Effect of Planting Dates on Autumn Wheat Yield under Climate Change condition

Document Type : Original Article

Authors

1 1 MSC Student, Department of Water Science and Engineering, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin, Iran.

2 Dept. of Water Sciences and Engineering, Imam Khomeini International University

3 2 Assoc. Professor, Water Science and Engineering Department, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin, Iran.

Abstract

Agricultural production vulnerable to damage due to climate changes. Effect of these changes on the annual rainfull, temperature and consequently in agricultural production isn't negligible. It is necessary to estimate climate change in the future and management plantation and irrigation in agriculture in line with it. In this study, the effects of climate change and plantation on different dates, Yield, cultivation period autumn wheat types in Qazvin plain were studied. This study was conducted in the period 2021-2100 by comparing the two information sources LARS-WG and DKRZ in the production of annual climate change data and using the AquaCrop model in simulating the plant's response to the mentioned changes. In the periods 2021-2040, 2041-2060, 2061-2080 and 2081-2100, the most suitable dates were studied to increase the wheat yield and reduce other variables. Accoding to the results obtainded from the climate conditions LARs-WG model and DKRZ database under release scenarios 4.5 and 8.5 in each 4 future period the average yield will increase compared to the base period. The highest performance in all these periods and models is for period 2081-20100 under climate conditions DKRZ database in scenario 8/5, in the event that the planting date is Novmber 6 , it is prediction that its amount is equal to 11.71 tons per hectare with standard deviation of 0.64 tons per hectare. The lowest performance is also for the period of 2041-2060 under climate condition DKRZ database in scenario 8.5, in the event that the planting data was October 7, It is reported that its amount is equal to 1.34 tons per hectare with standard deviation of 1.15. In the periods of 2021-2040, 2041-2060and 2061-2080 of February 4 and in the period 2081-2100 of October 23 is recommended as the most appropriate date in these periods.

Keywords

References

جناب، م.، نظری، ب. 1397. برآورد تفاوت عملکرد و بهره وری آب گندم بین وضعیت موجود و مطلوب در استان قزوین با استفاده از پروتکل GYGA.  پژوهش آب در کشاورزی (علوم خاک و آب) 32.
دریجانی، ع.، حسینی، س، ص.، قربانی، م. 1397. براورد ارزش خسارت ناشی از خشکسالی بر تولید گندم دیم در استان گلستان. اقتصاد کشاورزی و توسعه 16 (64). موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی: 83–95.
سلیمانی نژاد، س.، دوراندیش، آ.، صبوحی، م .، بنایان اول، م. 2019. اثرات تغییر اقلیم بر الگوی کشت محصولات زراعی (مورد مطالعه: دشت مشهد). تحقیقات اقتصاد و توسعه کشاورزی ایران: 249–63. doi:10.22059/ijaedr.2019.237998.668461.
حاجیوند پایداری، س.، یزدان پناه، ح.، اندرزیان، ب. 1401. بررسی اثرات منطقه­ای پدیده تغییر اقلیم در شمال استان خوزستان با بهره­گیری از مدل HadCM3 تحت ریز مقیاس نمای LARS-WG در دوره آماری 2030-2010  و 2050-2030. جغرافیا و روابط انسانی. Doi: 10.22034/GAHR.20220330821.1669.
حشمتی، س.، رمضانی اعتدالی، ه.، 1400. پیش­بینی وضعیت خشکسالی در دوره­های اتی با استفاده از مدل LARS-WG (مطالعه موردی استان کرمانشاه). آمایش سرزمین. Doi: 10.22059/jtcp.2021.332432.670263
عباسی، ف.، احترامیان،ک.، خزانه داری، ل.، محمد نیا قرایی، س.، اثمری، م. 1392. مکان‌یابی مناسب‌ترین مناطق کشت گندم دیم(مطالعه موردی: استان خراسان شمالی). پژوهش های اقلیم شناسی 1392 (13).
عزیزی، ز. ع.، شهابی فر، م، پاک نیاز، ع.، رضوی، ر.، غالبی، س.، پیری، ر.، طلوعی، ر.، تبریزی، س. 1393. ارزیابی کارایی مصرف آب گندم در ایران و جهان.
عظیمی دزفولی، س.ع. ا. 1399. برآورد مصرف آب در محصولات زراعی- درآمدی بر حسابداری آب کشاورزی. مجله  آب و توسعه پایدار 6 (3). موسسه پژوهش های برنامه ریزی اقتصادکشاورزی و توسعه روستایی: 31–40. doi:10.22067/jwsd.v6i3.84407.
علیزاده، ح. ع.، نظری،ب.، پارسی نژاد، م.، رمضانی اعتدالی، ه. 1389. ارزیابی مدل Aqua Crop در مدیریت کم آبیاری گندم در منطقه کرج. سومین همایش ملی مدیریت شبکه های آبیاری و زهکشی. اهواز.
علیجانی، ف.،  کرباسی، ع.، مظفری مسنن، م. 1397. بررسی اثر درجه حرارت و بارندگی بر عملکرد گندم آبی ایران.  اقتصاد کشاورزی و توسعه 19 (76). موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی. 143–67.
فکاری سردهایی، ب .، شاه نوشی فروشانی،  ن .، محمدی، ح. 1399. آینده پژوهی گندم ایران.  اقتصاد کشاورزی 14 (1): 27–49.
قاسمی مهام، س.، ترابی، ب.، دادرسی، ا.، 1397. مدلسازی رشد و عملکرد گندم پاییزه در استان همدان. مجله علمی پژوهشی اکوفیزیولوژی گیاهی. 33: 186-199.
قالیباف، م. ب .، پیشگاهی فرد، ز.، افضلی، ر.، حسینی، س. م . 2016. تحلیلی ژئوپلیتیکی بر محصول‌های راهبردی کشاورزی ایران (مطالعۀ موردی: گندم). پژوهشهای جغرافیای انسانی 48 (1).. doi:10.22059/jhgr.2016.51495
کوچکی، ع.، ک، غ. 1389. تغییر اقلیم و تولید گندم دیم در ایران. پژوهش­های زراعی ایران 8 (3): 508-520.
محمدی، م.، داوری،ک.،  قهرمان، ب .، انصاری، ح.، حق وردی، ا . 2015. واسنجی و صحت سنجی مدل AquaCrop برای شبیه سازی عملکرد گندم بهاره تحت تنش همزمان شوری و خشکی. پژوهش آب در کشاورزی 29 (3): 277–95.
Akumaga, U., Tarhule, A., Yusuf, A. 2017. Validation and testing of the FAO AquaCrop model under different levels of nitrogen fertilizer on rainfed maize in Nigeria, West Africa.  DOI: 10.1016/j.agrformet.2016.08.011.
Behera, S. K., and R, K. Panda. 2009. Integrated Management of Irrigation Water and Fertilizers for Wheat Crop Using Field Experiments and Simulation Modeling. Agricultural Water Management 96 (11): 1532–40. doi:https://doi.org/10.1016/j.agwat.2009.06.016.
FAO. 2012a. Coping With Water Scarcity - An Action Framework For Agriculture And Food Security. FAO Water Reports 38.
Hochman, Zvi, David Gobbett, Dean Holzworth, Tim McClelland, Harm van Rees, Oswald Marinoni, Javier Navarro Garcia, and Heidi Horan. 2013. “Reprint of Quantifying Yield Gaps in Rainfed Cropping Systems: A Case Study of Wheat in Australia.” Field Crops Research 143. Elsevier: 65–75.
Kumar, P, A Sarangi, D K Singh, and S S Parihar. 2014. “Evaluation of AquaCrop Model in Predicting Wheat Yield and Water Productivity under Irrigated Saline Regimes.” Irrigation and Drainage 63 (4). Wiley Online Library: 474–87.
Salemi, H., Mohd Soom, M.A., Lee, T.S., and Mousavi, S.F., Ganji, A., And, and M. KamilYusoff. 2011a. Application of AquaCrop Model in Deficit Irrigation Management of Winter Wheat in Arid Region. African Journal of Agricultural Research 610: 2204–15.
Semonov, M. A., Stratonovith, P., (2010). Use of multi- model ensembles from global models for assessment of climate change impacts. J. Climate Research. Vol. 41.2010.p.1-14.
Semenov, M. A., (2008). Simulation of Extreme Weather Events by a Stochastic Weather Generator. Climate Research 35 (3): 203–12.
Steduto, Pasquale, Theodore C Hsiao, Dirk Raes, and Elias Fereres. 2009. “AquaCrop—The FAO Crop Model to Simulate Yield Response to Water: I. Concepts and Underlying Principles.” Agronomy Journal 101 (3). Wiley Online Library: 426–37.
Raes, D., Steduto, P., Hsiao, T.C., and Fereres, E. 2009. AquaCrop-the FAO Crop Model for Predicting Yield Response to Water: II. Main Algorithms and Software Description. Agronomy Journal 101: 438–47.
Ranjbar, A., Rahimikhoob, A., Ebrahimian, H. 2019. Assesment of the AquaCrop model for simulating maize response to different Nitrogen stresses under semi-arid climate. DOI: 10.1080/00103624.2019.1689254
Van-Ittersum, M, K., cassman, K.G., Grassini, P., Wolf, J., Tittonell, P., Hochman, Z., 2013. Yield gap analysis with local to global relrvance- A review. Journal Elsevier .143(2013)4-17.
Williams, A G. 1991. Modeling Future Climates: From GCMs to Statistical Downscaling Approaches. University of Toronto at Scarborough, 56p
Iranian Journal of Irrigation & Drainage
Volume 17, Issue 5 - Serial Number 101
January and February 2024
Pages 979-995

Files

Share

How to cite

Statistics