پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,578 |
| تعداد مقالات | 71,072 |
| تعداد مشاهده مقاله | 125,684,309 |
| تعداد دریافت فایل اصل مقاله | 98,913,799 |
شبیه‌سازی پاسخ ذرت به کود نیتروژن با استفاده از منحنی ترقیق نیتروژن بحرانی | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 8، آبان 1403، صفحه 1401-1414 اصل مقاله (1.63 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.376546.669713 | ||
| نویسنده | ||
| آرش رنجبر* | ||
| استادیار بخش ابیاری و فیزیک خاک موسسه تحقیقات خاک و اب | ||
| چکیده | ||
| استفاده از مدل‌های گیاهی برای شبیه‌سازی پاسخ محصول به آب و نیتروژن نقش اساسی در ارتقاء مدیریت کشاورزی دارد. در اغلب این مدل‌ها از معادلات پیچیده برای شبیه‌سازی حرکت آب و نیتروژن در خاک و گیاه استفاده می‌شود که پارامترهای ورودی متعددی برای واسنجی نیاز دارند. در مدل AquaCrop با استفاده از یک روش نیمه کمّی، اثر تنش نیتروژن بر تعرق و عملکرد زیست‌توده در طول فصل رشد شبیه‌سازی می‌شود. این مدل قابلیت تعیین زمان و مقدار مناسب کود نیتروژن برای مدیریت دقیق مزرعه را ندارد. در مطالعه حاضر از یک روش مستقیم مبتنی بر منحنی ترقیق نیتروژن بحرانی برای شبیه‌سازی اثر کمبود نیتروژن بر تعرق و عملکرد زیست‌توده استفاده شد. هدف اصلی در این مطالعه، ارزیابی کارایی این روش و مقایسه نتایج آن با روش نیمه کمّی بود. برای این منظور از داده‌های بدست آمده در تیمارهای تحت تنش نیتروژن طی دو سال کشت ذرت استفاده شد. مقادیر زیست‌توده و غلظت نیتروژن گیاه در طول فصل رشد اندازه‌گیری شدند. نتایج نشان دادند که شاخصRRMSE (ریشه متوسط مربعات خطای نسبی) در شبیه‌سازی زیست‌توده به روش مستقیم، به طور متوسط برای هر تیمار، چهار درصد نسبت به روش نیمه کمّی کمتر بود. همچنین، افزایش تنش نیتروژن موجب افزایش خطای شبیه‌سازی زیست‌توده شد. به‌طوری که RRMSE برای شبیه‌سازی زیست‌توده به روش مستقیم در تیمارهای تحت بیشترین تنش 48/26 و 96/30 و در تیمارهای بدون تنش 57/9 و 75/15 درصد بود. این نتایج نشان می‌دهند که کاربرد مفهوم منحنی ترقیق نیتروژن بحرانی در مدل‌های شبیه‌ساز رشد گیاه، برآورد دقیق‌تری از شرایط محصول تحت تنش نیتروژن ارائه می‌دهد. | ||
| کلیدواژه‌ها | ||
| تنش نیتروژن؛ روش نیمه کمّی؛ مدلAquaCrop؛ منحنی نیتروژن بحرانی | ||
| عنوان مقاله [English] | ||
| Simulating Maize response to Nitrogen fertilizer using the critical Nitrogen dilution curve | ||
| نویسندگان [English] | ||
| Arash Ranjbar | ||
| Assistant professor irrigation and soil physic department in soil and water research institute | ||
| چکیده [English] | ||
| The application of crop models to simulate crop responses to water and nitrogen (N) is crucial for improving agricultural management. The majority of these models involve complex equations and require several input parameters for calibration. AquaCrop simulates crop response to different N levels using a semi-quantitative approach, which simulates the effect of N stress on transpiration and biomass production during the growing season. This model does not provide information on the optimal timing and quantity of N fertilizer application for efficient farm management. In the present study, a direct simulation approach based on the concept of a critical nitrogen curve was applied to simulate the effect of N deficiency on transpiration and biomass production. The main objective of this study was to evaluate a direct simulation approach and compare its results with those derived from the semi-quantitative approach. For this purpose, experimental data were collected from two years of maize cultivation. Biomass and plant nitrogen concentrations were measured during the growing season. The results showed that the RRMSE (relative root mean square error) index in biomass simulation by the direct method was, on average, 4% lower for each treatment compared to the semi-quantitative approach. In addition, increased N stress led to increased errors in simulating biomass. Thus, the RRMSE for biomass simulation using the direct method was 26.48 % and 30.96% for treatments under the highest stress, and 9.57% and 15.75 % for non-stressed treatments. In general, these findings show that integrating the critical nitrogen concentration concept into crop models provides more accurate estimates for crops under nitrogen stress. | ||
| کلیدواژه‌ها [English] | ||
| AquaCrop model, Critical nitrogen curve, Nitrogen stress, Semi-quantitative approach | ||
| مراجع | ||
|
Akumaga, U., Tarhule, A., & 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. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. Fao, Rome, 300(9), D05109. Guo, D., Zhao, R., Xing, X., & Ma, X. (2020). Global sensitivity and uncertainty analysis of the AquaCrop model for maize under different irrigation and fertilizer management conditions. Archives of Agronomy and Soil Science, 66(8), 1115-1133. Hsiao, T. C., Heng, L., Steduto, P., Rojas‐Lara, B., Raes, D., & Fereres, E. (2009). AquaCrop—the FAO crop model to simulate yield response to water: III. Parameterization and testing for maize. Agronomy Journal, 101(3), 448-459. Patrignani, A., & Ochsner, T. E. (2015). Canopeo: A powerful new tool for measuring fractional green canopy cover. Agronomy journal, 107(6), 2312-2320. Plénet, D., & Lemaire, G. (1999). Relationships between dynamics of nitrogen uptake and dry matter accumulation in maize crops. Determination of critical N concentration. Plant and soil, 216, 65-82. Raes, D., Steduto, P., Hsiao, T. C., & Fereres, E. (2018). Reference manual for AquaCrop, version 6.0/6.1. AquaCrop Website http://www. fao. org/nr/water/aquacrop. html. Ran, H., Kang, S., Hu, X., Li, F., Du, T., Tong, L., ... & Parsons, D. (2019). Newly developed water productivity and harvest index models for maize in an arid region. Field crops research, 234, 73-86. Rahimikhoob, H., Sohrabi, T., & Delshad, M. (2021). Simulating crop response to Nitrogen-deficiency stress using the critical Nitrogen concentration concept and the AquaCrop semi-quantitative approach. Scientia Horticulturae, 285, 110194. Ranjbar, A., Rahimikhoob, A., Ebrahimian, H., & Varavipour, M. (2019). Assessment of the AquaCrop model for simulating maize response to different nitrogen stresses under semi-arid climate. Communications in soil science and plant analysis, 50(22), 2899-2912. Ranjbar, A., Rahimikhoob, A., Ebrahimian, H., & Varavipour, M. (2020). Determination of critical nitrogen dilution curve based on canopy cover data for summer maize. Communications in Soil Science and Plant Analysis, 51(17), 2244-2256. Shan-Chao, Y. U. E., Fu-Lai, S. U. N., Qing-Feng, M. E. N. G., Rong-Fang, Z. H. A. O., Fei, L. I., Xin-Ping, C. H. E. N., ... & Zhen-Ling, C. U. I. (2014). Validation of a critical nitrogen curve for summer maize in the North China Plain. Pedosphere, 24(1), 76-83. Steduto, P. (2003). Biomass water-productivity. Comparing the growth-Engines of Crop Models. FAO expert consultation on crop water productivity under deficient water supply, 26-28. Steduto, P., Hsiao, T. C., Raes, D., & 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. Hatfield, J. L., & Allen, R. G. (1996). Evapotranspiration estimates under deficient water supplies. Journal of irrigation and drainage engineering, 122(5), 301-308. Stockle, C. O., & Debaeke, P. (1997). Modeling crop nitrogen requirements: a critical analysis. European Journal of Agronomy, 7(1-3), 161-169. Stöckle, C. O., Donatelli, M., & Nelson, R. (2003). CropSyst, a cropping systems simulation model. European journal of agronomy, 18(3-4), 289-307. Van Gaelen, H., Tsegay, A., Delbecque, N., Shrestha, N., Garcia, M., Fajardo, H., ... & Raes, D. (2015). A semi-quantitative approach for modelling crop response to soil fertility: evaluation of the AquaCrop procedure. The Journal of Agricultural Science, 153(7), 1218-1233. Van Keulen, H. V., & Seligman, N. G. (1987). Simulation of water use, nitrogen nutrition and growth of a spring wheat crop (pp. 310-pp). Vanuytrecht, E., Raes, D., & Willems, P. (2014). Global sensitivity analysis of yield output from the water productivity model. Environmental Modelling & Software, 51, 323-332.
| ||
|
آمار تعداد مشاهده مقاله: 68 تعداد دریافت فایل اصل مقاله: 59 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب