بررسی خلاء عملکرد پنبه به روش آنالیز خط مرزی در شهرستان‌های آق قلا و علی آباد کتول در استان گلستان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجو

2 استاد دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 دانشیار دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

سابقه و هدف: یکی از مشکلات اساسی تولید گیاهان زراعی در کشور ما اختلاف بین عملکرد واقعی کشاورزان و عملکرد قابل حصول (خلاء عملکرد) می‌باشد. بنابراین شناسایی عوامل محدود کننده عملکرد و خلا عملکرد بسیار حایز اهمیت است. تخمین میزان خلا عملکرد و تعیین عوامل به وجود آورنده‎ی آن مستلزم به کارگیری روش‎های مناسب می‎باشد. آنالیز خط مرزی یک روش آماری است که به کمک آن می‎توان واکنش عملکرد به یک عامل محیطی یا مدیریتی را در شرایطی که سایر عوامل نیز متغیر هستند و ثابت نشده‎اند، کمّی نمود. در واقع روش آنالیز خط مرزی پاسخ عملکرد به عامل مورد نظر را در شرایطی که سایر عوامل مناسب باشند، مشخص می‎کند و به منظور تعیین عوامل و متغیرهای تاثیر گذار بر کاهش عملکرد انجام می‌شود
مواد و روش‌ها: این پژوهش، به منظور بررسی خلاء عملکرد پنبه و در روستاهای شهرستان‌های علی آباد کتول و آق‌قلا از استان گلستان در سال‌های 93 و 94 انجام شد. جامعه آماری، کشاورزان پنبه کار این دو شهرستان بود و 100 کشاورز به صورت تصادفی در طی این دو سال انتخاب شد و عوامل مدیریتی مورد بررسی شامل میزان کود نیتروژن مصرفی به صورت پایه و سرک، کود فسفر(P2O5) ، مقدار بذر مصرفی، تراکم، تعداد دفعات آبیاری، تاریخ کاشت و تاریخ برداشت بودند. با رسم پراکنش داده‏های عملکرد در مقابل متغیرهای مختلف مدیریتی، بالاترین عملکرد‏ها در سطوح مختلف هر نهاده یا مدیریت خاص انتخاب شد.
یافته‌ها: نتایج نشان داد که بین عملکرد کشاورزان (عملکرد واقعی) و عملکرد قابل حصول (عملکردی که می‌توانند برداشت کنند) 1425 کیلوگرم در هکتار فاصله (خلاء) وجود دارد. نتایج نشان داد که 80 درصد از مزارع مورد بررسی از نظر تاریخ کاشت، 70 درصد از نظر کود نیتروژن، 64 درصد از نظر فسفر(P2O5) ، 63 درصد از نظر بذر مصرفی، 71 درصد از نظر تراکم، 74 درصد از نظر آبیاری و 16 درصد از نظر تاریخ برداشت خارج از حد بهینه بودند. نتیجه حاصله این بود که درحالی که متوسط عملکرد کشاورزان 2657 کیلوگرم است، آن‎ها می‎توانند با بهبود مدیریت زراعی به عملکرد 4082 کیلوگرم در هکتار دست یابند و برای این منظور اقدامات زیر مد نظر قرار گیرد: 1) مصرف حداقل 65 کیلوگرم کود نیتروژن در هکتار 2) مصرف حداقل 40 کیلوگرم کود فسفر 3) حداقل چهار نوبت آبیاری 4) تراکم بوته بین 7 تا 8 بوته در مترمربع 5) حداقل دو نوبت وجین 6) کشت در اوایل اردیبهشت ماه و یا قبل از آن و 7) تاریخ برداشت اواسط مهرماه و 8) مقدار بذر مصرفی، 50 کیلوگرم در هکتار.
نتیجه‌گیری : به طور کل نتایج این تحقیق نشان داد که خلاء عملکرد منطقه مورد مطالعه حدود 35 درصد بوده و با اصلاح برخی از روش‌های مدیریتی می‌توان سطح عملکرد پنبه را در منطقه مورد مطالعه افزایش داد. علاوه بر این، استفاده از آنالیز خط مرزی در مطالعات خلاء عملکرد می‌تواند به خوبی پاسخ‌های عملکرد به عوامل مدیریتی را نشان دهد و با استفاده از این پاسخ‌ها می‌توان بهترین مدیریت‌ها را جهت رسیدن به بالاترین عملکرد مشخص کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Study of Cotton Yield Gap with Boundary-Line Analysis in the Aq-Qala and Ali Abad Katul cities in the Golestan Province, Iran

چکیده [English]

Background and objectives: One of the main problems in crop production in Iran is the difference between actual yield and attainable yield which is called yield gap. Thus, identifying yield constraints and yield gap are important. Estimation the amount of yield gap and determination of it’s causes requires using proper methods. Boundary line analysis is a statistical method that can quantify the response of yield to an environmental or management factors in a situation in which other parameters are variable. Indeed, this method is able to determine the response of yield to a desired factor while other factors are appropriate and done to determine factors and variables influencing the yield reduction.
Materials and methods: The objective of this study was to evaluate the gap yield of cotton cultivation during 2014 and 2015 in the villages of Aq-Qala and Ali Abad Katul cities,in the Golestan province. The statistical community was cotton farmers of the two Regions. One hundred farmers were selected randomly. Management factors consisted of nitrogen and phosphorus (P2O5) used as a base fertilizer, seed rate, density, irrigation frequency, the planting and harvest dates. By drawing distribution of the yield data against different variables management, has been chosen the highest yield of any inputs or management at different levels.
Results: The results showed there is a 1425 kg.ha-1 difference (gap) between actual yield (average farmers' yield) and attainable yield (maximum farmers' yield). The results showed that 80 percent of farms studied in terms of planting date, 70 percen in nitrogen, 64 percent in phosphorus, 63 percent in seeding, 71 percent in density, watering 74 percent and 16 percent of harvest dates were outside the optimal. The results show that while the average yield of farmers is 2657 kg.ha-1, they can achieve up to 4082 kg.ha-1 by improving their agricultural management. For this purpose, the following should be considered: (1) using at least 65 kg of N fertilizer per hectare, (2) using at least 40 kg of P2O5 per hectare as a base fertilizer (3) at least four irrigations (4) two times weeding (5) plant density of 7 to 8 plant in per m2 (6) planting date the late of April and (7) harvest date the early of October and (8) seed rate 50 Kg.ha-1.
Conclusion: The yield gap of the study area farms was about 35 percent and with improving some of the management practices can increase cotton yield. Boundary line analysis in yield gap studies could clearly show the responses of yield to management factors and by using these responses can be define the best management to achieve the highest yield.

کلیدواژه‌ها [English]

  • Yield Gap
  • Boundary-Line Analysis
  • Cotton
  • Management factors
1. Constable, G.A., and Bange, M.P. 2015. The yield potential of cotton (Gossypium hirsutum L.). Field Crops Research., 182: 98-106.
2. Akbari Nodehi, D. 2010. The Effect of Different Water Quantities on Yield, Water Use efficiency and Cotton Yield Function inMazandaran Province, Iran. Journal of Sustainable Agriculture and Production Science., 21/2(1): 103-111. (In Persian with English abstract)
3. Bednarz, C.W., Don Shurley, W., Anthony, W.S., and Nichols, R.L. 2005. Yield, quality, and profitability of cotton produced at varying plant densities. Agronomy Journal., 97: 235-240.
4. Boquet, D.J. 2005. Cotton in ultra-narrow spacing: plant density and nitrogen fertilizer rates. Agronomy Journal., 97: 279-287.
5. Bozbek, T., Sezner, V., and Unay, A. 2006. The effect of sowing date and planting density on cotton yield. J. Agron., 5: 122-125.
6. Ghorbani Nasrabad, Gh., and Hezarjaribi, A. 2010. Cotton response to deficit irrigation during different growth stages. J. Plant Prod., 17(4): 129-141. (In Persian)
7. Dhandhalya, M.G., and Shiyani, R.I. 2009. Production potentials, yield gaps and research prioritization of production constraints in major oilseed crops of saurashtra region. Indian J. Agric. Res., 43: 18-25.
8. Annual agricultural statistics. Ministry of Jihad-e-Agriculture of Iran. 2014. Available from: http://www.maj.ir (In Persian)
9. Ghajari, A., Miri, A.A., Zanghi, M.R., and Soltani, S. 2011. Determination of optimum planting arrangement and plant density of early cotton varieties after canola Harvesting. Elect. J. Crop Prod., 4(4): 103-121. (In Persian)
10. Glenn, D. 1992. Sampling the Evidence of Extension Program Impact. Program Evaluation and Organizational Development, IFAS, University of Florida. PEOD-5. October.
11. ICAC. 2013. World Apparel Fibre Consumption Survey. Food and Agriculture Organization of the United Nations and International Cotton Advisory Committee. <https://www.icac.org/cotton info/publications/statistics/world-apparel-survey/FAO-ICAC-Survey-2013-Update-and-2011-Text.pdf/>.
12. Hajjarpoor, A., Soltani, A., and Torabi, B. 2015. Using boundary line analysis in yield gap studies: Case study of wheat in Gorgan. Elect. J. Crop Prod., 8(4): 183-201.
13. Hearn, A.B. 1986. Effect of preceding crop on the nitrogen requirements of irrigated cotton on a vertisol. Field Crop. Res., 13: 159-175.
14. Zhi, X.Y., Han, Y.C., LI, Y.B., Wang, G.P., DU, W.L., LI, X.X., MAO, S.C., and Lu, F. 2016. Effects of plant density on cotton yield components and quality. J. Integr. Agric., 15(7): 1469-1479.
15. Wang, X., Tang, C., Guppy, C.T., and Sale, P.W.G. 2010. Cotton, Wheat and white lupin differ in phosphorus acquisition from sparingly soluble sources. Environ. Exp. Bot., 69: 267-272.
16. Khajehpour, M. 2006. Principles and Basics of Agronomy. Iranian Academic Center for Education, Branch of Isfahan University of Technology Publishing, 398p.
17. Tasistro, A. 2012. Use of Boundary lines in Field Diagnosis and Research for Mexican Farmers. Better Crops., 96(2): 11-13.
18. Lobell, D.B., Cassman, K.G., and Field, C.B. 2009. Crop yield gaps: their importance, magnitudes, and causes. annual Rev. Environ. Resour., 34: 179-204.
19. Makowski, D., Doré, T., and Monod, H. 2007. A new method to analyse relationships between yield components with boundary lines. Agron. Sustain. Dev., 27: 119-128.
20. Zhang, D., Zhang, L., Liu, J., Han, S., Wang, Q., Evers, J., Liu, J., Werf, W., and Li, L. 2014. Plant density affects light interception and yield in cotton grown as companion crop in young jujube plantations. Field Crops Res., 169: 132-139.
21. Jafaraghaei, M., and Jalali, A.H. 2014. The effects of different amounts of nitrogen and phosphorus in early cotton (Gossypium hirsutum L.) cultivar. Agron. J. 102: 205-212. (In Persian)
22. Pereira, L.S., Paredes, P., Sholpankulov, E.D., Inchenkova, O.P., Teodoro, P.R., and Horst, M.G. 2009. Irrigation scheduling strategies for cotton to cope with water scarcity in the Fergana Valley, Central Asia. Agric. Water Manag., 96(5): 723–735.
23. Pettigrew, W.T. 2004. Moisture deficit effects on cotton lint yield, yield components and boll distribution. Agron. J., 96: 377-383.
24. Banneheka, B., Dhanushika, M., Wijesuriya, W., and Herath, K. 2013. A linear programming approach to fitting an upper quadratic boundary line to natural rubber data. J. Nati. Sci., 41: 13-20.
25. Siebert, J.D., Stewart, A.M., and Leonard, B.R. 2006. Comparative growth and yield of cotton grown at various densities and configurations. Agron. J., 98: 562–568.
26. Sohrabi Mashkabadi, B. 2010. Determination of yield and cost function equation of new variety cotton "Sepid" in sprinkler irrigation. Elect. J. Cotton Fibre Crops., 1(1): 13-20. (In Persian)
27. Soltani, A., and Galeshi, S. 2002. Importance of rapid canopy closure for wheat production in a temperature sub-humid environment: experimentation and simulation. Field Crops Res., 77: 17-30.
28. Soltani, A., and Torabi, B. 2014. Design and Analysis of Agricultural Experiments. Jahad Daneshgahi of Mashhad Press. 430p.
29. Soltani, A. 2009. Mathematical Modeling in Field Crops. JDM Press, Mashhad, Iran.175p. (In Persian with English abstract)
30. Hakoomat, A., Muhammad Naveed, A., Shakeel, A., and Dilbaugh, M. 2009. Effect of cultivars and sowing dates on yield and quality of Gossypium hirsutum L. crop J. Food, Agric. Environ., 7(3): 244-247.
31. Van Ittersum, M.K., Cassman, K.G., Grassini, P., Wolf, J., Tittonell, P., and Hochman, Z. 2013. Yield gap analysis with local to global relevance A review. Field Crop. Res., 143: 4-17.
32. Hengsdijk, H., and Langeveld, J.W.A. 2009. Yield Trends and Yield Gap Analysis of Majorcrops in the World. Wageningen, Wettelijke Onderzoekstaken Natuur and Milieu, 60p.
33. Wang, N., Jassogne, L., Van Asten, P.J.A., Mukasa, D., Wanyama, I., Kagezi, G., and Giller, K.E. 2015. Evaluating coffee yield gaps and important biotic, abiotic, and management factors limiting coffee production in Uganda. Europ. J. Agron., 63: 1-11.
34. Wrather, J.A., Phipps, B.J., Stevens, W.E., Phillips, A.S., and Vories, E.D. 2008. Cotton planting date and plant population effect on yield and fiber quality in the Mississippi Delta. The J. Cotton Sci., 12: 1-7.
35. Tittonell, P., Shepherd, K.D., Vanlauwe, B., and Giller, K.E. 2008. Unravelling the effects of soil and crop management on maize productivity in smallholder agricultural systems of western Kenya an application of classification and regression tree analysis. Agric., Ecosyst. Environ., 123: 137-150.
36. Fermont, A.M., Van Asten, P.J.A., Tittonell, P., van Wijk, M.T., and Giller, K.E. 2009. Closing the cassava yield gap: an analysis from smallholder farms in East Africa. Field Crops Res., 112: 24–36.
37. Grassini, P., Hall, A.J., and Mercau, J.L. 2009. Benchmarking sunflower water
productivity in semiarid environments. Field Crops Res., 110: 251-262.
38. Wairegi, L.W.I., Van Asten, P.J.A., Tenywa, M.M., and Bekuna, M.A. 2010. Abiotic constraints override biotic constraints in East African highland banana systems. Field Crops Res., 117: 146-153.
39. Hochman, Z., Carberry, P.S., Robertson, M.J., Gaydon, D.S., Bell, L.W., and McIntosh, P.C. 2012. Prospects for ecological intensification of Australian agriculture. Europ. J. Agron., 44: 109-123.
40. Lark, R.M., and Milne, A.E. 2016. Boundary line analysis of the effect of water-filled pore space on nitrous oxide emission from cores of arable soil. Europ. J. Soil Sci., 67: 148-159.
41. Main, C.L., Tomas Barber, L., Boman, R.K., Chapman, K., Dodds, D.M., Duncan, S., and Bronson, K.F. 2013. Effects of Nitrogen and planting seed size on cotton growth, development, and yield. Agron. J., 105(6): 1853-1859.
42. Elum, Z.A., and Sekar, C. 2015. An empirical study of yield gap in seed cotton production in Tamil Nadu state, India. Indian J. Agric. Res., 49(6): 549-553.
43. Mondal, M.H. 2011. Causes of yield gaps and strategies for minimizing the gaps in different crops of Bangladesh. Bangl. J. Agric. Res, 36: 469-479.