پارامتریابی و ارزیابی مدل SSM-iCrop2 برای پیش‌بینی رشد و عملکرد یونجه (Medicago sativa L.) در ایران

بوم شناسی کشاورزی

مقاله 10، دوره 15، شماره 1 - شماره پیاپی 55، فروردین 1402، صفحه 169-189   

نوع مقاله: علمی - پژوهشی

شناسه دیجیتال (DOI): 10.22067/agry.2021.70433.1044

نویسندگان

شبنم پورشیرازی؛ افشین سلطانی^* ؛ ابراهیم زینلی؛ بنیامین ترابی

گروه زراعت،دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

برای اطمینان از مدل­های شبیه­سازی زراعی می­توان پارامتریابی و ارزیابی محصول را با مجموعه‌ای از داده‌های مناسب از محیط، مدیریت، ارقام و خاک‌های متفاوت انجام داد. بنابراین، هدف از این مطالعه، تعیین پارامترهای گیاهی و ارزیابی عملکرد علوفه یونجه (Medicago sativa L.) با استفاده از مدل SSM-iCrop2 در مناطق عمده تولید آن در ایران بود. این مطالعه عملکرد مدل را از نظر پیش‌بینی عملکرد تک چین و مجموع سالانه، مرحله فنولوژیک و نیاز آبی یونجه بررسی می‌کند. ارزیابی مدل بر اساس داده‌های آزمایشی مستقل از مرحله پارامتریابی انجام شد. مجموع عملکرد علوفه سالانه مشاهده شده بین 646 تا 4042 با میانگین 1717 گرم در مترمربع و نیاز آبی یونجه حاصل از برنامه NETWAT بین 5140 تا 12690 با میانگین 8746 مترمکعب در هکتار بود. عملکرد شبیه­سازی شده و نیاز آبی یونجه به‌ترتیب بین 693 تا 3296 با میانگین 1654 گرم در مترمربع و 4093 تا 16874 با میانگین 10940 مترمکعب در هکتار به‌دست آمد. همچنین، نتایج ارزیابی نشان داد که ضریب همبستگی (r)، جذر میانگین مربعات خطا (RMSE) و ضریب تغییرات (CV) برای عملکرد تک چین شبیه­سازی شده در مقایسه با مشاهده شده به‌ترتیب 79/0، 3/88 گرم در مترمربع و 78/26 درصد، برای عملکرد علوفه سالانه به‌ترتیب 90/0، 4/344 گرم در مترمربع، 05/20 درصد و برای نیاز آبی یونجه به‌ترتیب 43/0، 3503 مترمکعب در هکتار و 40 درصد به‌دست آمد. نتایج نشان داد که برآوردها برای متغیرهای مختلف قابل قبول است؛ بنابراین، می‌توان از این مدل برای تخمین عملکرد پتانسیل، خلأ عملکرد و اثرات تغییرات اقلیمی محصول یونجه استفاده کرد.

کلیدواژه‌ها

مدل‌های گیاهان زراعی؛ علوفه؛ نیاز آبی؛ فنولوژی

مراجع

Agricultural Statistics. (2020). Tehran: Ministry of Agricultural Jihad, Deputy Minister of Planning and Economics, Information and Communication Technology Center. Available at web site https://www.maj.ir/. (verified 10 Oct 2020). (In Persian)

Aliahmadi, N., Hashmitabar, M., & Hoseini, S.M. (2021). Assessment of the effect of climate change on the production of horticultural products with a randomized production approach, Case study: Date product. Agricultural Economics Research, 12, 56-82. (In Persian with English Summary)

Dadrasi, A., & Torabi, B. (2017). Predict the growth and yield of corn in Hamedan. Iranian Journal of Field Crop Science, 4, 595-610. (In Persian with English Summary). https://doi.org/10.22059/IJFCS.2017.132723.653951

Dadrasi, A., Torabi, B., Rahimi, A., Soltani, A., & Zeinali, E. (2020). Parameterization and evaluation of a Simple Simulation Model (SSM-iCrop2) for potato (Solanum tuberosum L.) growth and yield in Iran. Potato Research, 63, 545-563. https://doi.org/10.1007/s11540-020-09456-y

Ghaderpour, O., Rafiee, S., Sharifi, M., & Mousavi-Avval, S.H. (2018). Quantifying the environmental impacts of alfalfa production in different farming systems. Sustainable Energy Technologies and Assessments, 27, 109-118. https://doi.org/10.1016/j.seta.2018.04.002

Hammer, G. L., Sinclair, T. R., Boote, K. J., Wright, G. C., Meinke, H., & Bell, M.J. (1995). A peanut simulation model: I. Model development and testing. Agronomy Journal, 87, 1085-1093. https://doi.org/10.2134/agronj1995.00021962008700060009x

Hammer, G.L., Van Oosterom, E., McLean, G., Chapman, S.C., Broad, I., Harland, P., & Muchow, R.C. (2010). Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops. Journal of Experimental Botany, 61, 2185-2202. https://doi.org/10.1093/jxb/erq095

Hoogenboom, G., Porter, C.H., Shelia, V., Boote, K.J., Singh, U., White, J.W., Hunt, L.A., Ogoshi, R., Lizaso, J.I., Koo, J., Asseng, S., Singels, A., Moreno, L. P., & Jones, J.W. (2019). Decision Support System for Agrotechnology Transfer (DSSAT) Version 4.7.5 Available at Web site https://DSSAT.net. DSSAT Foundation, Gainesville, Florida, USA.

Jones, J.W., Hoogenboom, G., Porter, C.H., Boote, K.J., Batchelor, W.D., Hunt, L.A., Wilkens, P.W., Singh, U., Gijsman, A.J., & Ritchie, J.T. (2003). The DSSAT cropping system model. European Journal of Agronomy, 18, 235-265. https://doi.org/10.1016/S1161-0301(02)00107-7

Koo, J., & Dimes, J. (2013). HC27 Generic Soil Profile Database. In: Harvard Dataverse, V5. International Food Policy Research Institute, Washington, DC. https://doi.org/10.7910/DVN/90WJ9W

McCown, R.L., Hammer, G.L., Hargreaves, J.N.G., Holzworth, D.P., & Freebairn, D.M. (1996). APSIM: A novel software system for model development, model testing, and simulation in agricultural systems research. Agricultural Systems, 50, 255-271. https://doi.org/10.1016/0308-521X(94)00055-V

Moniri Far, H., Moradian, P., Ahmadi, R., & Moghaddam, A. (2020). Identification of suitable alfalfa cultivars for deficit irrigation conditions in Tabriz Plain. Journal of Agricultural Science and Sustainable Production, 30, 249-264. (In Persian with English Summary)

Monirifar, H., Roudsari, A.M., Ghassemi, S., & Tavasolee, A. (2020). Harvest time and cultivar effects on growth, physiological traits, yield and quality of alfalfa in saline condition. International Journal of Plant Production, 14, 453-462. https://doi.org/10.1007/s42106-020-00096-3

Nehbandani, A.R., Soltani, A., Zeinali, E., Raeisi, S., & Rajabi, R. (2015). Parameterization and evaluation of SSM-soybean model for prediction of growth and yield of soybean in Gorgan. Journal of Plant Production Research, 22, 1-26. (In Persian with English Summary)

Priestley, C.H.B., & TAYLOR, R.J. (1972). On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 100, 81-92. https://doi.org/10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2

Ritchie, J. T., Singh, U., Godwin, D. C. & Bowen, W. T. (1998). In: G.Y. Tsuji, G. Hoogenboom and P.K. Thornton (Eds.) Cereal growth, development and yield. Understanding options for agricultural production. Springer, Dordrecht. p. 79-98. https://doi.org/10.1007/978-94-017-3624-4_5

Sinclair, T.R. (1986). Water and nitrogen limitations in soybean grain production I. Model development. Field Crops Research, 15, 125-141. https://doi.org/10.1016/0378-4290(86)90082-1

Sinclair, T.R., & Amir, J. (1992). A model to assess nitrogen limitations on the growth and yield of spring wheat. Field Crops Research, 30, 63-78. https://doi.org/10.1016/0378-4290(92)90057-G

Sinclair, T.R., & Muchow, R.C. (1995). Effect of nitrogen supply on maize yield: I. Modeling physiological responses. Agronomy Journal, 87, 632-641. https://doi.org/10.2134/agronj1995.00021962008700040005x

Sinclair, T. R., Muchow, R. C., & Monteith, J. L. (1997). Model analysis of sorghum response to nitrogen in subtropical and tropical environments. Agronomy Journal, 89, 201-207. https://doi.org/10.2134/agronj1997.00021962008900020009x

Soltani, A., Ghassemi-Golezani, K., Khooie, F.R., & Moghaddam, M. (1999). A simple model for chickpea growth and yield. Field Crops Research, 62, 213-224. https://doi.org/10.1016/S0378-4290(99)00017-9

Soltani, A., Robertson, M. J., Torabi, B., Yousefi-Daz, M., & Sarparast, R. (2006). Modelling seedling emergence in chickpea as influenced by temperature and sowing depth. Agricultural and Forest Meteorology, 138, 156-167. https://doi.org/10.1016/j.fcr.2011.06.021

Soltani, A., & Hoogenboom, G. (2007). Assessing crop management options with crop simulation models based on generated weather data. Field Crops Research, 10, 198-207. https://doi.org/10.1016/j.fcr.2007.06.003

Soltani, A. (2009). Mathematical modeling in field crops. JDM Press, Mashhad, Iran. (In Persian)

Soltani, A., & Sinclair, T.R. (2012). Modeling physiology of crop development, growth and yield. CABI Publisher, 312 p. https://doi.org/10.1079/9781845939700.0000

Soltani, A., Maddah, V., & Sinclair, T.R. (2013). SSM-wheat: A simulation model for wheat development, growth and yield. International Journal of Plant Production, 7, 711-740. https://doi.org/10.22069/IJPP.2013.1266

Soltani, A., and Sinclair, T.R. (2015). A comparison of four wheat models with respect to robustness and transparency: Simulation in a temperate, sub-humid environment. Field Crops Research, 175, 37-46. https://doi.org/10.1016/j.fcr.2014.10.019

Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Dadrasi, A., Zand, E., Ghassemi, S., Pourshirazi, S., Alasti, O. Hosseini, R.S., Zahed, M., Arabameri, R., Mohammadzadeh, Z., Rahban, S., Kamari, H., Fayazi, H., Mohammadi, S., Keramat, S., Vadez, V., Van Ittersum, M.K., & Sinclair, T.R. (2020). SSM-iCrop2: A simple model for diverse crop species over large areas. Agricultural Systems, 182, 102855. https://doi.org/10.1016/j.agsy.2020.102855

Stöckle, C.O., Donatelli, M., & Nelson, R. (2003). CropSyst, a cropping systems simulation model. European Journal of Agronomy, 18, 289-307. https://doi.org/10.1016/S1161-0301(02)00109-0

Tanner, C.B., & Sinclair, T.R. (1983). Efficient water use in crop production: Research or re-search? In: H.M. Taylor, W.R. Jordan and T.R. Sinclair (Eds). Limitations to Efficient Water Use in Crop Production. American Society of Agronomy, Crop Science Society of America, and Soil Science Society of America, Madison, Wisconsin. p. 1–27. https://doi.org/10.2134/1983.limitationstoefficientwateruse.c1

Torabi, B., Ebrahimi, N., Soltani, A., & Zeinali, E. (2020). Parameterization and evaluation of SSM iCrop Model for prediction of growth and development of faba bean in climatic conditions of Gorgan. Journal of Crops Improvement, 22, 531-542. (In Persian with English Summary). https://doi.org/10.22059/jci.2020.273742.2148

Vatankhah, T., Moosavi, S. N., & Tabatabaei, S.M. (2020). The economic impacts of climate change on agriculture in Iran: ‎A CGE model analysis. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 42, 1935-1949. https://doi.org/10.1080/15567036.2019.1604903

Wahbi, A., & Sinclair, T. R. (2005). Simulation analysis of relative yield advantage of barley and wheat in an eastern Mediterranean climate. Field Crops Research, 91, 287-296. https://doi.org/10.1016/j.fcr.2004.07.020

Zhao, C., Liu, B., Xiao, L., Hoogenboom, G., Boote, K.J., Kassie, B.T., Pavan, W., Shelia, V., Kim, K.S., Hernandez-Ochoa, I.M., & Wallach, D. (2019). A SIMPLE crop model. European Journal of Agronomy, 104, 97-106. https://doi.org/10.1016/j.eja.2019.01.009