تعداد نشریات | 27 |
تعداد شمارهها | 364 |
تعداد مقالات | 3,223 |
تعداد مشاهده مقاله | 4,740,263 |
تعداد دریافت فایل اصل مقاله | 3,237,845 |
بهبود برنامهریزی سیستم آبیاری قطرهای با اندازهگیری میدانی و مدلسازی گیاهی | ||
مدل سازی و مدیریت آب و خاک | ||
مقاله 18، دوره 4، شماره 1، 1403، صفحه 299-313 اصل مقاله (1.43 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22098/mmws.2023.12389.1236 | ||
نویسندگان | ||
مهدی غلامی شرفخانه1؛ علی نقی ضیایی* 2؛ سیدمحمدرضا ناقدی فر3؛ امیر اکبری1 | ||
1دانشجوی کارشناسی ارشد/ گروه علوم و مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
2دانشیار/ گروه علوم و مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
3محقق پسادکتری/ گروه علوم و مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
چکیده | ||
طراحی نامناسب و مدیریت نادرست سیستمهای آبیاری از اشکالات اساسی در حوزة کشاورزی بوده و سبب ایجاد تلفات شدید در این بخش شده است. دادهبرداری میدانی در طول فصل رشد و استفاده از مدلهای گیاهی یکی از راهکارهای سودمند در جهت بهبود برنامهریزی آبیاری در شرایط مختلف مزرعه است. در این پژوهش، در طول فصل رشد با دادهبرداری کامل از تغییرات رطوبت خاک در اعماق مختلف و شاخصهای مختلف رشد گیاه، نرمافزار AquaCrop برای ذرت علوفهای (.Zea mays L) در مزرعة دانشکدة کشاورزی دانشگاه فردوسی مشهد در سال 1400، واسنجی شد. سپس با استفاده از نرمافزار، بازههای حساس گیاه به تنش خشکی و مقادیر حدی کاهش محصول در مراحل مختلف رشد با هدف بهبود برنامهریزی آبیاری در مزرعة ذرت تعیین شد. کاهش زیستتوده، مادة خشک تولیدی و تغییرات کارایی مصرف آب تبخیر-تعرق یافته در طول فصل رشد متناسب با مقادیر مختلف کاهش رطوبت در ناحیة ریشة گیاه بررسی و برنامهریزی آبیاری از طریق اعمال تنش به بازههای کم حساسیتتر انجام شد. بهسازی برنامهریزی آبیاری انجام شده در مزرعه سبب عدم تغییر در مقدار زیستتوده و مادة خشک تولیدی (38/0 درصد افزایش در مقدار زیستتوده تولید شده و 52/0 درصد افزایش در مقدار مادة خشک) و در عین حال 6/26 درصد کاهش عمق آب آبیاری، 6/85 درصد کاهش زهآب و افزایش بهرهوری آب تبخیر-تعرق یافته از 66/4 به 67/4 کیلوگرم بر مترمکعب نسبت به وضعیت قبل از بهسازی شد. در وضعیت قبل از بهسازی، مزرعه بهصورت کاملاً سنتی و متناسب با عرف منطقه راهبری میشد. یافتههای این پژوهش میتواند به متخصصان آبیاری در زمینة کاهش مصرف آب، افزایش کارایی، شناسایی بازههای حساس به خشکی در طول فصل رشد و میزان حساسیت هر مرحله به تنش و تدقیق برنامهریزی آبیاری کمک شایانی نماید. | ||
کلیدواژهها | ||
بهرهوری آب؛ تنش خشکی؛ ذرت؛ رطوبت خاک؛ AquaCrop | ||
مراجع | ||
References Abedinpour, M., Sarangi, A., Rajput, T.B.S., Singh, M., Pathak, H., & Ahmad, T. (2012). Performance evaluation of AquaCrop model for maize crop in a semi-arid environment. Agricultural Water Management, 110, 55–66. doi:10.1016/j.agwat.2012.04.001 Alinejadian Bidabadi, A., Jorooni, E., Barzegar, A.R., & Maleki, A. (2016). The effect of different irrigation levels on water use efficiency on the basis of maize grain and soil moisture variations. Journal of Water and Irrigation Management, 6(1), 47–59. doi:10.22059/JWIM.2016.60919. [In Persian] Allen, R.G. (1998). Crop Evapotranspiration-guideline for computing crop water requirements. Irrigation and Drainage, 56, 300. doi:10.3178/jjshwr.16.589 Andarzian, B., Bannayan, M., Steduto, P., Mazraeh, H., Barati, M.E., Barati, M.A., & Rahnama, A. (2011). Validation and testing of the AquaCrop model under full and deficit irrigated wheat production in Iran. Agricultural Water Management, 100(1), 1–8. doi:10.1016/j.agwat.2011.08.023 Chen, S., Jiang, T., Ma, H., He, C., Xu, F., Malone, R.W., Feng, H., Yu, Q., Siddique, K.H.M., & He, J. (2020). Dynamic within-season irrigation scheduling for maize production in Northwest China: A method based on weather data fusion and yield prediction by DSSAT. Agricultural and Forest Meteorology, 285, 107928. doi:10.1016/j.agrformet.2020.107928 Ebrahimpour, M., Ghahreman, N., Liaghat, A. (2013). Using the SIMETAW model to simulate climate variables and investigate the effect of climate change on potential evapotranspiration (case study: Mashhad). Iranian Journal of Soil and Water Research, 43(4), 353-360. doi:10.22059/IJSWR.2013.35354. [In Persian] FAO, (2023) Crops and livestock products. Food and Agriculture Organization, Rome, Italy. Feng, D., Li, G., Wang, D., Wulazibieke, M., Cai, M., Kang, J., Yuan, Z., & Xu, H. (2022). Evaluation of AquaCrop model performance under mulched drip irrigation for maize in Northeast China. Agricultural Water Management, 261, 107372. doi:10.1016/ Foster, T., Brozović, N., Butler, A.P., Neale, C.M. U., Raes, D., Steduto, P., Fereres, E., & Hsiao, T.C. (2017). AquaCrop-OS: An open source version of FAO’s crop water productivity model. Agricultural Water Management, 181, 18–22. doi:10.1016/j.agwat.2016.11.015 Geerts, S., Raes, D., & Garcia, M. (2010). Using AquaCrop to derive deficit irrigation schedules. Agricultural Water Management, 98(1), 213–216). doi:10.1016/j.agwat.2010.07.003 Gu, Z., Qi, Z., Burghate, R., Yuan, S., Jiao, X., & Xu, J. (2020). Irrigation scheduling approaches and applications: A review. Journal of Irrigation and Drainage Engineering, 146(6), 4020007. doi:10.1061/(ASCE)IR.1943-4774.0001464 Heng, L.K., Hsiao, T., Evett, S., Howell, T., & Steduto, P. (2009). Validating the FAO AquaCrop model for irrigated and water deficient field maize. Agronomy Journal, 101(3), 488–498. doi:10.2134/agronj2008.0029xs Hoshmand, A., Forotan, M., & Boromandnasab, S. (2014). Evaluation of deficit irrigation and sown pattern on yield and water use efficiency of maize (KSC-704). Journal of Irrigation Sciences and Engineering, 37(3), 43–52. dor: 20.1001.1.25885952.1393.37.3.5.7. [In Persian] 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. doi:10.2134/agronj2008.0218s Moghbel, F., Mosaedi, A., Aguilar, J., Ghahraman, B., Ansari, H., & Gonçalves, M.C. (2022). Bayesian calibration and uncertainty assessment of HYDRUS-1D model using GLUE algorithm for simulating corn root zone salinity under linear move sprinkle irrigation system. Water, 14(24), 4003. doi:10.3390/ Raes, D., Steduto, P., Hsiao, T.C., & Fereres, E. (2009). Aquacrop-The FAO crop model to simulate yield response to water: II. main algorithms and software description. Agronomy Journal, 101(3), 438–447. doi:10.2134/agronj2008.0140s Ramos, T.B., Simionesei, L., Jauch, E., Almeida, C., & Neves, R. (2017). Modelling soil water and maize growth dynamics influenced by shallow groundwater conditions in the Sorraia Valley region, Portugal. Agricultural Water Management, 185, 27–42. doi:10.1016/j.agwat.2017.02.007 Saeidi, R. (2021). Investigation of the intra-seasonal sensitivity of Maize evapotranspiration to water stress, at different irrigation levels. Soil and Water, 35(3), 348-335. doi: 10.22067/JSW.2021.68147.1011. [In Persian] Saeidinia, M., Nasrolahi, A.H., & Sharifipour, M. (2019). Investigating the ability of crop water stress index for irrigation scheduling and estimating corn forage yield. Iranian Journal of Soil and Water Research, 50(3), 555–565. doi:10.22059/IJSWR.2018.268113.668038. [In Persian] Sakaki, T., Limsuwat, A., & Illangasekare, T.H. (2011). A simple method for calibrating dielectric soil moisture sensors: Laboratory validation in sands. Vadose Zone Journal, 10(2), 526–531. doi:10.2136/vzj2010.0036 Schober, P., Boer, C., & Schwarte, L.A. (2018). Correlation coefficients: appropriate use and interpretation. Anesthesia & Analgesia, 126(5), 1763–1768. doi:10.1213/ANE.0000 Simionesei, L., Ramos, T B., Palma, J., Oliveira, A. R., & Neves, R. (2020). IrrigaSys: A web-based irrigation decision support system based on open source data and technology. Computers and Electronics in Agriculture, 178, 105822. doi:10.1016/j.compag.2020. Song, L., Jin, J., & He, J. (2019). Effects of severe water stress on maize growth processes in the field. Sustainability, 11(18), 5086. doi:10.3390/su11185086 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. doi:10.2134/agronj2008.0139s Tehrani, A., Ziaei, A.N., & Naghedifar, S.M. (2023). Irrigation scheduling of walnut seedlings using HYDRUS-1D and taguchi optimization approach. Journal of Irrigation and Drainage Engineering, 149(1), 4022045. doi:10.1061/(ASCE)IR.1943-4774.00017 Trout, T.J., & DeJonge, K.C. (2017). Water productivity of maize in the US high plains. Irrigation Science, 35(3), 251–266. doi:10.1007/s00271-017-0540-1 | ||
آمار تعداد مشاهده مقاله: 595 تعداد دریافت فایل اصل مقاله: 375 |