برآورد ضرایب ژنتیکی و ارزیابی مدلDSSAT برای ارقام استان گلستان

نوع مقاله: مقاله پژوهشی

چکیده

استفاده از مدل¬های شبیه¬سازی گیاهان زراعی به عنوان مکمل کارآمد برای تحقیقات آزمایشی مطرح است. همچنین مدل¬های شبیه¬سازی گیاهان زراعی می¬توانند از نظر اتخاذ تصمیم مناسب در سیستم¬های کشاورزی مفید باشند. این مطالعه به‌منظور برآورد ضرایب ژنتیکی و ارزیابی مدل شبیه‌سازی DSSAT در پیش¬بینی نمو و رشد و عملکرد گندم انجام شد. برای برآورد ضرایب و ارزیابی مدل DSSAT از داده¬های آزمایش¬های مزرعه¬ای مختلف برای چهار رقم گندم کوهدشت، شیرودی، تجن و زاگرس که از ارقام مورد استفاده در استان گلستان هستند، استفاده شد. بعد از برآورد پارامترهای ژنتیکی، توانایی مدل در شبیه¬سازی مراحل فنولوژیک روز تا گرده¬افشانی، روز تا رسیدگی، تولید ماده خشک در گرده¬افشانی و رسیدگی فیزیولوژیک، شاخص سطح برگ در گرده¬افشانی، تجمع نیتروژن در گرده¬افشانی و رسیدگی و عملکرد دانه مورد ارزیابی قرار گرفت. برای عملکرد جذر میانگین مربعات خطا برابر 668 کیلوگرم در هکتار بود که 2/18 درصد میانگین عملکرد می¬باشد. پیش¬بینی¬های مدل برای سایر ویژگی¬های رشد و نمو نیز مناسب بودند. بنابراین، می¬توان از این مدل برای شبیه¬سازی این ارقام استفاده نمود.

عنوان مقاله [English]

Estimates of genetic coefficients and evaluation of model DSSAT for Golestan province

چکیده [English]

Using crop simulation models is an efficient complement to experimental research. Crop models can also be helpful with respect to decision-making in sustainable farming system. This study was done to estimate genetic coefficients and evaluate performanced DSSAT in prediction of development, growth and yield in wheat. Data from various field experiments for four wheat cultivars Koohdasht, Shiroudi, Tajan and Zagros were used. After estimation of genetic parameters, the model ability were evaluated in simulation of phonological development in days to anthesis, days to maturity, dry matter production at anthesis and physiological maturity, leaf area index at anthesis, accumulation of nitrogen at anthesis and maturity and grain yield. Root Mean Square Error (RMSE) for grain yield was equal to 668 kg.ha-1 which was 18.2 percent of the mean yield. Model predictions were appropriate for other crop development and growth characteristics. Therefore, the model can be used for simulation these cultivars.