مستند سازی و شناسائی عوامل کاهنده عملکرد برخی از گیاهان زراعی در استان کردستان بروش تحلیل مقایسه کارکرد

نوع مقاله : مقاله کامل علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری زراعت، گروه زراعت و اصلاح نباتات دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

2 دانشیار، گروه کشاورزی، دانشگاه پیام نور، تهران، ایران

3 استادیار، گروه زراعت و اصلاح نباتات دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران.

4 استادیار، گروه زراعت و اصلاح نباتات دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

چکیده

افزایش تولید گیاهان زراعی برای تأمین امنیت غذایی جمعیت در حال رشد ضروری است. برای بهبود عملکرد، لازم است در هر منطقه میزان شکاف عملکرد شناسایی شده و عوامل مؤثر در این شکاف در تولید گیاهان زراعی مشخص شوند. جهت مستند سازی تولید این تحقیق به صورت پیمایشی در سالهای زراعی 1401 و 1402 در روستاهای استان کردستان اجرا شد. در سال اول آزمایش 110 مزرعه و در سال دوم 120 مزرعه به طور تصادفی در این نواحی انتخاب شدند. کل سطح زیرکشت مزارع مورد مطالعه در سال اول و دوم به ترتیب حدود 510 و 545 هکتار بود. کلیه اقدامات مدیریتی مزارع انتخاب شده تحت نظارت مهندسان کشاورزی قرار داشتند. فصل کشت با توجه به نوع محصول پائیزه در نظر گرفته شد. در این تحقیق از روش CPA (آنالیز کارائی نسبی یا همان رگرسیون گام به گام) برای تجزیه و تحلیل داده ها استفاده شد. برای تعیین مدل عملکرد (تولید)، رابطه بین تمام متغیرهای اندازه گیری شده (کمی و کیفی؛ متغیرهای کیفی به صورت صفر و یک کدگذاری شدند و عملکرد از طریق روش رگرسیون گام به گام مورد بررسی قرار گرفت . نتایج نشان داد که در پنجاه درصد مزارع گندم، جو و کلزا میزان بذر مصرفی به ترتیب بیش از 180، 165 و 8 کیلوگرم در هکتار متغیر است. همچنین پنجاه درصد کشاورزان بیش از 50 کیلوگرم در هکتار مصرف کرده‌اند. متوسط تراکم بوته نیز در گندم، جو و کلزا به ترتیب422، 340 و 54 بوته در مترمربع بود. تجربه کشاورزان برای کشت گندم و جو بین 4 تا 50 و برای کلزا 4 تا 30 سال بود. متوسط مساحت مزارع برای گندم، 9 هکتار، درجو، 5/4 هکتار و برای کلزا 3/8 هکتار بدست آمد. رقم پیشگام گندم، بهمن جو و نپتون کلزا نیز بالاترین درصد فراوانی را در کشت بخود اختصاص داده بودند. درکشت قبلی برای گندم، جو و کلزا به ترتیب آیش، غلات و غلات بیشترین درصد فراوانی حضور را داشتند. برای تهیه بستر بذر، استفاده از گاو آهن برگرداندار در گندم و جو و پنجه غازی در کلزا بالاترین موارد استفاده را داشتند. بر اساس نتایج CPA در کشت گندم، سهم عوامل محدود کننده عملکرد: 1) میزان بذر مصرفی(کیلوگرم در هکتار): 7/39 درصد، 2) میزان مصرف کود اوره پس از کاشت:1/30 درصد، 3) تراکم بوته(بوته درمترمربع): 9/13 درصد و میزان 4) مصرف کود فسفر(کیلوگرم در هکتار): 3/16 درصد، در کشت جو، سهم عوامل محدود کننده عملکرد: 1) میزان بذر مصرفی(کیلوگرم در هکتار): 8/42 درصد، 2) میزان مصرف کود اوره پس از کاشت:6/20 درصد و 3) تراکم بوته(بوته درمترمربع): 4/36 درصد و در کشت کلزا، سهم عوامل محدود کننده عملکرد: 1) تجربه کشاورز(سال): 4/34 درصد، 2) میزان مصرف کود اوره پس از کاشت(کیلوگرم در هکتار):0/18 درصد، 3) تراکم بوته(بوته درمترمربع): 5/14 درصد و میزان 4) مصرف کود فسفر(کیلوگرم در هکتار): 5/33 درصد می باشد.
نتایج بطور کلی حاکی از آن است که با بهینه سازی مدیریت عوامل کلیدی زراعی مانند کاربرد کودهای اوره و فسفر، میزان بذر و تراکم بوته، ضمن توجه به مهارت زارعان در ضمن کلیه عملیات کشاورزی محصولات زراعی، زمینه قابل توجهی برای بهبود عملکرد محصول در منطقه مورد مطالعه وجود دارد. به طور کلی، روش CPA یک رویکرد سیستماتیک برای ارزیابی پتانسیل عملکرد و شناسایی عوامل اصلی محدود کننده عملکرد محصول در منطقه مورد مطالعه ارائه می‌کند که می‌تواند مداخلات هدفمند را برای کاهش خلا عملکرد ارائه دهد. نتایج بطور کلی حاکی از آن است که با بهینه سازی مدیریت عوامل کلیدی زراعی مانند کاربرد کود، میزان بذر و تراکم بوته، زمینه قابل توجهی برای بهبود عملکرد محصول در منطقه مورد مطالعه وجود دارد. پرداختن به این محدودیت‌های مدیریتی می‌تواند به کاهش خلا عملکرد و افزایش بهره‌وری سیستم‌های کشت کمک کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Documentation and Identification of Factors Reducing the Yield of Some Crops in Kurdistan Province by CPA Method

نویسندگان [English]

  • Farshad Faghfori 1
  • Nabi Khaliliaqdam 2
  • Toraj Mirmahmoodi 3
  • Saman Yazdan sta 4
1 PhD student of Agronomy, Department of Agronomy and plant Breeding, Islamic Azad University of Mahabad Branch, Mahabad, Iran.
2 Associate Professor of Agriculture Department, Payame Noor University, Tehra,, Iran
3 Assistant professor, Department of Agronomy and plant Breeding, Islamic Azad University of Mahabad Branch, Mahabad, Iran.
4 Assistant professor, Department of Agronomy and plant Breeding, Islamic Azad University of Mahabad Branch, Mahabad, Iran.
چکیده [English]

Increasing crop production is essential to ensure food security for the growing population. To improve yield, it is necessary to identify the yield gap in each region and determine the factors affecting this gap in crop production.
To document the production, this research was conducted as a survey in the agricultural years 1402 and 1403 in the villages of Kurdistan province. In the first year of the experiment, 110 farms and in the second year, 120 farms were randomly selected in these areas. The total cultivated area of the studied farms in the first and second years was approximately 510 and 545 hectares, respectively. All management practices of the selected farms were supervised by agricultural engineers. The planting season was considered based on the type of autumn crop. In this research, the CPA method (Comparative Performance Analysis or stepwise regression) was used for data analysis. To determine the yield model (production), the relationship between all measured variables (quantitative and qualitative; qualitative variables were coded as zero and one, and yield was examined through the stepwise regression method).
Documentation results showed that in fifty percent of wheat, barley, and canola farms, the amount of seed used varied by more than 180, 165, and 8 kg per hectare, respectively. Also, fifty percent of farmers used more than 50 kg per hectare. The average plant density in wheat, barley, and canola was 422, 340, and 54 plants per square meter, respectively. Also, the experience of farmers for cultivating wheat and barley was between 4 and 50 years, and for canola, it was between 4 and 30 years. The average area of farms for wheat was 9 hectares, for barley, 4.5 hectares, and for canola, 8.3 hectares. The Pishgam wheat variety, Bahman barley, and Neptune canola also had the highest frequency in cultivation. In the previous cultivation for wheat, barley, and canola, fallow, cereals, and cereals had the highest frequency of presence, respectively. For seedbed preparation, the use of moldboard plow in wheat and barley and goosefoot cultivator in canola had the highest usage. Based on the CPA results in wheat cultivation, the contribution of yield-limiting factors was: 1) seed rate (kg/ha): 39.7%, 2) urea fertilizer application after planting: 30.1%, 3) plant density (plants/m²): 13.9%, and 4) phosphorus fertilizer application (kg/ha): 16.3%. In barley cultivation, the contribution of yield-limiting factors was: 1) seed rate (kg/ha): 42.8%, 2) urea fertilizer application after planting: 20.6%, and 3) plant density (plants/m²): 36.4%. In canola cultivation, the contribution of yield-limiting factors was: 1) farmer experience (years): 34.4%, 2) urea fertilizer application after planting (kg/ha): 18.0%, 3) plant density (plants/m²): 14.5%, and 4) phosphorus fertilizer application (kg/ha): 33.5%.
The results generally indicate that by optimizing the management of key agricultural factors such as the application of urea and phosphorus fertilizers, seed rate, and plant density, while paying attention to the skills of farmers in all agricultural operations of crops, there is significant potential for improving crop yield in the studied area. In general, the CPA method provides a systematic approach to evaluating yield potential and identifying the main yield-limiting factors in the studied area, which can provide targeted interventions to reduce the yield gap. The results generally indicate that by optimizing the management of key agricultural factors such as fertilizer application, seed rate, and plant density, there is significant potential for improving crop yield in the studied area. Addressing these management limitations can help reduce the yield gap and increase the productivity of cropping systems.

کلیدواژه‌ها [English]

  • Field crop
  • Model
  • Potential and Yied gap

مراجع

  1. Ingram, J. (2011). A food systems approach to researching food security and its interactions with global environmental change. Food Security, 3 (4): 417-431.
  2. Foley, J. A., Ramankutty, N., Brauman, K.A., Cassidy, E.S., Gerber, J.S., Johnston, M., Mueller, N.D., O’Connell, C., Ray, D. K., West, P. C., Balzer, C., Bennett, E. M., Carpenter, S. R., Hill, J., Monfreda, C., Polasky, S., Rockstrom, J., Sheehan, J., Siebert, S., Tilman, D., & Zaks, D.P.M. (2011). Solutions for a cultivated planet. Nature, 478:337-342.
  3. Godfray, H.C.J., Pretty, J., Thomas, S.M., Warham, E.J., & Beddington, J.R. (2011). Linking Policy on Climate and Food. Science, 331(6020), 1013-1014.
  4. Hatfield, J.L., & Beres, B.L. (2019). Yield gaps in wheat: path to enhancing productivity. Frontiers in Plant Science, 10(1603),1-7
  5. Van Ittersum, M.K., Cassman, K.G., Grassini, P., Wolf, J., Tittonell, P., & Hochman, Z. (2013). Yield gap analysis with local to global relevance—a review. Field Crops Research, 143, 4-17.‏
  6. Lobell, D.B., Cassman, K.G., & Field, C.B. (2009). Crop yield gaps: their importance, magnitudes, and causes. Annual Review of Environment and Resources, 34, 179-204.‏
  7. Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Dadrasi, A., Zand, E., Ghassemi, S., Pourshirazi, S., Alasti, O., Hosseini, R.S., Zahed, M., Arabameri, R., Mohammadzadeh, Z., Rahban, S., Kamari, H., Fayazi, H., Mohammadi, S., Keramat, S., Vadez, V., Van Ittersum, M.K., & Sinclair, T.R. (2020a). SSM-iCrop 2: A simple model for diverse crop species over large areas. Agricultural Systems, 182, 102855.
  8. Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Zand, E., Ghassemi, S., Vadez, V., Sinclair, T.R., &Van Ittersum, M.K. (2020b). Modeling plant production at country level as affected by availability and productivity of land and water. Agricultural Systems, 183: 102859.
  9. Soltani, A. Nahbandani, A., Zeinali, A. Torabi, B., Zand, A., Ghasemi, Th., Alasti, A. Dadras, A., Hosseini, R., Alimoghadam, S.M., Zahed, M., Fayazi, H., Kamari, H., Arab Ameri, R., Mohammadzadeh, Z., Rahban, S., Pourshirazi, Sh., Mohammadi, S., & Karamat, S. (2018). Atlas of Yield Gap and Production Potential of Important Crops in the Country under Current and Future Climatic Conditions. Agricultural Research, Education and Extension Organization and Gorgan University of Agricultural Sciences and Natural Resources, Research Project Report.
  10. A. (2016). Evaluation of wheat yield gap in golestan province. PhD Dissertation, Gorgan University of Agricultural Sciences and Natural Resources.
  11. Gobbett, D., Hochman, Z., Horan, H., Navarro Carcia, J., Grassini, P., & Cassman, K. (2016). Yield gap analysis of rainfed wheat demonstrates local to global relevance. The Journal of Agricultural Science. 155 (2), 1-18.
  12. Merlos, F.A., Monzon, J.P., Mercau, J.L., Taboada, M., Andrade, F. H., Hall, A.J., Jobbagy, E., Cassman, K.G., & Grassini, P. (2015). Potential for crop production increase in Argentina through closure of existing yield gaps. Field Crops Research, 184:145-154.
  13. Timsina, J., Wolf, J., Guilpart, N., van Bussel, L., Grassini, P., van Wart, J., Hossain, A., Rashid, , Islam, S., & Van Ittersum, M. (2016). Can Bangladesh produce enough cereals to meet future demand? Agricultural Systems, 123, 137-150.
  14. Anderson, W, .Johansen, C., & Siddique, K.H.M .(2016). Addressing the yield gap in rainfed crops: a review. Agronomy for Sustainable Development, 36(18),1-18.
  15. Grassini, P., van Bussel, L. G., Van Wart, J., Wolf, J., Claessens, L., Yang, H., Boogaard, H., De Groot, H., van Ittersum, M.K., & Cassman, K.G. (2015b). How good is good enough? Data requirements for reliable crop yield simulations and yield-gap analysis. Field Crops Research, 177, 49-63.
  16. Soltani, A., Nahbandani, A., Zeinal, E., Torabi, B., Zand, E., Qasemi, S., Alasti, O., Dadrasi, A., Hoseini, R., Alimaqam,M., Zahed, M., Fayyazi, H., Kamari, H., arabameri, R., Mohammadzade, Z., Rahban, S., Por shirazi, Sh., Mohammadi, S., & Karamat, S. (2018). Atlas of yield and production potetian of important agricultural crops in the country under current and future climatic conditions. Seyran Vocabulary Publication, 278p.
  17. Qian, B., Jing, Q., Bélanger, G., Shang, J., Huffman, T., Liu, J. & Hoogenboom, G. (2018). Simulated canola yield responses to climate change and adaptation in Canada. Agronomy Journal, 110(1),133-146. https://doi.org/10.2134/agronj2017.02.0076.
  18. Edreira, J.I.R., Mourtzinis, S., Conley, S.P., Roth, A.C., Ciampitti, I.A., Licht, M.A., & Grassini, P. (2017). Assessing causes of yield gaps in agricultural areas with diversity in climate and soils. Agricultural and Forest Feteorology, 247, 170-180.‏
  19. Habibi, E., Niknejad, Y., Fallah, H., Dastan, S., & Barari Tari, D. (2019). Estimating Rice Yield Gap Using Comparative Performance Analysis (CPA) Method in Amol and Rasht. Journal of Plant Production, 42 (4), 551-562.
  20. Yousefian, M., Dastan, S., Soltani, A., & Ajam Norouzi, H. (2018). Estimation of Yield Gap of Local Rice Varieties Using Two Methods: Comparative Performance Analysis and Boundary Line Function (Case Study: Mazandaran Province - Sari Region). Journal of Crop Improvement, 10(3), 265-288.
  21. Lollato, R.P., Bavia, G.P., Perin, V., Knapp, M., Santos, E.A., & Patrignani, A. (2020). Climate-risk assessment for winter wheat using long-term weather data. Agronomy Journal, 112, 2132–2151.
  22. Patrignani, A., Lollato, R.P., Ochsner, T.E., Godsey, C.B., & Edwards, J. (2014). Yield gap and production gap of rainfed winter wheat in the Southern Great Plains. Agronomy Journal, 106(4), 1329-1339.
  23. Balboa, G.R., Archontoulis, S., Salvagiotti, F., Garcia, F. O., Stewart, W., & Francisco, E. (2019). A systems-level yield gap assessment of maize-soybean rotation under high-and low-management inputs in the Western US Corn Belt using APSIM. Agricultural systems, 174, 145–154.
  24. Egli, D., & Hatfield, J. (2014). Yield and yield gaps in central US corn production systems. Agrony Journal, 106, 2248–2254.
  25. Grassini, P., Thorburn, J., Burr, C., & Cassman, K.G. (2011). High-yield irrigated maize in the Western US Corn Belt: I. on-farm yield, yield potential, and impact of agronomic practices. Field Crop Research, 120, 142–150.
  26. Liu, B., Chen, X., Meng, Q., Yang, H., & Van Wart, J. (2017). Estimating maize yield potential and yield gap with agro-climatic zones in China—distinguish irrigated and rainfed conditions. Agrictural and Forest Meteorology, 239, 108–117.
  27. Grassini, P., Torrion, J., Yang, H., Rees, J., Andersen, D., & Cassman, K. (2015a). Soybean yield gaps and water productivity in the western US Corn Belt. Field Crop Research, 179, 150–163.
  28. Zhang, B., Feng, G., Kong, X., Lal, R., Ouyang, Y., & Adeli, A. (2016). Simulating yield potential by irrigation and yield gap of rainfed soybean using APEX model in a humid region. Agricultural Water Management, 177, 440–453.
  29. Rezaei,A., & Soltani, A. (2013). Introduction to Applied Regression Analysis. Isfahan university of Technology press, 307p.
  30. 2009. Statistical Analysis Software, Carry Nc.
  31. Mootab, K., Ghorbani Javid, M., & Alahdadi, I. (2023). Wheat yield gap assessment in using the comparative performance analysis, Agronomy, 13(3),705-712. DOI: 3390/agronomy13030705.
  32. Karamat, S., Torabi, B., Soltani, A., & Zeinali, E. (2021). Evaluation of Rice Production Potential and Yield Gap in Iran Using the SSM-iCrop2 Model. Cereal Research, 11 (3), 175-191.
  33. Abidi, A., Zeinal, E., Solttani, A., & Gharanjik, A. (2018). Variation in efficiency of nitrogen, phosphorus and potassium in some crop and weeds of graminea family, Iranian Journal of FieldCrop Science, 51(4), 163-173. DOI: 10.22059/ijfcs.2020262408.654500
  34. Zeinali, E,. Soltani, A., Galeshi, S., & Movahedi Naeeni, S.A. (2013). Evaluating Nitrogen Nutrition Index of Wheat Fields in Gorgan', Journal of Plant Production Research, 19(4), 137-156
  35. Soltani, A., & Sinclair, T.R. (2012a). Identifying plant traits to increase chickpea yield in water-limited environments. Field Crops Research, 133, 186–196.
  36. Dong, W., Zhang, X., Wang, H., Dai, X., Sun, X., Qiu, W., & Yang, F.(2012). Effect of different fertilizer application on the soil fertility of paddy soils in red soil region of Southern China. Plos One, 7(9), e44504. doi:10.1371/journal.pone.0044504
  37. Seyyedi, S.M., Rezwani, P., Khaje Hosseini, M., & Shahande, H. (2014). Effects of sulfur, vermicompost+Thiobacilus bacteria on some chemical properties of calcareous soil and phosphorus use efficiency of black seed. Pant Ecophysiology Journal, 7, 205-220.
  38. Arvin, P. (2019). Study of Different Levels of Nitrogen, Phosphorus and Potassium on Physiological and Morphological Parameters and Essential Oils in Savory Plant (Satureja hortensis L.). Palnt researches Journal, 32(2) ,260-279.
  39. Feizi, H., & Moradi, R.(2019). Investigation of Management and Climatic Factors Affecting the Yield Gap Between Conventional and Ideal Saffron Cultivation in Razavi and South Khorasan Provinces. Saffron Research, 7 (2), 283-298.
  40. Mansouri Rad, A., Nakhzari Moghadam, A., Soltani, A., Rahimi KarizakiA. & Torabi, B. 2017. Identification of soybean yield limiting factors using comparative performance analysis (Case Study: Golestan Province - Kalaleh). Agricultural Improvement Journal, 19 (4), 1033-1046.
  41. Anagholi, A., Nikkhah, M., & (2024). Identification of yield-reducing factors using Comparative Performance Analysis (CPA) method in wheat fields (Case study: Abarkoh). Journal of Crop Science Research in Arid Regions, 6(1),17-31.
  42. Soltani, A., & Mirzaei, A. (2022). Analysis of Yield Potetial and Yield Gap in Plant Production Systems, Syrang Vocabulary Publication, 52p.
مجله تولید گیاهان زراعی
دوره 18، شماره 3
مهر 1404
صفحه 103-128

فایل ها

هم رسانی

ارجاع به این مقاله

آمار