ارزیابی مدل DSSATv۴.۷ در شبیه سازی مراحل فنولوژیکی و عملکرد گندم رقم آنفارم ۴ تحت سطوح مختلف آبیاری
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 14، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 283
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-14-2_016
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
مدل های شبیه سازی رشد و نمو گیاهی یکی از پیشرفته ترین ابزارهایی است که امروزه به منظور تخمین عملکرد و بهینه کردن عملیات زراعی استفاده می شود. از این رو، این پژوهش با هدف ارزیابی توانایی مدل گیاهی DSSAT-CERES-Wheat نسخه ۷/۴ در شبیه سازی مراحل فنولوژیکی و عملکرد گندم رقم آنفارم ۴ برای شرایط آب و هوایی بیرجند انجام شد. بدین منظور، آزمایشی در قالب طرح بلوک های کامل تصادفی با سه تکرار در سال زراعی ۹۶-۱۳۹۵ در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه بیرجند انجام شد. تیمارهای آزمایش شامل سطوح مختلف آبیاری I۱، I۲، I۳ و I۴ که به ترتیب معادل ۱۲۵، ۱۰۰، ۷۵ و ۵۰ درصد نیاز آبی گیاه و I۵ تیمار دیم با یک آبیاری تکمیلی بود. نتایج نشان داد، مقادیر ضرایب ژنتیکی گندم شامل P۱V، P۱D، P۵، G۱، G۲، G۳ و PHINT در مرحله واسنجی مدل به ترتیب برابر با ۲۵، ۰، ۱۷، ۵/۲۰، ۱۶/۳۰، ۹۸۲/۱ و ۳۰ بود. در مرحله صحت سنجی نیز، کم ترین و بیش ترین مقدار NRMSE به ترتیب در برآورد پارامترهای تاریخ گرده افشانی (۷۵/۵ درصد) و ماده خشک تولیدی (۳۷/۱۸ درصد) مشاهده شد. به طور کلی می توان بیان نمود که مدل DSSAT به خوبی مراحل فنولوژیکی و عملکرد گندم را برای منطقه بیرجند شبیه سازی نموده است.
کلیدواژه ها:
نویسندگان
سعید قوامسعیدی نوقابی
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
مصطفی یعقوب زاده
استادیارگروه علوم و مهندسی آب، دانشگاه بیرجند، بیرجند، بیرجند، ایران
علی شهیدی
دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
حسین حمامی
استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
مهدی کلانکی
گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل، زابل، ایران
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 :