به زراعی کشاورزی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

داوران

عضویت و راهنمای پابلونز

دستورالعمل حذف نام داور از روی کامنت ها در برنامه Word

ارزیابی کارآیی مدل DSSAT برای تخمین عملکرد بالقوه سیب‏ زمینی در نظام زراعی کشت پاییزه (مطالعه موردی: منطقة جیرفت)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه زراعت و اصلاح نباتات و عضو پژوهشکدة باغبانی، دانشکدة کشاورزی، دانشگاه جیرفت، جیرفت، ایران

2 دانشیار، گروه آبیاری، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران

3 استادیار، بخش تحقیقات اصلاح و تهیة نهال و بذر، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران

4 استادیار، گروه خاک‌شناسی، دانشکدة کشاورزی، دانشگاه جیرفت، جیرفت، ایران

5 استادیار، گروه زراعت و اصلاح نباتات، دانشکدة کشاورزی، دانشگاه جیرفت، جیرفت، ایران

چکیده

مدل‌های شبیه‌سازی رشد و نمو گیاهی یکی از پیشرفته‌ترین ابزارهایی است که امروزه به‏منظور تخمین عملکرد و بهینه کردن عملیات زراعی استفاده می‌شوند. این پژوهش به‏منظور ارزیابی کارآیی مدل DSSAT در شرایط کشت پاییزة سیب‌زمینی در منطقة جیرفت در سال‌‌های 1391-1393 به‏صورت دوساله اجرا شد. آزمایش مزرعه به‏صورت کرت‌های خردشده در قالب طرح بلوک‏های کامل تصادفی در سه تکرار انجام شد. فاکتور اصلی تاریخ‌کاشت (26 شهریور، 1 مهر، 7 مهر، 13 مهر) و فاکتور فرعی ارقام سیب‌زمینی (سانته، ساتینا و بورن) بود. داده‌های سال نخست و دوم این آزمایش به‌ترتیب برای واسنجی و ارزیابی مدل استفاده شد. پایگاه داده‌های مورد نیاز مدل عبارت بودند از: 1. داده‌های اقلیمی مربوط به دما، تشعشع، رطوبت‌نسبی، سرعت باد و بارش؛ 2. داده‏های گیاه زراعی حاصل از آزمایش مزرعه؛ 3. داده‌های خاک. نتایج ارزیابی نشان داد عملکرد شبیه‌سازی شده، برازش خوبی با مقادیر مشاهده شده دارد (R2 > 0.90، pvalue < 0.05). مقدار جذر میانگین مربعات خطا معادل 19 درصد یا 1210 کیلوگرم در هکتار عملکرد غده بود که از لحاظ آماری قابل قبول است. زیست‌توده شبیه‌سازی شده با اختلاف 5/2673 کیلوگرم درهکتار و دقت پایین برآورد شد (RMSE > 30). برآورد مدل برای تخمین زمان غده‌زایی نیز قابل قبول نبود. به‏طور‏کلی، نتایج نشان داد هر چند این مدل عملکرد غده را پیش‌بینی کرده است، اما به دلیل دقت کم در تخمین مراحل فنولوژیک سیب‌زمینی اعتبار کافی برای شرایط کشت پاییزة سیب‌زمینی را ندارد.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of DSSAT model for potential yield prediction of potato under autumn cropping system (Case study: Jiroft, Iran)

نویسندگان [English]

  • Javad Taie 1
  • Ebrahim Amiri 2
  • Ahmad Aien 3
  • Naser Boroumand 4
  • Mehrangiz Jokar 5

چکیده [English]

Crop Simulation Models are advanced tools to estimate crop yield and optimizing of crop management practices. This study was conducted in order to evaluate DSSAT model under autumn cropping system condition in Jiroft, Iran, 2012-2014. The field experiment which repeated in two sequential years and three replications were performed as randomized complete block design in split plots. The main factor was planting date (17th, 23th, 29th September and 5th October) and its subfactor was potato cultivars (Sante, Satina and Boren). Data of first and second years of field experiment was applied respectively for calibration and evaluation of model. Data-base requirement for model was created from 1. climatic data includes: temperature, radiation, relative humidity, wind and precipitation; 2. crop data attained from field experiment, 3. soil data. Results of statistical evaluation of model showed the good fitness of simulated and actual yield performance. Simulated tuber yields were similar to their observed value with RMSE of 19% (1210 kg/ha) and high correlation between observed and simulated tuber yield (R2>0.9). Simulated biomass had 2673.5 kg/ha difference to its observed value that showed low estimation precision (RMSE>30%). This model couldn’t predict tuber initiation stage correctly (RMSE>30%). Therefore, it was concluded that DSSAT model predicted potato yield correctly but due to weak precision in estimation of phenological stage, had low assurance for use in autumn cropping system of potato under autumn cropping system in Jiroft region.

کلیدواژه‌ها [English]

  • Autumn cropping system
  • model
  • Phenology
  • simulation
  • substor-potato
مراجع
احمدی ک.، قلی‌زاده ح.، عبادزاده ح.، حسین‌پور ر.، حاتمی ف.، عبدشاه ه.، رضایی م.، کاظمی‌فرد ر. و فضلی استبرق م. (1394) آمارنامة کشاورزی سال 1393، آمار محصولات باغی. وزارت جهاد کشاورزی، تهران، معاونت برنامه‌ریزی و اقتصادی، مرکز فن‌آوری اطلاعات و ارتباطات، 3: 156.
 باقری ح. (1395) پهنه‌بندی آگرواکولوژیک سیب‌زمینی در استان چهارمحال و بختیاری با استفاده از مدل SUBSTOR Potato و سامانة اطلاعات جغرافیایی. رسالة دکتری رشتة زراعت، دانشگاه رامین. اهواز، 175 صفحه.
درینی ع.، فتحی ق.ا.، قرینه م.ح.، عالمی‌سعید خ.، خدادای م. و سیادت س.ع. (1392) اثر تاریخ کاشت و کاربرد آنتی‌فریز بر عملکرد غده و برخی صفات فیزیولوژیکی ارقام سیب‌زمینی در کشت پاییزه در منطقة جیرفت. به‌زراعی نهال و بذر. 29(4): 443-459.
نیکزاد م. (1393) پهنه‌بندی آگرواکولوژیک سیب‌زمینی در جنوب استان کرمان با استفاده از مدل‌های شبیه‌سازی و GIS. پایان‌نامة کارشناسی ارشد رشتة آگرواکولوژی. دانشگاه جیرفت. جیرفت، 105 صفحه.
Abeledo L.G., Savin R. and and Slafer A. (2008) Wheat productivity in the Mediterranean Ebro Valley: Analyzing the gap between attainable and potential yield with a simulation model. European Journal of Agronomy. 28: 541-550.
Arora V.K.,  Nath J.C. and  Singh C.B. (2013) Analyzing potato response to irrigation and nitrogen regimes in a sub-tropical environment using SUBSTOR-Potato model. Agricultural Water Management. 124: 69-76.
Bannayan M., Crout N.M.J. and Hoogenboom G. (2003) Application of the CERES-Wheat model for within-season prediction of winter wheat yield in the United Kingdom. Agronomy Journal. 95: 114–125.
Boote K.J., Jones J.W., Mishoe J.W. and Wilkerson G.G. (1986) Modeling growth and yield of groundnut. In: Proceedings of an International Symposium on Agro meteorology of Groundnut. 21/26Aug. Sahelian Center. Niamey. Niger. Patancheru. India: ICRISAT. pp. 243-254.
Casa A., Ovando G., Bressanini L. and Martínez J. (2013) Aqua crop model calibration in potato and its use to estimate yield variability under field conditions. Atmospheric and Climate Sciences. 3: 397-407.
Ewing E., Heym W.D., Batuti E.J., Snyder G., Ben Khedher M., Sandlan K.P. and Turner A.D. (1990) Modifications to the simulation model POTATO for use in New York. Journal of Agricultural System. 33: 173-192.
FAO. (1996) Guidelines: Agroecological zoning. FAO. Soils Bultin 73, FAO, Rome.
Fleisher D.H., Dennis J.T., Yang Y. and Reddy V.R. (2010) Simulation of potato gas exchange rates using SPUDSIM. Agricultural and Forest Meteorology. 150: 432–442.
Gayler S., Wang E., Priesack E., Schaaf T. and Maidl F. (2002) Modeling biomass growth, N-uptake and phenological development of potato crop. Geoderma. 105: 367–383.
Ghaffari A. (2008) Agroclimatic zoning of Iran. Rain fed crop production areas with particular emphasis to agroecological characterization. (Annual Report) Agricultural Extension. Education and Research Organization (AEERO). Dry land Agricultural Research Institute (DARI). ICARDA Technical Report. 214.
Haverkort A.J. and MacKerron D.K.L. (1995) Potato Ecology and Modeling of Crops under Conditions Limiting Growth. Springer-Science Business Media. B.V. 379pp.
Hollinger SE (2003) Agricultural climatology. University of Illinois at Urbana-Champaign. Cooperative Extension Service (Author). In: Illinois agronomy handbook (23th ed). (Pp.1-21) University of Illinois at Urbana-Champaign. College of Agriculture, Cooperative Extension Service.
Hoogenboom G., Wilkens P.W., Thornton P.K., Jones J.W., Hunt L.A. and Imamura D.T. (1999) Decision support system for agro technology transfer v3.5. In: Hoogenboom G, Wilkens PW, Tsuji GY, DSSAT version 3, (pp. 1 -36) University of Hawaii. Honolulu. HI.
Jones J.W. (2003) The DSSAT cropping system model. European Journal of Agronomy. 18:
235-265.
Jones J.W., Tsuji G.Y., Hoogenboom G., Hunt L.A., Thornton P.K., Wilkens P.W., Imamura D.T., Bowen W.T. and Singh U (1998) Decision support system for agrotechnology transfer. DSSAT v3. In: Tsuji GY, Hoogenboom G, Thornton PK (Ed). Understanding Options for Agricultural Production. (pp. 157-177) Kluwer Academic Publishers Dordrecht. The Netherlands.
Montoya F., Camargo D., Ortega J.F., Córcoles J.I. and Domínguez A. (2016) Evaluation of Aquacrop model for a potato crop under different irrigation conditions. Agricultural Water Management. 64: 268-280.
Ng E. and Loomis R.S. (1984) Simulation of growth and yield of the potato crop. Simulation of potato plants. Agronomy Journal. 58: 169-177.
 Raymundo R., Prassad R., Kleinwechter U., Concha J., Condori B., Condori B., Bowen W., Wolf J., Olesen J.E., Dong Q., Zotarelli L., Gastelo M., Alva A., Travasso M., Quiroz R., Arora V., Graham W. and Porter C. (2016) Performance of the SUBSTOR-potato model across contrasting growing conditions. Field Crops Research. In Press, 2016.
Rinaldy M., Losavio N.G.Flagella Z. (2003) Evaluation of OILCROP-SUN model for sunflower in southern Italy. Agricultural System. 78: 17-30.
 SASA, UNITED KINGDOM (2009) https://www.europotato.org/display_source.php?datasource=13.
Singh A.K., Tripathy R. and Chopra U.K. (2008) Evaluation of CERES-Wheat and CropSyst models for water-nitrogen interactions in wheat crop. Agricultural Water Management. 95: 776-786.
Šťastná M., Toman F. and Dufkova J. (2010) Usage of SUBSTOR model in potato yield prediction. Agricultural Water Management. 97: 286–290.
Svuburea O., Struik P.C., Haverkort A.J. and Steyn J.M. (2015) Yield gap analysis and resource footprints of Irish potato production systems in Zimbabwe. Field Crops Research. 178: 77–90.
Travasso M.I. (1996) Yield prediction using the SUBSTOR-potato model under Argentinian conditions. Potato Research. 39(2): 305-312.
Uehara G. and Tsuji G.Y. (1998) Overview of IBSNAT. In: Tsuji GY, Hoogenboom G, Thornton PK, (Eds),. Understanding Options for Agricultural Production, (pp.1-7) Kluwer Academic Publishers. Dordrecht. The Netherlands. 392pp.
 Uehara G., (1998) Synthesis. In: Tsuji G.Y., Hoogenboom G., Thornton P.K., (Eds.), Understanding Options for Agricultural Production, (pp.389-392) Kluwer academic publishers, Kluwer Academic Publishers. Dordrecht. The Netherlands. 392pp.
UNESCO, (1979) Map of the world distribution of arid regions, Map at Scale 1:25,000,000 with Explanatory Note. UNESCO, Paris.
Van Ittersum M.K., Leffelaar P.A., Van Keulen H., Kropff M.J., Bastiaans L. and Goudriaan J. (2003) On approaches and applications of the Wageningen crop models. European Journal of Agronomy. 18: 201-234.
Van Wart J., Kersebaum K.C., Peng S., Milnera M. and Cassman K.G. (2013) Estimating crop yield potential at regional to national scales. Field Crops Research. 143: 34–43.
Van Wart J., Van Bussel L.G.J., Wolf J., R., Grassini P., Nelson A., Boogaard H., Gerber J., Mueller N.D., Claessens L., Van Ittersum M.K. and Cassman K.G. (2013) Use of agro-climatic zones to upscale simulated crop yield potential. Field Crops Research. 143: 44–55.
Walpole R.E., Myers R.M. and Myers S.L. (1998) Probability and Statistics for Engineers and Scientists. (6th ed) New Jersey: prentice Hall International.
Wheeler R.M. and Tibbetts T.W. (1986) Utilization of potatoes for life support systems in space: I-Cultivar-photoperiod interactions. American Potato Journal. 63: 315-323.
Wilkerson G.G., Jones J.W., Boote K.J., Ingram K.T. and Mishoe J.W. (1983) Modeling soybean growth for crop management. Transactions of the ASAE. 26: 63-73.
Willmott C.J. (1982) Some comments on the evaluation of model performance. American Meteorology Society. 63: 1309-1313.
 
به زراعی کشاورزی
دوره 19، شماره 4
اسفند 1396
صفحه 893-905
فایل ها
هم رسانی
ارجاع به این مقاله
آمار