شبیه‌سازی عملکرد و برخی خصوصیات فیزیولوژیکی گیاه ذرت در مدیریت مختلف کود نیتروژن با استفاده از مدل CERES-Maize (ارزیابی مدل)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ، اگروتکنولوژی، دانشگاه آزاد اسلامی واحد آیت ا... آملی، آمل، ایران

2 استادیار، گروه اگروتکنولوژی، واحد آیت ا... آملی، دانشگاه آزاد اسلامی، آمل، ایران.

3 استادیار ، گروه اگروتکنولوژی، واحد آیت ا... آملی، دانشگاه آزاد اسلامی، آمل، ایران.

4 استاد ، گروه کشاورزی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران.

چکیده

سابقه و هدف: گسترش سریع سیستم‌های اطلاعاتی مبتنی بر کامپیوتر بعد جدیدی در علوم کشاورزی فراهم آورده است. مدل شبیه‌سازی گیاهی، نمایش ریاضی فرایندهای مختلف فیزیولوژیک رشد و نمو گیاهان است. با توجه به قابلیت شبیه‌سازی فرایندهای مختلف گیاهان زراعی، مدل‌های شبیه‌سازی در مطالعات بسیاری که هدف از انجام آن‌ها آنالیز کمی اثر پارامترهای مختلف محیطی و مدیریتی بوده است بکار برده شده‌اند. ازآنجایی‌که اطلاعات محدودی در زمینه توانمندی مدل CERES – Maize در شبیه‌سازی خصوصیات ذرت تحت تیمارهای مختلف مدیریت نیتروژن در منطقه مازندران موجود است، این مطالعه به منظور واسنجی مدل CERES – Maize در شبیه‌سازی عملکرد و خصوصیات فیزیولوژیکی این گیاه به دو شکل گرافیکی و آماری در شهرستان قائم‌شهر صورت پذیرفت.
مواد و روش‌ها: به‌منظور بررسی شبیه‌سازی برخی ویژگی‌های فیزیولوژیکی گیاه ذرت با استفاده از مدلCERES – Maize در شرایط مختلف مصرف نیتروژن، آزمایشی در مزرعه تحقیقاتی مرکز تحقیقات کشاورزی مازندران، ایستگاه قراخیل طی سال‌های 1397 و 1398 به‌صورت بلوک‌های کامل تصادفی در چهار تکرار اجرا شد. 10 تیمار به کاربرده شده در این تحقیق شامل: N1: عدم مصرف کود (شاهد)، N2: مصرف 60 کیلوگرم نیتروژن در هکتار پیش از کاشت، N3: مصرف 120 کیلوگرم نیتروژن در هکتار پیش از کاشت، N4: مصرف 180 کیلوگرم نیتروژن در هکتار پیش از کاشت، N5: مصرف 60 کیلوگرم نیتروژن در هکتار در دو مرحله (50% پیش از کاشت + 50 درصد در مرحله R1)، N6: مصرف 120 کیلوگرم نیتروژن در هکتار در دو مرحله (50% پیش از کاشت + 50 درصد در مرحله R1)، N7: مصرف 180 کیلوگرم نیتروژن در هکتار در دو مرحله (50% پیش از کاشت + 50 درصد در مرحله R1)، N8: 60 کیلوگرم نیتروژن در هکتار در 3 مرحله (یک‌سوم پیش از کاشت + یک‌سوم در مرحله R1 + یک‌سوم در مرحله R3)، N9: 120 کیلوگرم نیتروژن در هکتار در 3 مرحله (یک‌سوم پیش از کاشت + یک‌سوم در مرحله R1 + یک‌سوم در مرحله R3) N10: 180 کیلوگرم نیتروژن در هکتار در 3 مرحله (یک‌سوم پیش از کاشت + یک‌سوم در مرحله R1 + یک‌سوم در مرحله R3) بود.
یافته‌ها: نتایج نشان داد که مدل توانست عملکرد، بیوماس روز برداشت و میزان نیتروژن کل اندام هوایی را با دقت قابل قبولی شبیه‌سازی کند. همچنین نتایج نشان داد که مدل صفت شاخص سطح برگ را به خوبی دیگر صفات شبیه‌سازی نمی‌کند. نتایج حاصل از تجزیه رگرسیون خطی بین مقادیر شاخص سطح برگ شبیه‌سازی و اندازه‌گیری شده نشان داد که ضریب R2 به ترتیب برای داده‌های واسنجی و اعتبارسنجی مدل برابر با 69/0 و 57/0 بود. ضریب تبیین برای داده‌های عملکرد در واسنجی برابر 79/0 و برای اعتبارسنجی مدل برابر 81/0 بود. نتایج در ارتباط با داده‌های دوساله نشان داد که مقادیر شبیه‌سازی شده نیتروژن در سطح احتمال 95/0 اختلاف معنی‌داری با مقدار اندازه‌گیری شده ندارند. تجزیه رگرسیون خطی بین نیتروژن اندام هوایی شبیه‌سازی و اندازه‌گیری شده با ضریب تبیین 87/0 طبق داده‌های دوساله که نشان‌دهنده مناسب بودن مدل در شبیه‌سازی نیتروژن کل اندام هوایی بود.
نتیجه‌گیری: بیشترین عملکرد در این تحقیق در سال‌های 1397 و 1398 در تیمار مصرف 120 کیلوگرم نیتروژن در هکتار به‌صورت مصرف 50 درصد پایه + 50 درصد در مرحله R1 حاصل گردید. با توجه به نتایج به‌دست‌آمده، مدل CERES - Maize می‌تواند به‌عنوان یک مدل شبیه‌سازی مطلوب برای انتخاب مناسب‌ترین استراتژی برای بهبود عملکرد ذرت در مدیریت مختلف کود نیتروژن استفاده شود. همچنین می‌توان در تفسیر داده‌های اقلیمی برحسب تولید بالقوه، محدودیت‌ها و کاهش آزمایش‌های درازمدت مزرعه‌ای در منطقه شمال کشور جهت حصول نتایج قابل تعمیم از این مدل استفاده کرد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Simulating the yield and some physiological characteristics of maize in different nitrogen conditions using the CERES-Maize model (model evaluation)

نویسندگان [English]

  • Farzad Dehpouri 1
  • Davood Barari Tari 2
  • Yousof Niknejad 2
  • Hormoz Fallah 3
  • Ebrahim Amiri 4
1 Ph.D Student of Agrotechnology, Iran Islamic Azad University, Amol. Iran.
2 Assistant Professor, Department of Agrotechnology, Ayatollah Amoli Branch, Islamic Azad University, Amol, Iran.
3 Assistant Professor, Department of Agrotechnology, Ayatollah Amoli Branch, Islamic Azad University, Amol, Iran.
4 Professor, Department of Agrotechnology, Ayatollah Amoli Branch, Islamic Azad University, Amol, Iran.
چکیده [English]

Background and objectives: A new dimension in agricultural science has been opened up by the rapid development of computer-based information systems. Physiological processes of plant growth and development can be represented mathematically with a plant simulation model. Many studies have used simulation models to quantitatively analyze the effects of different environmental and management factors on the processes of agricultural plants due to the capability to simulate different processes. Since there is limited data on the ability of CERES-Maize to simulate maize under different nitrogen management treatments in Mazandaran, It took place in Qaemshahr city, and involved recalibration of the CERES-Maize model based on graphical representations and statistical analyses of the performance and physiological traits of this crop.
Material and methods: In order to simulate the physiological traits of maize using CERES-Maize model in different nitrogen treatments, an experiment was carried out in Qarakhil, a research farm of Mazandaran Agricultural Research Center, during 2017 and 2018 as randomized completely block design in four replications. The 10 treatments used in this research included: N1: not use of nitrogen (control), N2: use of 60 kg n ha-1 before planting, N3: use of 120 kg n ha-1 before planting, N4: use of 180 kg n ha-1 before planting, N5: Use of 60 kg n ha-1 in two stages (50% before planting + 50% in stage R1), N6: Use of 120 kg n ha-1 in two stages (50% before planting + 50% in R1), N7: use 180 kg n ha-1 in two stages (50% before planting + 50% in R1), N8: 60 kg n ha-1 in 3 stages (one third before planting + one third in stage R1 + one third in stage R3), N9: 120 kg n ha-1in 3 stages (one third before planting + one third in stage R1 + one third in stage R3), N10: 180 kg n ha-1in 3 stages ( One third was before planting + one third at R1 stage + one third at R3 stage).
Results: It was shown that the model had an acceptable accuracy in simulating the yield, biomass and nitrogen level of a shoot at harvest time. It has also been shown that the trait model does not accurately simulate the leaf area index as well as other traits. According to linear regression analysis, R2 coefficients for the calibration and validation data of the model were 0.69 and 0.57, respectively,. Model validation showed a coefficient of explanation of 0.81, while calibration showed a coefficient of explanation of 0.79. Based on the two-year data, the simulated nitrogen value does not differ significantly from the measured value at 0.95 probability level. The model provided a 0.87 explanation coefficient for the difference between simulated and measured shoot nitrogen, thus indicating its accuracy in simulating total shoot nitrogen over the two-year period.
Conclusion: As a result of this research, the highest yield was achieved in the years 2017 and 2018 with 120 kg n ha-1 applied to the soil as 50% of the base + 50% in R1 stage. In view of the obtained results, the CERES-Maize model can be used as a suitable simulation model to find the optimal nitrogen fertilizer management strategy for maize. For generalizable results, this model can also be applied to interpreting climate data in the northern region of the country in terms of potential production, limitations, and reduction of long-term field experiments.

کلیدواژه‌ها [English]

  • Biomass
  • Calibration
  • Simulation
  • Validation
  • Yield

مراجع

  1. Abedinpour, M. (2021). The comparison of DSSAT-CERES and AquaCrop models for wheat under water–nitrogen interactions. Communications in Soil Science and Plant Analysis, 52(17), 2002-2017.
  2. Fathi, A., Barari Tari, D., Fallah Amoli, H., & Niknejad, Y. (2020). Study of energy consumption and greenhouse gas (GHG) emissions in corn production systems: influence of different tillage systems and use of fertilizer. Communications in Soil Science and Plant Analysis, 51(6), 769-778.
  3. Rugira, P., Ma, J., Zheng, L., Wu, C., & Liu, E. (2021). Application of DSSAT CERES-maize to identify the optimum irrigation management and sowing dates on improving maize yield in Northern China. Agronomy, 11(04), 674.
  4. Lu, J., Hu, T., Zhang, B., Wang, L., Yang, S., Fan, J., ... & Zhang, F. (2021). Nitrogen fertilizer management effects on soil nitrate leaching, grain yield and economic benefit of summer maize in Northwest China. Agricultural Water Management, 247, 106739.
  5. Hou, P., Liu, Y., Liu, W., Liu, G., Xie, R., Wang, K., ... & Li, S. (2020). How to increase maize production without extra nitrogen input. Resources, Conservation and Recycling, 160, 104913.
  6. Attia, A., El-Hendawy, S., Al-Suhaibani, N., Tahir, M. U., Mubushar, M., dos Santos Vianna, M., ... & Datta, A. (2021). Sensitivity of the DSSAT model in simulating maize yield and soil carbon dynamics in arid Mediterranean climate: Effect of soil, genotype and crop management. Field crops research,  260, 107981.
  7. Tofa, A. I., Chiezey, U. F., Babaji, B. A., Kamara, A. Y., Adnan, A. A., Beah, A., & Adam, A. M. (2020). Modeling planting-date effects on intermediate-maturing maize in contrasting environments in the Nigerian Savanna: An Application of DSSAT Model. Agronomy, 10(6), 871.
  8. Malik, W., Isla, R., & Dechmi, F. (2019). DSSAT – CERES - maize modelling to improve irrigation and nitrogen management practices under Mediterranean conditions. Agricultural Water Management, 213, 298-308.
  9. Jha, P. K., Ines, A. V., & Singh, M. P. (2021). A multiple and ensembling approach for calibration and evaluation of genetic coefficients of CERES-maize to simulate maize phenology and yield in Michigan. Environmental Modelling & Software, 135, 104901.
  10. Hammad, H. M., Abbas, F., Ahmad, A., Farhad, W., Anothai, J., & Hoogenboom, G. )2018(. Predicting water and nitrogen requirements for maize under semi-arid conditions using the CSM –CERES - Maize model. European Journal of Agronomy, 100, 56-66.
  11. Basso, B., Liu, L., & Ritchie, J. T. (2016). A comprehensive review of the CERES-wheat,-maize and-rice models’ performances. Advances in agronomy, 136, 27-132.
  12. Mondani, F. (2018). Simulation of nitrogen fertilizer effect on maize (Zea maize) production by CERES-Maize model under Kermanshah climate condition. Water and Soil, 31(6), 1665-1678.
  13. Shen, H., Xu, F., Zhao, R., Xing, X., & Ma, X. (2020). Optimization of Sowing Date, Irrigation, and Nitrogen Management of Summer Maize Using the DSSAT-CERES-Maize Model in the Guanzhong Plain, China. Transactions of the ASABE, 63(4), 789-797.
  14. Feleke, H. G., Savage, M. J., & Tesfaye, K. (2021). Calibration and validation of APSIM–Maize, DSSAT CERES–Maize and AquaCrop models for Ethiopian tropical environments. South African Journal of Plant and Soil, 38(1), 36-51.
  15. Mubeen, M., Ahmad, A., Wajid, A., Khaliq, T., Hammad, H. M., Sultana, S. R., ... & Nasim, W. (2016). Application of CSM-CERES-Maize model in optimizing irrigated conditions. Outlook on Agriculture, 45(3), 173-184.
  16. Balderama, O., Alejo, L., & Tongson, E. (2016). Calibration, validation and application of CERES-Maize model for climate change impact assessment in Abuan Watershed, Isabela, Philippines. Climate, Disaster and Development Journal, 2(1), 11-20.
  17. Liu, B. Y., Lin, B. J., Li, X. X., Virk, A. L., Yves, B. N. D., Zhao, X., ... & Zhang, H. L. (2021). Appropriate farming practices of summer maize in the North China Plain: Reducing nitrogen use to promote sustainable agricultural development. Resources, Conservation and Recycling, 175, 105889.
  18. Ferreira, A. S., Balbinot Junior, A. A., Werner, F., Zucareli, C., Franchini, J. C., & Debiasi, H. (2016). Plant density and mineral nitrogen fertilization influencing yield, yield components and concentration of oil and protein in soybean grains. Bragantia, 75, 362-370.
  19. DeJonge, K. C., Ascough Ii, J. C., Andales, A. A., Hansen, N. C., Garcia, L. A., & Arabi, M. (2012). Improving evapotranspiration simulations in the CERES-Maize model under limited irrigation. Agricultural Water Management, 115, 92-103.
  20. Osman, N. A., Helal, R., & Basha, D. (2016). Evaluating Ceres-Maize Model under Different Irrigation and Nitrogen Fertilizer Rate in Medial Egypt. Journal of Soil Sciences and Agricultural Engineering, 7(9), 603-609.
مجله تولید گیاهان زراعی
دوره 16، شماره 3
مهر 1402
صفحه 33-48

فایل ها

هم رسانی

ارجاع به این مقاله

آمار