پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,766 |
| تعداد مشاهده مقاله | 115,217,631 |
| تعداد دریافت فایل اصل مقاله | 89,964,073 |
تحلیل حساسیت پارامترهای رشد گیاه ریحان در مدل AquaCrop تحت تنشهای مختلف کود نیتروژن | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 2، دوره 51، شماره 6، شهریور 1399، صفحه 1341-1351 اصل مقاله (993.36 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2020.298460.668516 | ||
| نویسندگان | ||
| حدیثه رحیمی خوب* 1؛ تیمور سهرابی*2؛ مجتبی دلشاد3 | ||
| 1گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| 2هیات علمی، گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| 3هیات علمی، گروه باغبانی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| پارامترهای به‌کار رفته در مدلهای شبیهساز تحت شرایط مختلف مدیریتی و زیست‌محیطی مقادیر متفاوتی به خود اختصاص میدهند. تحلیل حساسیت به عنوان یک رویکرد مؤثر برای تشخیص اثرگذارترین پارامترها در روند مدلسازی و بررسی عدم قطعیت خروجی مدلها شناخته شده است. در این پژوهش حساسیت پارامترهای رشد مدل AquaCrop برای گیاه ریحان تحت تنشهای مختلف کود نیتروژن مورد ارزیابی قرار گرفت. بدین منظور آزمایشی در گلخانه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه تهران واقع در کرج انجام شد. پارامترهای رشد به کار رفته در مدل AquaCrop شامل بهرهوری آب نرمالشده (*WP)، پوشش گیاهی اولیه (CC0)، حداکثر ضریب تعرق گیاهی ()، ضریب رشد پوشش گیاهی (CGC) و ضریب کاهش پوشش گیاهی (CDC) با استفاده از روش Beven (1979) تحلیل حساسیت شدند. نتایج نشان داد، بیشترین حساسیت خروجی مدل AquaCrop، نسبت به تغییر پارامتر *WP است. در نتیجه لازم است برای افزایش دقت و عملکرد مدل، این پارامتر برای شرایط محیطی و نوع محصول واسنجی شود. همچنین، مقایسه ضرایب حساسیت به دست آمده برای هر یک از پارامترهای رشد نشان داد با افزایش درجه تنش کود نیتروژن، حساسیت مدل نیز افزایش یافته است. اما نرخ افزایش یکسانی بین پارامترهای رشد مشاهده نشد. به عبارت دیگر، تأثیرپذیری پارامترها از کمبود کود نیتروژن متفاوت بود. | ||
| کلیدواژه‌ها | ||
| تحلیل حساسیت؛ مدل AquaCrop؛ پارامترهای رشد گیاه | ||
| عنوان مقاله [English] | ||
| Sensitivity Analysis of Basil Crop Growth Parameters in the Aquacrop Model under Different Nitrogen Fertilizer Stresses | ||
| نویسندگان [English] | ||
| Hadisseh Rahimikhoob1؛ Teymour Sohrabi2؛ Mojtaba Delshad3 | ||
| 1Department of Irrigation & Reclamation Engineering Faculty of Agriculture Engineering &Technology College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran. | ||
| 2Professor, Irrigation and Reclamation Engineering Department, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. | ||
| 3Associate Professor, Horticultural Sciences Department, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran | ||
| چکیده [English] | ||
| Crop model parameters are influenced by different management and environmental conditions. Sensitivity analysis is recognized as an effective approach for identifying the most influential parameters in the modelling process and output uncertainty assessment. In present study, the sensitivity of AquaCrop model parameters for basil was evaluated under different nitrogen fertilizer stresses. For this purpose, an experiment was conducted in the research greenhouse of the College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. Crop growth parameters used for sensitivity analysis include normalized water productivity (Wp < sup>*), initial canopy cover (CC0), maximum transpiration coefficient (), canopy growth coefficient (CGC) and canopy decline coefficient (CDC) which analyzed by Beven (1979) approach. The results showed that the highest sensitivity of the AquaCrop model was due to the change in the Wp < sup>* parameter. Therefore, it is necessary to calibrate this parameter under different environmental conditions and for diverse crop species to increase the accuracy and performance of the model. Also, comparison of the sensitivity coefficients obtained for each of the growth parameters showed that by increasing nitrogen fertilizer stress, the model sensitivity also increased. But the growth rate was not the same among the selected parameters. In other words, the impressibility of parameters was different from nitrogen deficiency. | ||
| کلیدواژه‌ها [English] | ||
| Sensitivity analysis, AquaCrop model, Crop growth parameters | ||
| مراجع | ||
|
Ahmadi, S., Mosallaeepour, E., Kamgar-Haghighi, A. and Sepaskhah, A. (2015). Modeling Maize Yield and Soil Water Content with AquaCrop Under Full and Deficit Irrigation Managements. Water Resources Management, 29(8), 2837-2853. Ahmed, E. A., Hassan, E. A., Tobgy, K.M., Ramadan, E.M. (2014). Evaluation of rhizobacteria of some medicinal plants for plant growth promotion and biological control. Annals of Agricultural Sciences. 59 (2), 273–280. Akumaga, U., Tarhule, A. and Yusuf, A.A. (2017). Validation and testing of the FAO AquaCrop model under different levels of nitrogen fertilizer on rainfed maize in Nigeria, West Africa. Agricultural and Forest Meteorology. 232: 225–234 Algharibi, E., Schmitz, G., Lennartz, F., Schutze, N., Grundmann, J. and Kloss, S. (2013). Evaluation of field and greenhouse experiments with tomatoes using the AquaCrop model as a basis for improving water productivity. Assessment of Climate Change Impact on Water Resources in Serbia. 560-576. Beven K. (1979). A sensitivity analysis of the Penman-Monteith actual evapotranspiration estimates. Journal of Hydrology, 44(3-4), 169-190. Fang, Q. X., Ma, L., Trout, T. J., Comas, L. H., DeJonge, K. C., Ahuja, L. R. (2017b). Modeling N concentration and uptake for maize hybrid under growth stage based deficit irrigations Frontiers of Agricultural Science and Engineering. 60(6): 2067-2081. Fang, Q., Ma, L., Ahuja, L., Trout, T., Malone, R., Zhang, H., Guo, D. and Yu, Q. (2017a). Long-term simulation of growth stage-based irrigation scheduling in maize under various water constraints in Colorado, USA. Frontiers of Agricultural Science and Engineering, 4(2):172. Guo, D., Zhao, R., Xing, X., and Ma, X. (2019). Global sensitivity and uncertainty analysis of the AquaCrop model for maize under different irrigation and fertilizer management conditions. Archives of Agronomy and Soil Science, 1-19. Hajizadeh M., Rahimikhoob A., Aliniaeifard S. and Varavipour M. (2019). Determination of Normalized Water Productivity and Sensitivity Analysis of AquaCrop Model for Radish Product. Iranian Journal of Irrigation and Drainage. 5(13): 1527-1537. Hui-min X., Xin-gang X. U., Zhen-hai L. I., Yi-jin C., Hai-kuan, F. and Gui-jun Y. (2017). Global sensitivity analysis of the AquaCrop model for winter wheat under different water treatments based on the extended Fourier amplitude sensitivity test. J. Integrated. Agriculture. 16(11):2444–2458. Jin, X., Li, Z., Nie, C., Xu, X., Feng, H., Guo, W., and Wang, J. (2018). Parameter sensitivity analysis of the AquaCrop model based on extended fourier amplitude sensitivity under different agro-meteorological conditions and application. Field Crops Research, 226, 1-15. Karimi Avargani H., Rahimikhoob A. and Nazari Fard M. (2019). Sensitivity Analysis of Aquacrop Model for Barley in Pakdasht Region. Journal of Water and Soil Science. 2019; 23 (3) :53-63. (In Farsi) Lenhart, T., Eckhardt, K., Fohrer, N. and Frede, H. (2002). Comparison of two different approaches of sensitivity analysis. Physics and Chemistry of the Earth, Parts A/B/C, 27(9-10), 645-654. Liu, C., Qi, Z., Gu, Z., Gui, D., and Zeng, F. (2017). Optimizing irrigation rates for cotton production in an extremely arid area using RZWQM2 simulated water stress. Transactions of the ASABE. 60(6), 2041-2052. Ministry of Jihad. (2018). Greenhouse cultivation area in Iran. Retrieved April 12, 2019, from https://horticulture.maj.ir.(In Farsi) Nguyen, P.M., Kwee, E.M., and Niemeyer, E.D. (2010). Potassium rate alters the antioxidant capacity and phenolic concentration of basil (Ocimum basilicum L.) leaves. Food Chemistry. 123, 1235–1241. Patrignani, A. and Ochsner, T.E. (2015). Canopeo: A Powerful New Tool for Measuring Fractional Green Canopy Cover. Agronomy Journal. 107(6): 2312-2320. Raes D, Steduto P, Hsiao TC, Fereres E (2009a) AquaCrop-The FAO Crop Model to Simulate Yield Response to Water: Reference Manual Annexes. Raes, D., Steduto, P., Hsiao, T. C. and Fereres, E. (2009b). AquaCrop - the FAO crop model to simulate yield response to water: II. Main algorithms and software description. Agronomy Journal. 101(3): 438–447. Rahimikhoob H., Sohrabi T. and Delshad M. (2019). Performance evaluation of AquaCrop model in simulating Basil (Ocimum basilicum L.) growth under different soil fertility stress in controlled greenhouse conditions. Iranian journal of soil and water research. Accepted for publication. (In Farsi) Sandhu, R. and Irmak, S. (2019). Performance of AquaCrop Model in Simulating Maize Growth, Yield, and Evapotranspiration under Rainfed, Limited and Full Irrigation. Agricultural Water Management. 223. Stanghellini C. (2014). Horticultural Production in Greenhouses: Efficient Use of Water. Acta horticulturae. 1034: 25-32. Steduto, P., Hsiao, T. C., Raes, D. and Fereres, E. (2009). AquaCrop: The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal. 101(3): 426-437. Vanuytrecht, E., Raes, D., and Willems, P. (2014). Global sensitivity analysis of yield output from the water productivity model. Environmental Modelling & Software, 51, 323-332. Wallach, D., Makowski, D., Jones, J., and Brun, F. (2019) Working with dynamic crop models (3rd ed.). Elsevier. | ||
|
آمار تعداد مشاهده مقاله: 472 تعداد دریافت فایل اصل مقاله: 273 |
||