آنالیز حساسیت موضعی مدل AquaCrop برای دو محصول گندم و ذرت در دو منطقه دشت قزوین و پارس‌آباد مغان.

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه بین المللی امام خمینی (ره)

2 استادیار گروه علوم و مهندسی آب دانشگاه بین المللی امام خمینی (ره)

3 گروه مهندسی آب دانشگاه بین المللی امام خمینی(ره)

4 استادیار گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی (ره)، قزوین،

5 پژوهشگر مرکز علوم گیاهی، دانشگاه کوئینزلند، استرالیا

چکیده

استفاده از مدل‌های گیاهی برای اهداف مختلف مانند پیش‌بینی عملکرد، تعیین نیاز آبی، بررسی های اثر تغییر اقلیم، خشکسالی و مدیریت‌های مختلف آبیاری و زراعی ضروری است. این مدل‌ها ابزار ارزشمندی برای تحلیل کمی رشد گیاه و تولید محصول هستند. یکی از چالش‌ها در برابر کاربرد این مدل‌ها، تعدد پارامترهای ورودی آنهاست. اندازه گیری این پارامتر‌ها هزینه‌بر، زمان‌بر و گاه با توجه به محدودیت‌های مختلف غیرممکن است و معمولاً از طریق واسنجی و حل معکوس تخمین زده می‌شوند. تحلیل حساسیت فرآیندی است که اثر پارامتر‌‌های ورودی بر متغیر‌های خروجی مدل‌های ریاضی را بررسی می‌کند. در هنگام واسنجی، پارامترهای حساس باید با دقت بالاتری اندازه‌گیری یا برآورد شوند. اعمال روش‌های مبتنی بر اجراهای زیاد بر مدل‌های متن‌بسته (Closed Source) به آسانی مدل‌های متن‌باز (Open Source) نمی‌باشد. در این تحقیق، اثر 47 پارامتر گیاهی (نام پارامترها در جداول 1 و 2 آمده است) مدلِ متن‌بسته‌ی AquaCrop بر 5 متغیر خروجی مدل شامل تبخیر از سطح خاک، تعرق، تبخیروتعرق، زیست‌توده و عملکرد دانه برای دو محصول گندم و ذرت در مناطق دشت قزوین و پارس‌آباد مغان مورد مطالعه قرار گرفت و با استفاده از شاخص کارایی مدل نش-ساتکلیف نسبی، درجه حساسیت این پارامتر‌ها مشخص گردید. پارامتر‌‌های درجه روز رشد افزایش پوشش تاج (X45)، درجه روز رشد بذرافشانی تا بلوغ (X42)، درجه روز رشد بذرافشانی تا آغاز پیری (X41) و بیشترین پوشش تاج در نسبت پوشش خاک (X30) بطور مشترک در هر دو محصول بیشترین حساسیت را از خود نشان دادند. بنابراین تعیین دقیق دوره‌های مختلف رشد گیاه برحسب روز و یا درجه روز رشد که اتفاقاً اندازه‌گیری آن‌ها آسان‌تر از سایر پارامترها می‌باشد از اهمیت بیشتری برخوردار هستند. برای هر 5 خروجی گندم و ذرت منطقه‌ی قزوین، حدود نیمی از پارامتر‌های ورودی بدون تأثیرند و در هنگام واسنجی از اهمیت ناچیزی برخوردار می‌باشند. با اینکه روش تحلیل حساسیت موضعی (Local Sensitivity Analysis) پیچیدگی‌های محاسباتی و مفهومی روش‌های تحلیل حساسیت کلی (Global Sensitivity Analysis) را ندارد، نتایج نشان داد که این روش می‌تواند به نتایج مشابه با مطالعاتی که از روش‌های تحلیل حساسیت کلی استفاده کرده‌اند منجر گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Local sensitivity analysis of AquaCrop model for wheat and maize in Qazvin Plain and Moghan Pars-Abad in Iran.

نویسندگان [English]

  • Vahid Adabi 1
  • Asghar Azizian 2
  • Hadi Ramezani Etedali 3
  • Abbas Kaviani 4
  • Behnam Ababaei 5
1 MSc Student, Department of Water Sciences and Engineering, Imam Khomeini International University
2 Assistant professor, Department of Water Sciences and Engineering, Imam Khomeini International University
3 Dept. of Water Sciences and Engineering, Imam Khomeini International University
4 Assistant professor, Department of Water Sciences and Engineering, Imam Khomeini International University
5 The Centre for Crop Science, The Queensland Alliance for Agriculture and Food Innovation (QAAFI), The University of Queensland, Australia
چکیده [English]

Application of crop models is essential for numerous purposes including prediction of crop yield and water requirement, evaluation of the impact of climate change, drought and irrigation and agronomic management on crop growth and development. One challenge with the application of these models is the large number of input parameters. Measurement of input parameters can be time-consuming, costly and sometimes practically impossible and they are usually estimated using calibration and inverse modelling. Sensitivity Analysis is a procedure during which the impact of input parameters on target output variables is investigated. During model calibration, sensitive parameters must be measured or estimated with higher accuracy. Analysis of the sensitivity of closed-source models is not as straightforward as it is with open- source models. In this research, the impact of 47 crop parameters on five output variables of AquaCrop, a closed-source crop model, namely soil evaporation, crop transpiration, evapotranspiration, biomass at harvest and grain yield, were studied for wheat and maize in Qazvin Plain and Moghan Pars-Abad in Iran. The sensitivity of the selected parameters was evaluated with the relative Nash–Sutcliffe Efficiency Index. Increase in canopy cover, degree-days from sowing to maturity, degree-days from sowing to start of senescence and maximum canopy cover in fraction of soil cover were identified as sensitive parameters for both crops. Therefore, accurate determination of crop growth stages, in calendar days or degree-days, which are easier to measure than most of the other parameters, is of greater importance. In Qazvin and for all output variables, around half of the selected parameters were ineffective and considered unimportant during calibration. Despite that the methods of local SA are computationally and conceptually simpler than the methods of global SA, the results showed that this method could lead to similar outcomes to previous studies in which global methods were used.

کلیدواژه‌ها [English]

  • AquaCrop
  • Sensitivity Analysis
  • Local Sensitivity
  • Grain Yield
  • Biomass
حسن­لی، م.، افراسیاب، پ.، ابراهیمیان، ح. . 1394. ارزیابی مدل های  AquaCropو SALTMED در تخمین عملکرد محصول ذرت و شوری خاک. مجله تحقیقات آب و خاک ایران. دوره 46. ص 487-498.
رمضانی‌اعتدالی، ه.، لیاقت، ع.م.، پارسی‌نژاد، م.، توکلی، ع. 1395. واسنجی و اعتبارسنجی مدل AquaCrop در مدیریت آبیاری غلات مهم. مجله آبیاری و زهکشی ایران، مجله آبیاری و زهکشی ایران. 10(3): 389-397.
شکوهی، ع. عزیزیان، ا. جماعت، ر و سینگ، و 1396. تحلیل حساسیت مدل متنی بر موج سینماتیک نسبت به روش­های مختلف برآورد نفوذ و ضرایب زبری. نشریه علمی-پژوهشی مهندسی و مدیریت آبخیز، ج9، ش3، ص275-262.
ضیایی، غ. بابازاده، ح. عباسی، ف و فریدون، ک. 1393. بررسی عملکرد مدل­های AquaCrop و CERES-Maize در برآورد اجزای بیلان آب خاک و عملکرد ذرت. تحقیقات آب و خاک ایران، دوره­ی 45، ش 4، ص 445-435.
فتح آبادی، ا. روحانی، ح و سیدیان، س. 1396. تعیین اهمیت نسبی پارامترهای دو مدل هیدرولوژیکی یکپارچه با استفاده از روشهای موریس، سوبول و شاخص آنتروپی. نشریه پژوهش­های حفاظت آب و خاک، جلد بیست و چهارم، ش 2، ص 21-1.
کوثری، م. صارمی نایینی، م. تازه، م و رحیم فروزه، م. 1389. آنالیز حساسیت چهار رابطه برآورد زمان تمرکز در حوزه های آبخیز. فصلنامه علمی-پژوهشی خشک بوم ، سال اول، ش 1 ، ص 67-55.
غیاث، م. 1393. مقدمه­ای بر روش شبیه­سازی مونت­کارلو. فصلنامه­ی علمی–ترویجی بسپارش، سال چهارم، ش ، ص 77-67.
 
Gholami, A. R. and Pirmoradiyan, N. 2011. Calibration of a simple model (VSM) for yield prediction of corn under different water and nitrogen managements.Journal of Water and Soil, 25(2), 258-265. (In Farsi)
Holzworth D, Huth NI, Fainges J, Brown H, Zurcher E, Cichota R, et al. 2018. APSIM Next Generation: Overcoming challenges in modernising a farming systems model. Environmental Modelling and Software. 103:43–51.
Hui-min X., Xin-gang X. U., Zhen-hai L. I., Yi-jin C., Hai-kuan, F. and Gui-jun Y. 2017. Global sensitivity analysis of the AquaCrop model for winter wheat under different water treatments based on the extended Fourier amplitude sensitivity test. J. Integr. Agric., vol. 16, no. 11, pp: 2444–2458.
Jin X., Li Z., Nie C., Xu X., Feng H., and Guo W. 2018. Field Crops Research Parameter sensitivity analysis of the AquaCrop model based on extended fourier amplitude sensitivity under di ff erent agro-meteorological conditions and application. F. Crop. Res., vol. 226, no. July, pp: 1–15.
Jones J., Hoogenboom G, Porter C., Boote K., Batchelor W., Hunt L., et al. 2003. The DSSAT cropping system model. European Journal of Agronomy. 18(3–4):235–65.
Raes D, Steduto P, Hsiao TC, Fereres E. 2009. Aquacrop-The FAO crop model to simulate yield response to water: II. main algorithms and software description. Agronomy Journal. 101(3):438–47.
Stöckle CO, Donatelli M, Nelson R. 2003. CropSyst, a cropping systems simulation model. In: European Journal of Agronomy. pp: 289–307.
Steduto P., Hsiao T.C., Raes D., Fereres E. 2009. AquaCrop-the FAO crop model to simulate yield response to water. I. Concepts. Agron. J. 101, 426–437.
Vanuytrecht E.,et al., 2014. AquaCrop: FAO’s crop water productivity and yield response model. Environ. Model. Softw., vol. 62, pp: 351–360.
Vanuytrecht E., Raes D., and Willems P. 2014. Environmental Modelling & Software Global sensitivity analysis of yield output from the water productivity model. Environ. Model. Softw., vol. 51, pp: 323–332.
Wang, J., Li, X., Lu, L. & Fang, F. 2013. Environmental Modelling & Software Parameter sensitivity analysis of crop growth models based on the extended Fourier Amplitude Sensitivity Test method. Environ. Model. Softw. 48, 171–182.