کارایی مدل DSSAT در شبیه سازی عملکرد دانه گندم در مدیریت های مختلف مصرف کود شیمیایی و آلی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 64

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CSR-5-1_012

تاریخ نمایه سازی: 11 دی 1402

چکیده مقاله:

مدل های گیاهی ابزار مناسبی برای بررسی تغییرات مدیریت آبیاری و حاصلخیزی و تاثیر آن بر عملکرد گیاهان می باشند. هدف از این پژوهش، بررسی کارایی مدل DSSAT در شبیه سازی عملکرد گندم در شرایط مدیریت های مختلف مصرف کود شیمیایی و آلی در کرج می باشد. ۴ تیمار مصرف کود شامل شاهد بدون مصرف کود (T۰)، کاربرد کودهای شیمیایی (نیتروژن، فسفر و پتاسیم) بر اساس آزمون خاک (T۱)، کاربرد ۲۰ تن در هکتار کمپوست پسماند به همراه مصرف کود شیمیایی نیتروژن به میزان ۷۵% و فسفر و پتاسیم به میزان ۵۰% بر اساس آزمون خاک (T۲) و کاربرد ۲۰ تن کود کمپوست پسماند (T۳) بودند. نتایج نشان داد مقدار عملکرد دانه گندم اندازه گیری و شبیه سازی شده در تیمار شاهد (بدون مصرف کود NPK) به ترتیب ۲/۳ و ۲ تن در هکتار و نیز مقادیر متناظر اندازه گیری و شبیه سازی شده در کاربرد کود شیمیایی (مصرف کود NPK بر اساس آزمون خاک) به ترتیب ۳/۹ و ۴/۲ تن در هکتار حاصل گردید. در شرایط کاربرد کمپوست به مقدار ۲۰ تن در هکتار متوسط دانه شبیه سازی و اندازه گیری شده به ترتیب حدود ۳/۱ و ۲/۹ تن در هکتار به دست آمد. زمان گل‎دهی و رسیدن دانه گندم اندازه گیری شده به ترتیب ۱۹۲ و ۲۲۷ روز پس از کاشت بوده که با مقادیر شبیه سازی شده آن که به ترتیب برابر ۱۹۰ و ۲۳۰ روز می باشند هم‎خوانی دارد. RMSE، NRMSE، EF و d مدل DSSAT برای عملکرد دانه به ترتیب ۰/۳۸، ۰/۱۳، ۰/۵۷ و ۰/۹۳ بود که حاکی از کارایی بالا و مناسب مدل DSSAT در شبیه سازی عملکرد دانه گندم در شرایط مختلف مدیریت حاصلخیزی ازنظر مصرف کود شیمیایی و آلی بوده است.

نویسندگان

محمدرضا امداد

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

آرش تافته

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

فرهاد مشیری

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

سیدعلی غفاری نژاد

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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 :
  • Abedinpour, M. ۲۰۲۱. The comparison of DSSAT-CERES and AquaCrop models ...
  • Amiri, E., Rezaei, M., Bannayan, M. and Soufizadeh, S. ۲۰۱۴. ...
  • Bao, Y., Hoogenboom, G., McClendon, R. and Vellidis, G. ۲۰۱۷. ...
  • Cammarano, D., Jose, P., Basso, B., Paul, W. and Grace, ...
  • Ghasemi, M., Naseri, A. and Moazed, H. ۲۰۱۹. Parameterization and ...
  • Hammad, H., Abbas, F., Ahmad, A., Farhad, W., Anothai, J. ...
  • Holzworth, D., Snow, V., Janssen, S., Athanasiadis, I., Donatelli, M., ...
  • Liu, H.L., Yang, J.Y. and Drury, C.F. ۲۰۱۱a. Using the ...
  • Liu, H., Yang, J.Y., Tan, C., Drury, C., Reynolds, W.D., ...
  • McNider, R.T., Handyside, C., Doty, K., Ellenburg, W., Cruise, J.F., ...
  • Ortiz, B.V., Hoogenboom, G., Vellidis, G., Boote, K., Davis, R. ...
  • Pedreira, B., Pedreira, C., Boote, K., Lara, M. and Alderman, ...
  • Shelia, V., Hansen, J., Sharda, V., Porter, C., Aggarwal, P.K., ...
  • Singh, S., Boote, K., Angadi, S., Grover, K., Begna, S. ...
  • Yang, J., Yang, J.Y., Liu, S. and Hoogenboom, G. ۲۰۱۴a. ...
  • Yang, J.Y., Drury, C., Yang, J., Li, Z.T. and Hoogenboom, ...
  • Zheng, Z., Cai, H., Lianyu, Y. and Hoogenboom, G. ۲۰۱۷. ...
  • نمایش کامل مراجع