تحلیل حساسیت جامع پارامترهای گیاهی مدل WOFOST برای گیاهان ذرت و گندم در شبیه سازی عملکرد محصول

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 111

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-49-4_011

تاریخ نمایه سازی: 7 خرداد 1402

چکیده مقاله:

مدل شبیه­سازی رشد محصول WOFOST به طور گسترده­ای در تخمین عملکرد محصولات زراعی در مقیاس مزرعه­ای و منطقه­ای و شرایط مختلف اقلیمی بکار می­رود. در فرآیند مدل­سازی، همواره به سبب وجود تعداد زیاد پارامترها و از طرفی کمبود داده های اندازه گیری شده نمی توان تمامی پارامترهای مدل را تخمین زد. بنابراین معمولا در فرآیند مدل­سازی پارامترهای حساس مدل شناسایی و سپس تخمین زده (واسنجی) می­شوند. روش­های جامع تحلیل حساسیت ابزاری مناسب جهت رتبه­بندی پارامترهای مدل­ها از لحاظ تاثیر آنها در خروجی­ها و در نظر گرفتن تمام فضای پارامتری مدل­ها می­باشند. در این روش ها علاوه بر در نظر گرفتن تاثیر پارامترهای مدل به تنهایی، تاثیر ترکیب پارامترهای مختلف نیز در تحلیل حساسیت لحاظ می­شود. در این مطالعه از روش تحلیل حساسیت منطقه­ای یکی از روش­های پرکاربرد تحلیل حساسیت جامع، جهت تحلیل حساسیت پارامترهای مدل WOFOST برای دو گیاه ذرت علوفه­ای و گندم زمستانه استفاده شده است. شاخص حساسیت پارامترها بر اساس آزمون کولموگروف-اسمیرنوف و در سطح احتمال معنی داری %۹۵ بر اساس روش منطقه­ای تحلیل حساسیت محاسبه شده و سپس نتایج تحلیل حساسیت در مزارع مورد مطالعه بررسی گردید. تغییرات شاخص حساسیت در دو مزرعه مورد مطالعه از حداقل ۰۰۶/۰ (غیر حساس) تا حداکثر ۳۷/۰ (حساسیت زیاد) بدست آمده است. برای گیاه ذرت نتایج نشان داد که تاثیرگذارترین پارامترها در شبیه­سازی عملکرد مربوط به تاثیر دما (پارامترهای TSUMEA و TSUMAM) و فرآیند جذب نور (SLA، AMAX و EFF) در گیاه می­باشند؛ اما برای گیاه گندم بیشتر پارامترهای مرتبط با جذب نور (SLA، RGRLAI، AMAX، EFF و KDIF)، بیشترین اهمیت را در شبیه­سازی عملکرد آن دارند.

نویسندگان

مجتبی شفیعی

مرکز پژوهشی آب و محیط زیست شرق

بیژن قهرمان

دانشگاه فردوسی مشهد

بهرام ثقفیان

دانشگاه علوم و تحقیقات تهران

کامران داوری

دانشگاه فردوسی مشهد

مجید وظیفه دوست

دانشگاه گیلان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Amiri, A., Rezaie, M., Motamed, M. and Emami, S. (۲۰۱۱). ...
  • Confatonieri R., Bellocchi G. and Donatell M. (۲۰۰۹). Multi-metric evaluation ...
  • Droogers P., (۲۰۰۰). Estimating actual evapotranspiration using a detailed agro-hydrological ...
  • Eitzinger J., Trnka J. Hösch Z. and Dubrovský M. (۲۰۰۴). ...
  • Fodor N., Kovács G.J. (۲۰۰۳). Sensitivity of ۴M maize model ...
  • Freer J., Beven K. and Ambroise B. (۱۹۹۶). Bayesian estimation ...
  • Hornberger G., and Spear R. (۱۹۸۱). An approach to the ...
  • Kroes J.G., and van Dam J.C. (۲۰۰۳). Reference Manual SWAP ...
  • Kuchaki, A., Nasiri, M., Badagh Jamali, J., and Marashi H. ...
  • Ma, G., Huang J., Wu W., Fan J., Zou J., ...
  • McKay, M.D., Beckman, R.J., Conover, W.J., ۱۹۷۹. Comparison of three ...
  • Makowski, D., Hillier J., Wallach D., Andrieu B., Jeuffroy M. ...
  • Martorana, F., Bellocchi G. (۱۹۹۹). A review of methodologies to ...
  • Mertens, J., Madsen, H., Kristensen, M., Jacques D. and Feyen ...
  • Morris, M.D. (۱۹۹۱). Factorial sampling plans for preliminary computational experiments, ...
  • Rivington M., Matthews K.B., Bellocchi G., Buchan K. ۲۰۰۶. Evaluating ...
  • Saltelli A., Tarantola S., Campolongo F., and Ratto M. ۲۰۰۴. ...
  • Sobol′ I. M. ۲۰۰۱. Global sensitivity indices for nonlinear mathematical ...
  • Supit I., Hooyer A.A., Van Diepen C.A. (Eds.). (۱۹۹۴). System ...
  • Tung, Y. K., & Yen, B. C. (۲۰۰۵). Hydrosystems engineering ...
  • Vazifedoust M., ۲۰۰۷. Development of an agricultural drought assessment system: ...
  • Wolf J. and van Diepen C.A. ۱۹۹۴. Effects of climate ...
  • Zhou J., Cheng G., Li X., Hu B.X., and Wang ...
  • نمایش کامل مراجع