تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,092,601 |
تعداد دریافت فایل اصل مقاله | 97,196,631 |
ارزیابی عملکرد مدل AquaCrop در پیش بینی عملکرد گندم، رطوبت و شوری نیمرخ خاک تحت تنش های شوری و کمآبی | ||
مدیریت آب و آبیاری | ||
مقاله 7، دوره 4، شماره 1، اردیبهشت 1393، صفحه 89-104 اصل مقاله (1.86 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jwim.2014.51640 | ||
نویسندگان | ||
افشین خرسند1؛ وحیدرضا وردی نژاد* 2؛ علی شهیدی3 | ||
1دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه ارومیه، ایران | ||
2استادیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
3استادیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه بیرجند، بیرجند، ایران | ||
چکیده | ||
در این مطالعه عملکرد مدل AquaCrop در پیشبینی عملکرد محصول گندم زمستانه (ارقام روشن و قدس)، رطوبت و شوری نیمرخ خاک، تحت تنشهای شوری و آبی ارزیابی شد. آزمایش مزرعهای با سه سطح شوری آب آبیاری شامل S1، S2 و S3، بهترتیب 4/1، 5/4 و 6/9 دسیزیمنس بر متر و چهار سطح عمق آبیاری شامل I1، I2، I3 و I4، بهترتیب 50، 75، 100 و 125 درصد نیاز آبی گیاه با سه تکرار، طی سال زراعی 1384-85 در منطقۀ بیرجند اجرا شد. براساس نتایج، مدل AquaCrop عملکرد دانه را برای هر دو رقم با دقت زیاد شبیهسازی کرد. متوسط خطای نسبی تخمین عملکرد دانه در مرحلۀ واسنجی، برای ارقام روشن و قدس بهترتیب 98/2 و 82/4 درصد محاسبه شد. متوسط ریشۀ میانگین مربعات خطای نرمالشدۀ پیشبینی رطوبت خاک در رقم روشن در مرحلۀ واسنجی و اعتبارسنجی بهترتیب 58/14و 1/15 درصد و در رقم قدس در مرحلۀ واسنجی و اعتبارسنجی بهترتیب 6/14 و 3/15 درصد محاسبه شد. متوسط ریشۀ میانگین مربعات خطای نرمالشدۀ پیشبینی شوری عصارۀ اشباع خاک در رقم روشن برای مراحل واسنجی و اعتبارسنجی بهترتیب 6/34 و 8/36 درصد و در رقم قدس بهترتیب 5/34 و 8/36 درصد محاسبه شد. نتایج نشان داد که مدل AquaCrop در پیشبینی شوری عصارۀ اشباع در مقایسه با رطوبت خاک و عملکرد دانه دچار خطای بیشتری است. | ||
کلیدواژهها | ||
بیرجند؛ بیلان آب؛ بیلان املاح؛ مدل شبیه سازی | ||
عنوان مقاله [English] | ||
Performance evaluation of AquaCrop model to predict yield production of wheat, soil water and solute transport under water and salinity stresses | ||
نویسندگان [English] | ||
Afshin Khorsand1؛ Vahid Reza Verdinejad2؛ Ali Shahidi3 | ||
1MSc Candidate, Irrigation and Drainage, Department of Water Engineering, Urmia University, Urmia, Iran | ||
2Assistant Professor, Department of Water Engineering, Urmia University, Urmia, Iran | ||
3Assistant Professor, Department of Water Engineering, University of Birjand, Birjand, Iran | ||
چکیده [English] | ||
In this study, the performance of AquaCrop model to predict yield production of winter wheat (Roshan and Gods varieties), water and solute balance of soil profile was evaluated under water and salinity stresses. Field experiments were conducted with three levels of saline irrigation water including: S1, S2 and S3corresponding to 1.4, 4.5 and 9.6 dS/m, respectively, and four levels of irrigation depth including: I1, I2, I3 and I4 corresponding to 50, 75, 100 and 125 percent of crop water requirement, respectively, with three replications in Birjand region for 2005-2006 period. The AquaCrop model predicted the grain yield with a high precision in both of the varieties. The mean relative error of the model calibration for grain yield prediction of Roshan and Ghods were calculated 2.98 and 4.82 percent, respectively. The average normalized root mean square error of calibration and validation in soil water content prediction for Roshan variety, were calculated 14.58 and 15.1 percent, respectively, and Ghods variety, were calculated 14.6 and 15.3 percent, respectively. The average normalized root mean square error of calibration and validation in ECe prediction for Roshan variety, were calculated 34.6 and 36.8 percent, respectively, and Ghods variety, were calculated 34.5 and 36.8 percent, respectively. Results indicated that the AquaCrop predicted ECe with more error compared with soil water content and grain yield. | ||
کلیدواژهها [English] | ||
birjand, Water balance, solute balance, simulation model | ||
آمار تعداد مشاهده مقاله: 3,245 تعداد دریافت فایل اصل مقاله: 2,891 |