تحلیل فنولوژی و تولید خالص اکولوژیک زوفا (Hyssopus officinalis) با استفاده از مدل AEZ در شرایط نیمه‌گرمسیری جنوب استان کرمان

بوم شناسی کشاورزی

مقاله 1، دوره 15، شماره 2 - شماره پیاپی 56، تیر 1402، صفحه 209-221   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/agry.2021.70648.1045

نویسندگان

نازیلا ابوسعیدی دولت آباد¹؛ مهرانگیز جوکار تنگ کرمی¹؛ احمد آیین²؛ جواد طایی سمیرمی^{* 3}؛ زینب روزپیکر¹

¹گروه زراعت و اصلاح نباتات دانشکده کشاورزی دانشگاه جیرفت، جیرفت، ایران

²بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران.

³گروه علوم کشاورزی، دانشگاه فنی و حرفه‌ای، تهران، ایران

چکیده

کمّی­سازی رشد و نمو در گیاهان ابزاری مهم جهت بهینه کردن عملیات زراعی و توسعه کشت و تولید گیاهان دارویی است. این پژوهش به‌منظور بررسی امکان پیش­بینی تاریخ کاشت بهینه زوفا (Hyssopus officinalis) با استفاده از مدل AEZ انجام شد. پایگاه داده‌های ورودی مدل از داده‌های آب‌وهوا (تابش خورشیدی، دمای کمینه، دمای بیشینه و بارندگی)، داده‌های گیاه (مراحل و عملکرد زیست‌توده) و داده‌های خاک (ویژگی‌های فیزیکی و شیمیایی خاک) ایجاد شد. آزمایش در مزرعه به‌صورت اسپیت پلات در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در سال زراعی 97-1396 اجرا شد. عامل اصلی سطوح مختلف کود نیتروژن شامل صفر، 50، 100 و 150 کیلوگرم در هکتار و عامل فرعی تاریخ‌‌های مختلف کاشت به‌فاصله 30 روزه از 25 مهرماه تا 25 اسفندماه در نظر گرفته شد، داده­های این آزمایش برای واسنجی مدل و داده‌های دو سال آزمایش­های تاریخ کاشت‌ در دوره 1395-97 برای ارزیابی مدل استفاده شد. نتایج ارزیابی مدل نشان داد مقدار ریشه میانگین مربعات خطای نرمال شده (RMSEn) زیست‌توده پیش­بینی شده 81/10 درصد بود، مقدار شاخص کارایی (E)، مقدار شاخص سازگاری (D) مدل، مقدار شاخص جرم باقی‌مانده (CRM) ، ضریب تبیین (R²) برای سال اول به‌ترتیب 999/0، 98/0 ، 66/0 و 98 درصد بود، مقدار RMSEn، (E)، (D) و (CRM) در سال دوم به‌ترتیب برابر با 96/5، 999/0، 98/0 و 0454/0 و 98/0 درصد مشاهده شد. نتایج بیانگر تطابق خوب مقادیر شبیه‌سازی شده و واقعی بوده و مدل با دقت بالایی زیست‌توده را شبیه‌سازی نموده است. نتایج حاصل از تحلیل دوره­ای تاریخ کاشت و تولید زیست‌توده خالص با استفاده از مدل AEZ در ایستگاه‌های هواشناسی منطقه نشان داد: در ایستگاه هواشناسی جیرفت به‌طور میانگین دوره رشد در بازه زمانی خرداد‌ماه تا 31 شهریور با محدودیت تنش گرما مواجه است در این زمان، رشد گیاه متوقف می‌شود و تولید زیست­توده کاهش پیدا می‌کند. در ایستگاه هواشناسی بم، بیشترین زیست­توده (به‌ترتیب 9/23219 و 2/23550 کیلوگرم در هکتار) در تاریخ کاشت‌های اول مهرماه تا اوایل آبان‌ماه پیش­بینی گردید در این منطقه، محدودیت تنش سرما در تاریخ کاشت‌های اول دی‌ماه تا 15 بهمن‌ماه و محدودیت دمایی تنش گرما در تیرماه پیش­بینی شد. در ایستگاه هواشناسی کهنوج دوره محدودکننده رشد از اوایل خرداد‌ماه تا اواخر شهریورماه پیش­بینی گردید، بیشترین عملکرد زیست­توده (به‌ترتیب 9/19413 و 3/19764 کیلوگرم در هکتار) برای این منطقه در تاریخ‌های کاشت‌ اول آبان‌ماه تا اوایل آذرماه تخمین زده شد.

کلیدواژه‌ها

تولید اکولوژیک ناخالص؛ تاریخ کاشت؛ تخمین عملکرد؛ گیاهان دارویی

مراجع

1. Ashraf, S. (2011). Estimating the land production potential for wheat, using GIS method. Australian Jornal of Basic and Applied Sciences, 5(8), 118-122. http://ajbasweb.com/old/ajbas/2011/August-2011/118-122.pdf
2. Ashrafv, S., Ashraf, V., & Abbaspour, H. (2011). Assessment of land production potential for barley using geographic information system (GIS) method. Indian Journal of Science and Technology, 4(12), 1775-1777. DOI:17485/ijst/2011/v4i12.32
3. De Pauw, E., Mirghasemi, A., Ghaffari, A., and Nseir, B. (2008). Agro ecological zones of Karkheh River Basin: A reconnaissance assessment of climatic and edaphic patterns and their similarity to areas inside and outside the basin. Technical Report, Syrian Arab Republic: International Center for Agricultural Research in the Dry Areas (ICARDA). https://hdl.handle.net/20.500.11766/9711.
4. Dua, V.K., Govindakrishnan, P.M., & Singh, B.P. (2014). Calibration of WOFOST model for potato. India. Potato Research, 41(2), 105-112. http://epubs.icar.org.in/.../PotatoJ
5. Dwyer, L.M., Stewart, D.M., Carrigan, L., Neave, B.L., Ma, P., & Bichin, D. (1999). A general thermal index for maize. Agronomy Journal, 91, 940-946. https://doi.org/10.2134/agronj1999.916940x
6. Eitzinger, J., Trnka, M., Hosch, J., Zalud, Z., & Dubrovsky, M. (2004). Comparison of CERES, WOFOST and SWAP models in simulating soil water content during growing season under different soil conditions. Ecological Modelling, 171, 223-246. https://doi.org/10.1016/j.ecolmodel.2003.08.012
7. FAO.(1976).A framework for land evaluation. Rome. FAO Soils Bulletin32.https://www.fao.org/3/x5310e/x5310e00.htm
8. FAO. (1996). Guidelines: Agroecological zoning. Rome. FAO Soils Bultin73. https://www.fao.org/3/w2962e/w2962e00.htm.
9. Fathiazad, F., & Hamedeyazdan. S. (2011). A review on Hyssopus officinalis L.: Composition and biological activities. African Journal of Pharmacy and Pharmacology, 5, 1959–1966. DOI:5897/AJPP11.527
10. Hammer, G.L., & Muchow, R.C. (1994). Assessing climatic risk to sorghum production in water limited subtropical environments. I. Development and testing of a simulation model. Field Crops Research 36, 221-234. Field Crops Research 36, 221-234. https://doi.org/10.1016/0378-4290(94)90114-7
11. Mijani, S., Eskandarinasrbadi, S., Zarghani, H., & Ghiasabadi, M. (2013). Seed Germination and early growth responses of hyssop, sweet basil and oregano to temperature lwvels. Notulae Scientia Biologicae, 5(4): 462-467. DOI: https://doi.org/10.15835/nsb549164
12. Pourmeidani, A., Ghamghami M., Olya H., & Ghahreman, N. (2020). Determination of suitable regions for cultivation of three medicinal plants under a changing climate. Environmental Processes 7, 89-108. https://doi.org/10.1007/s40710-020-00423-w
13. Radatz, H. (1979). Error analysis in the mathematics education. Journal for Research in Mathematics Education, 9, 163-172. https://doi.org/10.2307/748804
14. Rinaldy, M., Losavio, N., & Flagella, Z. (2003). Evaluation of OILCROP-SUN model for sunflower in southern Italy. Agricultural Systems, 78, 17-30. https://doi.org/10.1016/S0308-521X(03)00030-1
15. Singh, A.K., Tripathy, R., & Chopra, U.K. (2008). Evaluation of CERES wheat and CropSyst models for water-nitrogen interactions in wheat crop. Agricultral Water Management, 95, 776-786. https://doi.org/10.1016/j.agwat.2008.02.006
16. Soltani, A., Hammer, G.L., Torabi, M.J., Robertson, B., & Zeinali, E. (2006). Modeling chickpea growth and development: phenological development. Field Crops Researech, 99, 1-13. https://doi.org/10.1016/j.fcr.2006.02.004.
17. Taei, J., Ghanbari, A., Ghaffari, A., Siahsar, B., Amiri, E., & Ayoubi, S. (2011). New landscape planning concepts to management strategies for developing agricultural regions. Notulae Scientia Biologicae, 3(4): 51-57. http://dx.doi.org/10.15835/nsb.3.4.6361.
18. Taei Semiromi, J., Mirbagheri. V., & Amiri, A. (2015). Agroclimatic zoning of Kerman province for production potato. Final Report: Jiroft, University of Jiroft. (In Persian)
19. Walpole, R.E., Myers, R.M., & Myers, S.L. (1998). Probability and Statistics for Engineers and Scientists. Sixth Edition, New Jersey: Prentice Hall International. https://spada.uns.ac.id/pluginfile.php/221008/mod_resource/content/1/ProbabilityStatistics_for_EngineersScientists%289th_Edition%29_Walpole.pdf
20. Willmott, C.J. (1982). Some comments on the evaluation of model performance. Bulletin of the American Meteorologyical Society, 63, 1309-1313. https://doi.org/10.1175/1520-0477(1982)063%3C1309:SCOTEO%3E2.0.CO;2.
21. Zawislak, G. (2013). The chemical composition of essential hyssop oil depending on plant growth stage. Acta Scientiarum Polonorum Hortorum Cultus, 12(3): 161-170. https://www.researchgate.net/journal/Acta-scientiarum-Polonorum-Hortorum-cultus-Ogrodnictwo-1644-0692