بررسی واکنش عملکرد ذرت دانه‌ای به سطوح مختلف آب و کود مصرفی با استفاده از مدل AquaCrop

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی آب دانشگاه ایلام.

2 عضو هیات علمی مؤسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

آب و کود مهمترین نهاده‌های تولید محصولات کشاورزی می‌باشند. مدل­های شبیه­سازی که اثر این نهاده‌ها را بر عملکرد محصول به صورت کمی ارائه می­نمایند، ابزاری ارزشمند برای بهبود مدیریت آب و کود در سطح مزرعه و بهینه­سازی کارایی مصرف آب می­باشند. مدل آکواکراپ که اخیراً توسط فائو توسعه داده شده است، عملکرد محصول را بر اساس کمیت و کیفیت آب آبیاری و همچنین کود مصرفی شبیه­سازی می­کند. در این تحقیق به منظور ارزیابی کارایی مدل آکوکراپ از داده­های ذرت دانه‌ای یک پروژه تحقیقاتی در مقیاس بزرگ طی دو سال زراعی 1387 و 1389 در منطقه کرج استفاده شده است. آزمایش­های مزرعه­ای در چهار سطح آبیاری: 60، 80، 100و 120 درصد نیاز آبی­ و چهار سطح کودی 100، 80، 60 و 0 درصد توصیه کودی در چهار تکرار اجرا گردید. تحلیل حساسیت مدل نشان داد که مدل نسبت رطوبت اولیه خاک، زمان شروع پیری، ضریب گیاهی مربوط به تعرق، بهره‌وری آب نرمال شد، شاخص برداشت  حساس‌تر از سایر پارامترها است. نتایج نشان داد در هر دو سال زراعی (واسنجی و صحت‌سنجی) مدل قادر است عملکرد دانه را در شرایط تنش همزمان آبی و کود ازته به خوبی شبیه‌سازی  نماید. حداکثر خطای نرمال شده، ریشه دوم میانگین مربعات خطای نرمال شده و ضریب تعیین در سال صحت‌سنجی مدل به ترتیب 77/24، 37/9 و 92/0 درصد محاسبه شد. مدل آکوکراپ عملکرد دانه و تبخیر و تعرق گیاهی را در سطوح آبیاری کامل (حداکثر خطای نرمال شده، ضریب تعیین و ریشه دوم میانگین مربعات خطای نرمال شده به ترتیب 92/9، 97/0 و 21/6) و سطوح کودی کامل (حداکثر خطا، ضریب تعیین و ریشه دوم میانگین مربعات خطا به ترتیب 9/15، 90/0 و 2/11 درصد) به خوبی شبیه­سازی نمود. لیکن در تنش‌های آبی و کودی شدید مدل نتایج رضایت‌بخشی ارائه نمی‌نماید. بیشترین انحراف از داده‌های مشاهده‌ای در تیمارهای کم آبی شدید (حداکثر خطا، ضریب تعیین و ریشه دوم میانگین مربعات خطا به ترتیب 77/24، 66/0 و 61/16 درصد) اتفاق افتاد.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment of AquaCrop Model for Simulating Yield Response of Corn to Water and Fertility Stresses

نویسندگان [English]

  • Hamzeh Ali Ali zadeh 1
  • Fariborz Abbasi 2
چکیده [English]

     Water and fertilizer are the most important inputs for producing agricultural crops. Simulation models that quantify effects of water and fertility on yield at the farm scale are valuable tools in water and irrigation management. The AquaCrop model, which has recently been developed by FAO, predicts crop productivity and water requirement under water and fertility stress conditions. In this research, capability of AquaCrop model in simulation of Corn yield response to different levels of water and fertility was studied in Karaj. A field experiment was carried out in 2008 and 2010 years. A factorial design based on randomized complete block design accomplished with four levels (60, 80, 100, and 120%) of the irrigation water requirement and four levels (0, 60, 80 and 100%) of the recommended fertilizer value. Sensitivity analysis showed that the model was sensitive to initial moisture content, time from sowing to start senescence, Reference harvest index (HIo), normalized water productivity (WP*) and maximum coefficient for transpiration (KcTr) more than other parameters. Results showed that the AquaCrop model was able to simulate the grain yield under water and fertility stress, in both years. The normalized maximum error (ME), normalized root mean square error (nRMSE) and coefficient of determination (R2) were calculated 24.77, 9.27 and 0.92 respectively, in validation year. The model was able to simulate the grain yield and crop evapotranspiration (ETC) in non-water stresses (ME, nRMSE an R2 were 9.9, 6.21 and 0.97, respectively) and non-fertility stresses (ME, nRMSE an R2 were 9.9, 6.21 and 0.97, respectively) satisfactory, but it was not satisfactory in simulating sever irrigation and fertility stress. Most deviations from observed data in severe water treatments (ME, nRMSE an R2 were 24.72, 16.61 and 0.66, respectively) occurred.

کلیدواژه‌ها [English]

  • Deficit İrrigation
  • Water Stress
  • Fertility stress
  • Corn
1-    عباسی، ف.، چوگان، ر.، علیزاده، ح. و ع. لیاقت. 1391. بررسی اثر کودآبیاری جویچه‌ای بر کارایی مصرف آب و کود، عملکرد و برخی صفات ذرت دانه‌ای. نشریه تحقیقات آب و خاک ایران، 43 (4): 385-375.

 

2-    علیزاده، ح.، نظری، ب.، پارسی نژاد، م.، رمضانی اعتدالی، ه. و ح. جانباز. 1389. ارزیابی مدل AquaCrop در مدیریت کم‌آبیاری گندم در منطقه کرج. نشریه آبیاری و زهکشی ایران، 2 (4): 283-273.

 

3-    محمدی، م.، قهرمان، ب.، داوری، ک.، انصاری، ح. و ع. شهیدی. 1394.  اعتبار سنجی مدل AquaCrop به منظور شبیه‌سازی عملکرد و کارایی مصرف آب گندم زمستانه تحت شرایط هم‌زمان تنش شوری و خشکی. نشریه آب و خاک، 29 (1): 84-67.

 

4-    قربانیان کردآبادی، م. لیاقت، ع. م. وطن خواه، ا. و ح نوری. 1393.  شبیه سازی عملکرد و تبخیر و تعرق ذرت علوفه ای با استفاده از مدلAquaCrop . نشریه حفاظت منابع آب و خاک، 4 (2): 64-47.

 

5-    Boote, K.J., Jones, J.W and N.B. Pickering. 1996. Potential uses and limitations of crop models. Agronomy Journal, 88(5): 704-716.

 

6-    Bradford, K.J and T.C. Hsiao. 1982. Physiological responses to moderate water stress. p. 263–324. In O.L. Lange et al. (ed.) Physiological plant ecology. II. Water relations and carbon assimilation. Encyclopaedia of Plant Physiology, New Series. Vol. 12B. Springer -Verlag, New York.

 

7-    Brouwer, R and C.T. de Wit. 1969. A simulation model of plant growth with special attention to root growth and its consequences, 224–244.

 

8-    Delgoda, D., Saleem, S.K., Malano, H. and M.N. Halgamuge. 2016. Root zone soil moisture prediction models based on system identification: Formulation of the theory and validation using field and AQUACROP data. Agricultural Water Management, 163: 344-353.

 

9-    Doorenbos, J. and A.H. Kassam. 1979. Yield response to water. Irrigation and drainage paper, No 33.

 

10- Eitzinger, J., Trnka, M., Hösch, J., Zalud, Z. and M. Dubrovský. 2004. Comparison of CERES, WOFOST and SWAP models in simulating soil water content during growing season under different soil conditions. Ecological Modelling, 171 (3): 223-246.

 

11- Farahani, H.J., Izzi, G., Steduto, P. and T.Y. Oweis. 2009. Parameterization and evaluation of AquaCrop for full and deficit irrigated cotton. Agronomy Journal, 101: 469-476.

 

12- Hanks, R. J. 1983.Yield and water-use relationships: An overview. Limitations to efficient water use in crop production limitationstoef. 393-411.

 

13- Heng, L.K., Evett, S.R., Howell, T.A. and T.C. Hsiao. 2009. Calibration and testing of FAO AquaCrop model for maize in several locations. Agronomy Journal, 101(3): 448-459.

 

14- Hsiao, T.C., E. Fereres, E. Acevedo, and D.W. Henderson. 1976. Water stress and dynamics of growth and yield of crop plants. Water and plant life. Springer Berlin Heidelberg, 281-305.

 

15- Hsiao, T.C., Heng, L.K., Steduto, P., Raes, D. and E. Fereres. 2009. AquaCrop Model parameterization and testing for maize. Agronomy Journal, 101:448–459.

 

16- Jones, J.W. and J.R. Kiniry. 1986. CERES-Maize: A simulation model of maize growth and development. Texas A&M Univ. Press, College Station.

 

17- Keating, B.A., Carberry, P.S., Hammer, G.L., Probert, M.E., Robertson, M.J., Holzworth, D., Huth, N.I., Hargreaves, J.N.G., Meinke, H., Hochman, Z., McLean, G., Verburg, K., Snow, V., Dimes, J.P., Silburn, M., Wang, E., Brown, S., Bristow, K.L., Asseng, S., Chapman, S., McCown, R.L., Freebairn, D.M. and C.J. Smith. 2003. An overview of APSIM: A model designed for farming systems simulation. European Journal of Agronomy, 18: 267–288.

 

18- Kiniry, J.R., Williams, J.R., Gassman, P.W. and P. Debaeke. 1992. A general, process-oriented model for two competing plant species. Transactions of ASAE, 35:801–810.

 

19- Linker, R., Ioslovich, I., Sylaios, G., Plauborg, F. and A. Battilani. 2016. Optimal model-based deficit irrigation scheduling using AquaCrop: A simulation study with cotton, potato and tomato. Agricultural Water Management. 163: 236-243.

 

20- Montoya, F., Camargo, D., Ortega, J.F., Córcoles, J.I. and A. Domínguez. 2016. Evaluation of Aquacrop model for a potato crop under different irrigation conditions. Agricultural Water Management, 164: 267-280.

 

21- Paredes, P., Wei, Z., Liu, Y., Xu, D., Xin, Y., Zhang, B. and L.S. Pereira. 2015. Performance assessment of the FAO AquaCrop model for soil water, soil evaporation, biomass and yield of soybeans in North China Plain. Agricultural Water Management, 152:57-71.

 

22- Raes, D., Steduto, P., Hsiao, T.C. and E. Fereres. 2009. AquaCrop-The FAO crop model for predicting yield response to water: II. Main algorithms and soft ware description. Agronomy Journal, 101:438–447.

 

23- Saab, M.T.A., Todorovic, M. and R. Albrizio. 2015. Comparing AquaCrop and CropSyst models in simulating barley growth and yield under different water and nitrogen regimes. Does calibration year influence the performance of crop growth models?. Agricultural Water Management, 147:21-33.

 

24- Salemi, H.R., Soom, M.A.M., Lee, T.S., Mousavi, S.F., Ganji, A.  and M.K. Yusoff. 2011. Application of AquaCrop model in deficit irrigation management of Winter wheat in arid region. African Journal of Agricultural Research, 610:2204–2215.

 

25- Singh, A.K., Tripathy, R. and U.K. Chopra. 2008. Evaluation of CERESWheat and CropSyst models for water—Nitrogen interactions in wheat crop. Agricultural Water Management, 95:776–786.

 

26- Smith, M. 1992. CROPWAT: A computer program for irrigation planning and management. FAO Irrigation and Drainage Paper No. 46. FAO, Rome.

 

27- Steduto, P., Hsiao, T.C. and E. Fereres. 2007. on the conservative behaviour of biomass water productivity. Irrigation Science, 25:189–207.

 

28- Steduto, P., Hsiao, T.C., Raes, D. and E. Fereres. 2009. AquaCrop the FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal, 101:426–437.

29- Stockle, C.O., Donatelli, M. and R. Nelson. 2003. CropSyst: a cropping systems simulation model. European Journal of Agronomy, 18:289–307.

 

30- Tanner, C.B. and T.R. Sinclair. 1983. Efficient water use in crop production: Research or re-search? p. 1–27. In H.M. Taylor, W.R. Jordan, and T.R. Sinclair (ed.) Limitations to efficient water use in crop production. ASA, CSSA, and SSSA, Madison, WI.

 

31- Tavakoli, A.R., Moghadam, M.M. and Sepaskhah, A.R., 2015. Evaluation of the AquaCrop model for barley production under deficit irrigation and rainfed condition in Iran. Agricultural Water Management, 161:136-146.

 

32- Toumi, J., Er-Raki, S., Ezzahar, J., Khabba, S., Jarlan, L. and A.Chehbouni. 2016. Performance assessment of AquaCrop model for estimating evapotranspiration, soil water content and grain yield of winter wheat in Tensift Al Haouz (Morocco): Application to irrigation management. Agricultural Water Management. 163:219-235.

 

33- Van Ittersum, M. K., Leffelaar, P. A., Van Keulen, H., Kropff, M. J., Bastiaans, L. and J. Goudriaan. 2003. On approaches and applications of the Wageningen crop models. European Journal of Agronomy, 18(3): 201-234.

 

34- Vaux, H. J. and W, O. Pruitt. 1983. Crop-water production functions. Advances in Irrigation, 2(1): 61-95.

 

35- Whisler, F.D., Acock, B., Baker, D.N., Fye, R.E., Hodges, H.F., Lambert, J.R., Lemmon, H.E., McKinion, J. M. and V. R. Reddy. 1986. Crop simulation models in agronomic systems. Advances in Agronomy, 40:141-208.

 

36- Williams, J.R., Jones, C.A. and P.T. Dyke. 1989. EPIC—Erosion/productivity impact calculator. 1. The EPIC model. USDA-ARS, Temple, TX.