@article { author = {Sarkohaki, Afshin and Egdernezhad, Aslan and Minaei, Sohrab}, title = {Sensitivity Analysis of AquaCrop Model to Changes in Growth Parameters of Corn under Salinity Stress in Different Irrigation Method}, journal = {Iranian Journal of Irrigation & Drainage}, volume = {16}, number = {4}, pages = {727-738}, year = {2022}, publisher = {Iranian Irrigation and Drainage Association}, issn = {2008-7942}, eissn = {2676-6884}, doi = {}, abstract = {Sensitivity analysis is the most important step before calibrating crop models. It helps researchers to have enough information about the effectiveness of each parameter, and changes them during calibration stage. This issue is more important due to the increasing use of AquaCrop model for crop simulation. Therefore, in the study, the sensitivity of AquaCrop to change some crop growth parameters; normalized water productivity (WP *), maximum transpiration coefficient (KCTrx), initial canopy cover (CC0), canopy growth coefficient (CGC), canopy decline coefficient (CDC) and harvest index (HI) were assessed using Beven (1979) method. For this purpose, the data collected in a research farm in Ahvaz during 2014 were used. The studied treatments include irrigation method (D: sprinkler irrigation using saline water, F: sprinkler irrigation using both saline and fresh water and S: furrow irrigation using saline water) with five irrigation water qualities (S1: 2.5, S2: 2.3, S3 : 3.9, S4: 4.6 and S5: 1.5 dS m-1). The results showed that the highest sensitivity was to changes in normalized water productivity (0.95≤Spi≤1.04) and maximum transpiration coefficient (0.95≤Spi≤0.67). After that, the sensitivity of harvest index (0.51≤Spi≤0.56) was in the middle category. The range of yield changes in different values of normalized water productivity, maximum transpiration coefficient, harvest index and canopy decline coefficient were 1.3-3.3, 0.8-1.6, 0.6-1.16 and 0.32-0.64 ton ha-1, respectively. Sensitivity coefficients were positive for all parameters except CDC. Therefore, by increasing the CDC, AquaCrop suffers from underestimation error and by increasing the value of other parameters; the model suffers from overestimation error. Therefore, in situations where the difference between observed and simulated yield is large, it is better to consider the parameters of normalized water productivity and maximum transpiration coefficient. Otherwise, the parameters of harvest index and canopy decline coefficient should be considered.}, keywords = {Normalized Water Productivity,Beven Method,Simulation,Crop model}, title_fa = {تحلیل حساسیت مدل AquaCrop نسبت به تغییرات پارامترهای رشد گیاه ذرت تحت تنش شوری در روش های مختلف آبیاری}, abstract_fa = {تحلیل حساسیت مهم‌ترین مرحله قبل از واسنجی هر مدل گیاهی است.این عمل به محققان کمک می‌کند تا اطلاعات کافی در خصوص اثرگذاری هر پارامتر و میزان تغییرات آن در مرحله واسنجی داشته باشند.این موضوع با توجه به روند رو به افزایش کاربرد مدل AquaCrop برای شبیه‌سازی گیاهان زراعی از اهمیت بیشتری برخوردار است.به همین دلیل در تحقیق حاضر میزان حساسیت این مدل گیاهی نسبت به تغییرات پارامترهای رشد گیاهی بهره‌وری آب نرمال شده (WP*)، حداکثر ضریب تعرق گیاهی (KCTrx)، ضریب پوشش گیاهی اولیه (CC0)، ضریب رشد پوشش (CGC)، ضریب کاهش پوشش (CDC) و شاخص برداشت (HI) با استفاده از روش Beven (1979) ارزیابی شد.بدین منظور از داده‌های برداشت شده در یک مزرعه تحقیقاتی در شهرستان اهواز در سال 1393 استفاده شد. تیمارهای مورد مطالعه شامل روش آبیاری (D: آبیاری بارانی با آب شور و F: آبیاری بارانی با کاربرد آب شور و شیرین و S: آبیاری جویچه‌ای) با پنج کیفیت آب آبیاری (S1: 5/2، S2: 2/3، S3: 9/3، S4: 6/4 و S5: 1/5 دسی‌زیمنس بر متر) بود.نتایج نشان داد که بیشترین حساسیت نسبت به تغییرات بهره‌وری آب نرمال شده (0.95≤Spi≤1.04) و ضریب گیاهی برای تعرق (0.95≤Spi≤0.67) بود.پس از آن، حساسیت شاخص برداشت (0.51≤Spi≤0.56) در دسته متوسط قرار داشت. میزان تغییرات عملکرد در مقادیر مختلف بهره‌وری آب نرمال شده، ضریب گیاهی برای تعرق، شاخص برداشت و ضریب کاهش پوشش به ترتیب 3/3-7/1، 6/1-8/0، 16/1-6/0 و 64/0-32/0 تن در هکتار بود. ضرایب حساسیت برای همه پارامترها به جز CDC مثبت بود.بنابراین با افزایش مقدار CDC مدل AquaCrop دچار خطای کم‌برآوردی و با افزایش مقدار سایر پارامترها این مدل دچار خطای بیش‌برآوردی می‌شود.بنابراین، در شرایطی که اختلاف عملکرد واقعی و شبیه‌سازی شده زیاد است،بهتر است پارامترهای بهره‌وری آب نرمال شده و ضریب گیاهی برای تعرق مورد توجه قرار گیرند.در غیر این صورت، پارمترهای شاخص برداشت و ضریب کاهش پوشش مد نظر قرار گیرند.}, keywords_fa = {بهره‌وری آب نرمال شده,روش Beven,شبیه سازی,مدل گیاهی}, url = {https://idj.iaid.ir/article_155367.html}, eprint = {https://idj.iaid.ir/article_155367_66e37bbf69758a438b8f9a2bc1869833.pdf} }