پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,764 |
| تعداد مشاهده مقاله | 115,154,678 |
| تعداد دریافت فایل اصل مقاله | 89,912,280 |
استفاده از ویژگیهای خاک برای برآورد عملکرد گندم آبی در کشتزارهای نظرآباد استان البرز | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 13، دوره 51، شماره 5، مرداد 1399، صفحه 1227-1237 اصل مقاله (1.21 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2020.292897.668404 | ||
| نویسندگان | ||
| رسول میرخانی1؛ علی رضا واعظی* 2؛ حامد رضایی3 | ||
| 1دانشجوی دکتری، گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران | ||
| 2استاد، گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران | ||
| 3استادیار، موسسه تحقیقات خاک و آب، سازمان تحقیقات آموزش و ترویج کشاورزی، کرج، ایران | ||
| چکیده | ||
| عملکرد گندم تحت تأثیر عوامل مختلف از جمله اقلیم، شیوههای مدیریت زمین و ویژگیهای خاک است. بررسی روابط بین عملکرد گندم و ویژگیهای فیزیکی و شیمیایی خاک مهم است. در این مطالعه، ویژگیهای فیزیکی و شیمیایی خاک سطحی (30-0 سانتیمتر) و عملکرد محصول گندم در 34 مزرعهی کشت گندم در اراضی زراعی شهرستان نظرآباد استان البرز در سال زراعی 1397 تعیین شد. تجزیه به مؤلفه‌های اصلی (PCA) جهت انتخاب دادههای مؤثر بر عملکرد گندم و رگرسیون چندمتغیره خطی برای تحلیل روابط بین عملکرد گندم و ویژگیهای خاک مورد استفاده قرار گرفت و چهار معادله رگرسیونی استخراج شد. در معادله اول، از روش تجزیه به مؤلفه‌های اصلی (PCA)، در معادله دوم، از روش رگرسیون خطی به صورت گام به گام، در معادله سوم، از روش بالاترین همبستگی و در معادله چهارم، از تمام ویژگیهای اندازهگیری شده استفاده شد. ارزیابی معادلهها با استفاده از آمارههای میانگین هندسی نسبت خطا (GMER)، انحراف استاندارد هندسی نسبت خطا (GSDER)، جذر میانگین مربعات باقیمانده نرمال شده (NRMSE) و ضریب تبیین (R2) انجام شد. نتایج نشان داد که عملکرد گندم در منطقه از 2750 تا 10500 کیلوگرم در هکتار متغیر است و معادله ارائه شده با استفاده از مقادیر رس، فسفر قابلاستفاده، مس، تخلخل، کربنات کلسیم معادل و واکنش خاک به ترتیب با مقادیر GMER، GSDER، NRMSE و R2 برابر 99/0، 19/1، 17/0 و 64/0، مناسبترین معادله برای تعیین عملکرد گندم در منطقه تشخیص داده شد. لذا در مناطقی با شرایط اقلیمی و ویژگیهای فیزیکی و شیمیایی خاک مشابه منطقه مورد مطالعه میتوان بر اساس معادله پیشنهادی عملکرد گندم را در حد قابل قبول برآورد کرد. | ||
| کلیدواژه‌ها | ||
| تجزیه به مؤلفه های اصلی؛ رگرسیون چند متغیره؛ عملکرد گندم؛ نظرآباد | ||
| عنوان مقاله [English] | ||
| Using Soil Properties to Estimate the Irrigated Wheat Yield in Agricultural Lands of Nazarabad Region in Alborz Province | ||
| نویسندگان [English] | ||
| Rasoul Mirkhani1؛ Ali Reza Vaezi2؛ HAMED REZAEI3 | ||
| 1Ph.D. Student, Department of Soil Science, Faculty of Agriculture, Univrsity of Zanjan, Zanjan, Iran | ||
| 2Full Professor, Department of Soil Science, Faculty of Agriculture, Univrsity of Zanjan, Zanjan, Iran | ||
| 3Assistant Professor, Soil and Water Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran. | ||
| چکیده [English] | ||
| The yield of Wheat is influenced by various factors including climate, land management practices and soil properties. It is important to investigate the relations between soil physical and chemical properties and the yield of wheat. In this study, the physical and chemical properties of the soil top layer (0-30 cm) and the yield of Wheat were determined in 34 wheat fields of Nazarabad region in Alborz province, during wheat crop year of 2018. Principal Component Analysis (PCA) was used to select the effective parameters on wheat yield and multivariate linear regression was applied to analyze the relationship between wheat yield and soil properties. Finally four regression equations were presented. Principal Component Analysis (PCA), stepwise linear regression, the highest correlation method and all the measured properties were used respectively to prepare four equations to estimate the Wheat yield. The evaluation of each equation was performed by Geometric Mean Error Ratio (GMER), Geometric Standard Deviation of the Error Ratio (GSDER), Normalized Root Mean Squared Error (NRMSE), and determination coefficient (R2). The results showed that wheat yield varies from 2750 to 10500 kg/ha in the region and the proposed equation using clay, Pava, Cu, porosity, calcium carbonate equivalent and pH with GMER, GSDER, NRMSE and R2 values of 0.99, 1.19, 0.17, and 0.64 respectively, is the most appropriate equation for determining of wheat yield. Therefore, in regions with climatic conditions and soil physical and chemical properties similar to the study area, the yield of wheat can be estimated with an acceptable level, based on the proposed equation. | ||
| کلیدواژه‌ها [English] | ||
| Principal component analysis, Multivariate regression, Wheat yield, Nazarabad | ||
| مراجع | ||
|
Aria, P., and Mirkhani, R. (2005). Methods of Soil Physical Analysis, Technical Bulletin, Soil and Water Research Institute, Iran,479. (In Farsi) Ayoubi, S., Mohammad zamani, S. and Khormali, F. (2010). Wheat yield prediction through soil properties using principle component analysis. Iranian Journal of Soil and Water Research, 40(1), 51-57. (In Farsi) Ayoubi, Sh., Khormali, F. and Sahrawat, K. L. (2009). Relationships of barley biomass and grain yields to soil properties within a field in the arid region: Use of factor analysis. Acta agriculturae scandinavica section B - soil and plant science, 59(2), 107-117 Gaj, R., Górski, D., & Przybyl, J. (2013). Effect of differentiated phosphorus and potassium fertilization on winter wheat yield and quality. Journal of Elementology, 18(1). Ghorbani, M., Koocheki, A. R. and Hossein Mahmoudi, H. (2009). Estimation of virtual yield organic wheat: Case study of khorasan province. Environmental Sciences, 6(3), 23-30. (in Farsi) Jolliffe, I. T. (1986). Principal components in regression analysis. In Principal component analysis (pp. 129-155). Springer, New York, NY. Juhos, K., Szabó, S. and Ladányi, M. (2015). Influence of soil properties on crop yield: a multivariate statistical approach, International Agrophysics, 29, 433-440. Li, P., Zhang, T., Wang, X. and Yu, D. (2013). Development of biological soil quality indicator system for subtropical China. Soil and Tillage Research, 126, 112-118. Majchrzak, R. N., Olson, K. R., Bollero, G. and Nafziger, E. D. (2001). Using soil properties to predict wheat yield on Illinois soils. Soil Science, 166(4), 267-280 Mirkhani, R. (2013). The Effect of soil compaction on soil physical and chemical properties and wheat yield in Irrigation water salinity levels. Final report of research. Soil and Water Research Institute, 42767, 49pp. (In Farsi) Mohaghegh, P. and Naderi, M. (2016). Determination of Effective Indicators for Soil Quality Assessment in Different Land Use Types of Chughakhor Basin. Journal of Soil and Water Resources Conservation, 5(3), 55-71. Morovvat, A., Emadi, M., Shojae, M., Pakpour, A., Gholami, L., Haji Aghasi, J. and Kamali, E. (2012). Wheat yield prediction modeling by soil properties: a case study in North-west of Iran. International Journal of Agricultural Science, Research and Technology in Extension and Education Systems, 2(1), 23-26. Nazmi, L. (2013). Modeling for relationships between soil properties and yield components of wheat using multiple linear regression and structural equation modeling. Advances in Environmental Biology, 7(2), 235-242. Olsen, S. R., Cole, C. V., Watanabe, F. S., & Dean, L. A. (1954). Estimation of available phosphorus in soils by extraction with sodium bicarbonate. USDA Circ. 939. US Gov. Print. Office, Washington, DC. Estimation of available phosphorus in soils by extraction with sodium bicarbonate. USDA Circ. 939. US Gov. Print. Office, Washington, DC. Page A. L., Miller, R. H. and Keeney D. R. (1982). Methods of Soil Analysis, part 2, chemical and microbiological properties. American Society of Agronomy, Inc. Soil Science Society of America. Madison, WI. Rezaei, M. and Hemati, Z. (2012). Reaction of wheat yield to soil physical and chemical Characteristics in Arak Fields. World Applied Sciences Journal, 20(8), 1183-1187. Singh, A. K., Mazumdar, S. P., Saha, A. R. and Kundu, D. K. (2017). Soil quality changes resulting from long-term fertilizer application under intensive cropping system in alluvial soils. Communications in Soil Science and Plant Analysis, 48(13), 1503-1510. Tkaczyk, P., Bednarek, W., Dresler, S. and Krzyszczak, J. (2018). The effect of some soil Physicocheical properties and nitrogen fertilization on winter wheat yield. Acta Agroph, 25(1): 107-116. Torabian, A., and Maghsoudi, K. (2014). Study on relationship between yield and yield components of wheat under normal irrigation and drought stress conditions by path analysis method. Agronomy Journal (Pajouhesh & Sazandegi), 104, 47-53. Tripathi, R. P., Sharma, P., & Singh, S. (2006). Soil physical response to multi-year rice wheat production in India. IntJournal of Soil Science, 12, 91-107. Vaezi, A. R. and Bahrami, H. A. (2014). Relationship between soil productivity and erodibility in rainfed wheat lands in northwestern iran. Journal of Agricultural Science and Technology, 16, 1455-1466. Wagner, N. C., Maxwell, B. D., Taper, M. L. and Rew, L. J. (2007). Developing an empirical yield-prediction model based on wheat and wild oat (Avena fatua) density, nitrogen and herbicide rate, and Growing-Season Precipitation. Weed Science Society of America, 55, 652–664 Walkley, A. and Black, I. A. (1934). An examination of Degtjareff method for determining soil organic matter and a proposed modification of the chromic acid titration method. Soil Science, 37, 29-37. | ||
|
آمار تعداد مشاهده مقاله: 366 تعداد دریافت فایل اصل مقاله: 235 |
||