان‌های از جمله سبزوار، نیتروژن برای جذب توسط گیاه چغندرقند نیاز است. این در حالی است میزان نیتروژن به کاربرده شده درمزارع کشاورزان به طور متوسط 50 درصد این مقدار می‌باشد.

کلیدواژه‌ها

مدل‌سازی؛ مدل سوکرز؛ محدودیت آب؛ محدودیت نیتروژن

مراجع

1- Aggarwal, P.K., and Kalra, N. 1994. Simulating the effect of climatic factors, genotype, water and nitrogen availability on productivity of wheat: II. Climatically potential yields and optimal management strategies. Field Crops Research 38: 93-103.

2- Anonymous. 2009. Agriculture Statistics. Vol. 1. Filed Crops. Jihad-e-Agriculture Ministry. (In Persian)

3- Allen, R.G., Pereira, L.S., Raes, D., and Smith, M. 1998. Crop evapotranspiration (guidelines for computing crop water requirements). FAO Irrigation and Drainage Paper No. 56. 290 pp.

4- Alexandratos, N. 1995. World Agriculture: Towards 2010. FAO, Wiley, New York.

5- Angus, J.F., Stapper, M., and Donnelly, J.R. 1993. Simulation models for strategic and tactical management of crops and pastures. Journal of Agricultural Meteorology 48: 775-778.

6- Becker, M., and Johnson, D.E. 1999. Rice yield and productivity gaps in irrigated systems of the forest zone of Côte d'Ivoire. Field Crops Research 60(3): 201-208.

7- Bhatia, V.S., Singh, P., Wani, S.S., Chauhan, G.S., Rao, A.V.R, Mishra, A.K., and Srinivas, K. 2008. Analysis of potential yields and yield gaps of rainfed soybean in India using CROPGRO-Soybean model. Agricultural and Forest Meteorology 148: 1252-1265.

8- Deihimfard, R. 2011. Analysis of yield gaps of wheat and sugar beet in Khorasan province using simulation modeling. PhD dissertation. Ferdowsi University of Mashhad, Mashhad, Iran. (In Persian with English Summary)

9- Deihimfard, R., Nassiri Mahallati, M., and Koocheki, A. 2011. SUCROSBEET: A simple model for simulating growth and development of sugar beet under potential and nitrogen-limited conditions. Journal of Agroecology 1(2): 1-20. (In Persian with English Summary)

10- Deihimfard, R., Nassiri Mahallati, M., and Koocheki, A. 2012. Yield gap analysis in the main sugarbeet-growing environments of Iran using SOCROSBEET model. In: Proceedings 6th International Crop Science Congress. Brazilp. 3179.

11- Farshi, A., Shariati, A., Jarollahi, M.H., Ghaemi, R., Shahabifar, M.R., and Tavallaei, M. 1997. Estimation of Crop Water Requirements in Iran. Vol. I. Nashr Publication 900 pp. (In Persian)

12- Kalra, N., Chakraborty, D., Kumar, P.R., Jolly, M., and Sharma, P.K. 2007. An approach to bridging yield gaps, combining response to water and other resource inputs for wheat in northern India, using research trials and farmers’ fields data. Agricultural Water Management 93: 54-64.

13- Manschadi, A.M., Soufizadeh, S., and Deihimfard, R. 2010. The role and importance of simulation modelling in improving crop production in Iran. The 11th Iranian Crop Science Congress 234-247. (In Persian)

14- Muchow, R.C., and Kropff, M.J. 1997. Assessing the potential yield of tropical crops: role of field experimentation and simulation. In: Kropff, M.J., Teng, P.S., Aggarwal, P. K., Bouma, J., Bouman, B.A.M., Jones, J.W., and Van Laar, H.H. (Eds.), Applications of Systems Approaches at the Field Level. Vol. II. Kluwer Academic Publishers, Dordrecht. The Netherlands p. 101-112.

15- Nassiri, M., and Koocheki, A. 2009. Agroecological zoning of wheat in Khorasan provinces: Estimating yield potential and yield gap. Iranian Journal of Field Crops Research 7(2): 695-709. (In Persian with English Summary)

16- Parsa, S. 2007. Modelling spatial and temporal variation of sugar beet (Beta vulgaris L.) in Khorasan province. PhD dissertation. Ferdowsi University of Mashhad, Mashhad, Iran. (In Persian with English Summary)

17- Pickering, N.B., Hansen, J.W., Jones, J.W., Wells, C.M., Chan, V.K., and Godwin, D.C. 1994. Weather Man A: Utility for Managing and Generating Daily Weather Data. Agronomy Journal 86: 332-337.

18- R Development Core Team. 2011. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www. R-project. org.

19- Scott, R.K., and Jaggard, K.W. 2000. Impact of weather, agronomy and breeding on yields of sugar beet grown in the UK since 1970. The Journal of Agricultural Sciences 134: 341-352.

20- Shahabifar, M., and Rahimian, M.H. 2007. Measurement of sugar beet water requirements by lysimeter method in Mashhad. Sugarbeet 23(2): 177-184 (In Persian with English Summary)

21- Smit, A.B. 1996. PIEteR: A field specific bio-economic production model for decision support in sugar beet growing. PhD thesis. Wageningen Agricultural University. The Netherland.

22- Soltani, A., Gholipoor, M., and Haji-Zadeh, A. 2005. SBBET: A simple model for simulating sugar beet yield. Agricultural Sciences and Technology 19(2): 11-26 (In Persian with English Summary)

23- Spitters, C.J.T., Van Keulen, H., and Van Kraalingen, D.W.G. 1989. A simple and universal crop growth simulator: SUCROS87. In: Simulation and System Management in Crop Protection. Rabbinge, R., Ward, S.A., and Van Laar, H.H. (Eds.), 32nd ed. p. 147-181. Pudoc, Wageningen, the Netherlands.

24- Tatari, M. 2008. Dryland wheat yield prediction using climatic and edaphic data by applying neural networks. PhD dissertation. Ferdowsi University of Mashhad, Mashhad, Iran. (In Persian with English Summary)

25- Vandendriessche, H.J. 2000. A model of growth and sugar accumulation of sugar beet for potential production conditions: SUBEMOpo. II. Model performance. Agricultural Systems 64: 21-35.

26- VanLaar, H.H., Goudriaan, J., and Van Keulen, H. 1997. SUCROS97: Simulation of crop growth for potential and water-limited production situations. C. de Wit Graduate School for Production Ecology and Resource Conservation, Wageningen. The Netherlands p. 52.

27- Wallach, D., Makowski, D., and Jones, J.W. 2006. Working with Dynamic Crop Models valuation, Analysis, Parameterization, and Applications. The Netherlands. The Boulevard, Langford Lane,Kidlington,Oxford OX5 1GB,UK.

28- WRR. 1995. Sustained risks: a lasting phenomenon. Netherlands Scientific Council for Government Policy. Reports to the Government. No. 44.

29- Yin, X., and Van Laar, H.H. 2005. Crop Systems Dynamics: An ecophysiological model of genotype-by-environment interactions (GECROS). Wageningen Academic Publishers, Wageningen 168 pp.