پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,098,324 |
| تعداد دریافت فایل اصل مقاله | 97,205,998 |
پارامتریابی و ارزیابی مدل APSIM-Wheat برای گندم زمستانه : کاربرد مدل تحت تغییرات اقلیمی | ||
| به زراعی کشاورزی | ||
| مقاله 4، دوره 23، شماره 1، فروردین 1400، صفحه 43-58 اصل مقاله (693.45 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jci.2021.240747.1824 | ||
| نویسندگان | ||
| مصطفی کشاورز مهر1؛ حسین مقدم* 2؛ مصطفی اویسی3؛ جواد بذرافشان4 | ||
| 1دانشجوی دکتری، گروه زراعت و اصلاح نباتات، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران | ||
| 2استادیار، گروه زراعت و اصلاح نباتات، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران | ||
| 3دانشیار، گروه زراعت و اصلاح نباتات، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران | ||
| 4دانشیار، گروه آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| این پژوهش به‌منظور پارامتریابی و ارزیابی مدل APSIM-Wheat برای گندم زمستانه و استفاده از مدل جهت ارزیابی اثرات تغییرات اقلیم بر عملکرد گندم انجام شد. از مدل برای شبیه‌سازی شاخص سطح برگ، ماده خشک و عملکرد گندم زمستانه رقم روشن در سال زراعی 94-1393 در دو منطقه کرج و خمین تحت چهار سطح آبیاری و سه سطح کود نیتروژن استفاده شد. آزمایش‌ها در هر دو منطقه به‌صورت کرت خردشده در قالب بلوک‌های کامل تصادفی اجرا شد. عامل آبیاری بهعنوان کرت اصلی و عامل نیتروژن بهعنوان عامل فرعی در نظر گرفته شدند. پارامتریابی مدل براساس داده‌های مشاهداتی حاصل از تیمار آبیاری کامل و نیتروژن 200 کیلوگرم در هکتار در هر دو منطقه انجام شد. نتایج حاصل از ارزیابی مدل نشان داد که مقادیر شبیه‌سازی‌شده تخمین نزدیکی از مقادیر مشاهده شده بودند، به‌طوری‌که RMSE در هر دو منطقه به‌ترتیب برای ماده خشک و عملکرد کم‌تر از 702 و 455 کیلوگرم در هکتار و هم‌چنین برای شاخص سطح برگ کم‌تر از 56/0 بودند. RMSE نرمال‌شده در مجموع حالت‌های کم‌تر از 8/17 درصد و شاخص توافق ویلموت بالاتر از 82/0 بودند. ارزیابی مدل، کارایی بالا و امکان استفاده از آن در سایر مطالعات را نشان داد. نتایج حاصل از تحلیل تغییرات اقلیمی نشان داد که افزایش دما از صفر تا پنج درجه سانتی‌گراد موجب حداکثر 75 درصد کاهش و افزایش غلظت دیاکسیدکربن موجب حداکثر 24 درصد افزایش عملکرد دانه شده و در صورت افزایش بیش از سه درجه سانتی‌گراد دما در تمامی غلظت‌های ممکن دیاکسیدکربن، عملکرد دانه کاهش خواهد یافت. | ||
| کلیدواژه‌ها | ||
| افزایش دما؛ شبیه‌سازی؛ کارایی مدل؛ مدل رشد گیاهی؛ مدل فرآیندگرا | ||
| عنوان مقاله [English] | ||
| Parameterization and evaluation of APSIM-Wheat model for winter wheat : Application of model under climate change | ||
| نویسندگان [English] | ||
| Mostafa Keshavarz Mehr1؛ Hosein Moghaddam2؛ Mostafa Oveisi3؛ Javad Bazrafshan4 | ||
| 1Ph.D. Candidate, Agronomy and Plant Breeding Department, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. | ||
| 2Assistant Professor, Agronomy and Plant Breeding Department, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran | ||
| 3Associate Professor, Agronomy and Plant Breeding Department, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran | ||
| 4Associate Professor, Department of Irrigation and Reclamation Engineering, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran. | ||
| چکیده [English] | ||
| The present research has been conducted to parameterize and evaluate the APSIM-Wheat model for winter wheat and to use the model for evaluation of climate change effects on grain yield. The model is used to simulate leaf area index, dry matter, and grain yield of Roshan cultivar winter wheat in Karaj and Khomein regions between 2014 and 2015, under four irrigation regimes and three levels of nitrogen fertilizers. The experiments have been conducted in both regions as split-plot in a randomized complete block design. Irrigation is considered as main plot and nitrogen as a sub-plot. Model parameterization is based on observational data from full irrigation and 200 kg/ha nitrogen treatment in both regions. Results from the model evaluation show that the simulated values closely predict the observed values so that the RMSE in both regions is less than 670 and 450 kg/ha for biomass and yield, respectively, being below 0.56 for leaf area index as well. Normalized RMSE in all treatments has been below 17.8%, with Wilmot's index being above 0.82. The evaluation of model shows high performance and its possible use in other studies. Results from climate change analysis show that increasing the temperature from 0 to 5 °C leads to a maximum reduction of 75% in grain yield and an increase in carbon dioxide concentration, resulting in a maximum increase of 24% and, if the temperature increase exceeds three degrees Celsius, the grain yield will decrease in all possible concentrations of carbon dioxide. | ||
| کلیدواژه‌ها [English] | ||
| Crop growth model, Model performance, Process-based model, Simulation, Temperature increase | ||
| مراجع | ||
|
Ahmadi, M. (2008). Phenologic growth estimation of wheat. M.S. Thesis, Gorgan university, Gorgan, Iran. (In Persian) Ahmed, M., Akram, M. N., Asim, M., Aslam, M., Hassan, F. U., Higgins, S., ... & Hoogenboom, G. (2016). Calibration and validation of APSIM-Wheat and CERES-Wheat for spring wheat under rainfed conditions: Models evaluation and application. Computers and Electronics in Agriculture, 123, 384-401. Andarzian, B., Hoogenboom, G., Bannayan, M., Shirali, M., & Andarzian, B. (2015). Determining optimum sowing date of wheat using CSM-CERES-Wheat model. Journal of the Saudi society of agricultural sciences, 14(2), 189-199. Anwar, M. R., Li Liu, D., Farquharson, R., Macadam, I., Abadi, A., Finlayson, J., ... & Ramilan, T. (2015). Climate change impacts on phenology and yields of five broadacre crops at four climatologically distinct locations in Australia. Agricultural Systems, 132, 133-144. Arora, V. K., Singh, H., & Singh, B. (2007). Analyzing wheat productivity responses to climatic, irrigation and fertilizer-nitrogen regimes in a semi-arid sub-tropical environment using the CERES-Wheat model. Agricultural water management, 94(1-3), 22-30. Asseng, S., Jamieson, P. D., Kimball, B., Pinter, P., Sayre, K., Bowden, J. W., & Howden, S. M. (2004). Simulated wheat growth affected by rising temperature, increased water deficit and elevated atmospheric CO2. Field Crops Research, 85(2-3), 85-102. Asseng, S., Van Keulen, H., & Stol, W. (2000). Performance and application of the APSIM Nwheat model in the Netherlands. European journal of agronomy, 12(1), 37-54. Boote, K. J., Porter, C., Jones, J. W., Thorburn, P. J., Kersebaum, K. C., Hoogenboom, G., ... & Hatfield, J. L. (2016). Sentinel site data for crop model improvement—definition and characterization. Improving Modeling Tools to Assess Climate Change Effects on Crop Response, 7, 125-158. Chen, C., Wang, E., & Yu, Q. (2010). Modelling the effects of climate variability and water management on crop water productivity and water balance in the North China Plain. Agricultural Water Management, 97(8), 1175-1184. Dettori, M., Cesaraccio, C., Motroni, A., Spano, D., & Duce, P. (2011). Using CERES-Wheat to simulate durum wheat production and phenology in Southern Sardinia, Italy. Field crops research, 120(1), 179-188. Eitzinger, J., Trnka, M., Hösch, J., Žalud, Z., & Dubrovský, M. (2004). Comparison of CERES, WOFOST and SWAP models in simulating soil water content during growing season under different soil conditions. Ecological Modelling, 171(3), 223-246. Holzworth, D. P., Huth, N. I., & deVoil, P. G. (2011). Simple software processes and tests improve the reliability and usefulness of a model. Environmental modelling & software, 26(4), 510-516. Innes, P. J., Tan, D. K. Y., Van Ogtrop, F., & Amthor, J. S. (2015). Effects of high-temperature episodes on wheat yields in New South Wales, Australia. Agricultural and Forest Meteorology, 208, 95-107. Keating, B. A., Carberry, P. S., Hammer, G. L., Probert, M. E., Robertson, M. J., Holzworth, D., ... & McLean, G. (2003). An overview of APSIM, a model designed for farming systems simulation. European journal of agronomy, 18(3-4), 267-288. Koocheki, A., & Nassiri, M. (2008). Impacts of climate change and CO2 concentration on wheat yield in Iran and adaptation strategies. Iranian Journal field crops research, 6(1), 139-154. (In Persian) Li, Z. T., Yang, J. Y., Drury, C. F., & Hoogenboom, G. (2015). Evaluation of the DSSAT-CSM for simulating yield and soil organic C and N of a long-term maize and wheat rotation experiment in the Loess Plateau of Northwestern China. Agricultural Systems, 135, 90-104. Martín, M., Olesen, J. E., & Porter, J. R. (2014). A genotype, environment and management (GxExM) analysis of adaptation in winter wheat to climate change in Denmark. Agricultural and Forest Meteorology, 187, 1-13. Mirdavardoost, F. (2008). Quantifying the vernalization response in some Iranian wheat cultivars. M.S. Thesis, Gorgan university, Gorgan, Iran. (In Persian) Monteith, J. L. (1996). The quest for balance in crop modeling. Agronomy Journal, 88(5), 695-697. Özdoğan, M. (2011). Modeling the impacts of climate change on wheat yields in Northwestern Turkey. Agriculture, ecosystems & environment, 141(1-2), 1-12. Pirttioja, N., Carter, T. R., Fronzek, S., Bindi, M., Hoffmann, H., Palosuo, T., ... & Asseng, S. (2015). Temperature and precipitation effects on wheat yield across a European transect: a crop model ensemble analysis using impact response surfaces. Climate Research, 65, 87-105. Ray, D. K., Gerber, J. S., MacDonald, G. K., & West, P. C. (2015). Climate variation explains a third of global crop yield variability. Nature communications, 6(1), 1-9. Rezaei, E. E., Siebert, S., & Ewert, F. (2015). Intensity of heat stress in winter wheat—phenology compensates for the adverse effect of global warming. Environmental Research Letters, 10(2), 024012. Rosenzweig, C., Elliott, J., Deryng, D., Ruane, A. C., Müller, C., Arneth, A., ... & Neumann, K. (2014). Assessing agricultural risks of climate change in the 21st century in a global gridded crop model intercomparison. Proceedings of the National Academy of Sciences, 111(9), 3268-3273. Soltani, A., & Sinclair, T. R. (2015). A comparison of four wheat models with respect to robustness and transparency: Simulation in a temperate, sub-humid environment. Field Crops Research, 175, 37-46. Sun, N., & Feng, L. P. (2005). Assessing the climatic risk to crop yield of winter wheat using crop growth models. Trans CSAE, 21, 106-110. Tao, F., & Zhang, Z. (2010). Adaptation of maize production to climate change in North China Plain: quantify the relative contributions of adaptation options. European Journal of Agronomy, 33(2), 103-116. Wheeler, T. R., Craufurd, P. Q., Ellis, R. H., Porter, J. R., & Prasad, P. V. (2000). Temperature variability and the yield of annual crops. Agriculture, Ecosystems & Environment, 82(1-3), 159-167. Zheng, B., Chenu, K., Doherty, A., Doherty, T., & Chapman, L. (2014). The APSIM-Wheat Module. APSRU Toowoomba, Australia, 1-44.
| ||
|
آمار تعداد مشاهده مقاله: 620 تعداد دریافت فایل اصل مقاله: 438 |
||