تعیین توابع تولید عملکرد گندم و جو دیم در سطح استان گلستان با استفاده از (ARID) شاخص مرجع کشاورزی برای خشک سالی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

2 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

3 استاد دانشکده منابع طبیعی و محیط زیست و استاد مدعو گروه علوم و مهندسی آب دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

خشک‌سالی به عنوان پیامد اجتناب‌ناپذیر نوسانات آب وهوایی، یکی از عوامل مهم در کاهش تولید محصولات کشاورزی به ویژه در شرایط دیم می‌باشد. در این پژوهش از شاخص مرجع کشاورزی برای خشک‌سالی (ARID) در دو رهیافت شامل مدل‌های تک لایه و دولایه‌ی توازن آب خاک جهت مدل‌سازی توابع تولید گندم و جو دیم در سطح استان گلستان استفاده شده است. بدین منظور داده‌های هواشناسی روزانه برای 12 ایستگاه تبخیرسنجی و سینوپتیک موجود در سطح استان گلستان اخذ و مقدار شاخص ARID بر اساس دو رهیافت مورد نظر در دوره‌ی رشد محصولات گندم و جو محاسبه گردید. هم‌چنین آمار عملکرد گندم و جو در زراعت‌های دیم و آبی در سطح 8 شهرستان استان گلستان طی دوره‌ی متناظر جمع‌آوری و با آنالیز نقطه‌ی جهش مقادیر سری نسبت عملکرد (R) در هر شهرستان برآورد گردید. با انتخاب 6 دوره‌ی فنولوژیک رشد برای محصولات مورد بررسی، مقدار متوسط شاخص ARID در هر مرحله طی سال‌های مختلف محاسبه و با حل غیرخطی رابطه‌ی بین نسبت عملکرد و شاخص ARID، ضرایب حساسیت هر مرحله تعیین و مدل برآورد عملکرد مشخص گردید. در پایان با مقایسه‌ی مقادیر عملکردهای محاسبه شده و مشاهده شده بر اساس معیارهای آماری، توانایی شاخص ARID در دو رهیافت مورد بررسی ارزیابی گردید. بر اساس این مقایسه نتایج شاخص ARID در رهیافت مبتنی بر مدل دولایه‌ی توازن آب و خاک در شبیه‌سازی مقادیر عملکرد محصولات گندم و جو دیم از دقت بالاتری برخوردار بود. علاوه بر این دقت توابع تولید استخراج شده برای محصول جو نیز به مراتب بیش‌تر از گندم بوده است. بررسی ضرایب حساسیت تنش نسبی محصولات مورد ارزیابی نشان می‌دهد که به ازای محصولات گندم و جو دیم دوره ساقه‌رفتن حساس‌ترین مرحله نسبت به تنش آبی در تمامی ایستگاه‌ها به جز ایستگاه‌های واقع در شهرستان رامیان می‌باشد. اهمیت نسبی حساسیت مراحل رشد اولیه، خوشه رفتن و گلدهی نسبت به تنش آبی با توجه به نوع محصول در ایستگاه‌های مختلف، متفاوت بدست آمد. با این وجود کم‌ترین میزان حساسیت به ازای دوره‌های رویشی اولیه و رسیدگی بدست آمد.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of rainfed Wheat and Barley Yield Functions With the Agricultural Refrence Index for Drought (ARID) in Golestan Province

نویسندگان [English]

  • Mohamad Ghabaei Sough 1
  • Hamid Zare Abyaneh 2
  • Abolfazl Mosaedi 3
1 Ph.D. Candidate, Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
2 Associated Professor, Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
3 Professor, Faculty of Natural Resources and Environment and invited prof. of Dept of Water Eng., Ferdowsi University of Mashhad., Mashhad., Iran
چکیده [English]

Drought as an inevitable consequence of weather variables is one of the main causes in decline of agricultural yields spatially in rainfed condition. In this study the Agricultural Reference Index for Drought (ARID) including one layer and two layers of soil water balance approaches were used to estimate the yield functions of rainfed wheat and barley in Golestan province. For this purpose the daily metrological variables form 12 weather stations during hydrological years were obtained and then the values of ARID according two mentioned approaches in the growth period of wheat and barley were calculated. In addition to the values of wheat and barley yield production in irrigated (Yp) and rainfed (y) condition for eight city of Golestan province in corresponding time were gathered and by using change point analysis the time series of relative yield for each crop were estimated. By considering six phonological growth period for investigated crops, the average values of ARID droning different years were calculated and by nonlinear solving of relation between relative yield and ARID the sensitivity coefficients to water stresses for each periods and the function of crop yields were determined. Finally evaluated the ability of ARID in two approaches by compared the predicted and observed crop yields according to statist criteria. According to these the results of ARID based on two layer of water soil balance model have a better efficiency in estimating of wheat and barley yields. In addition the accuracy of barley yield function is more than wheat yield function. Investigation the sensitivity coefficients of given crops indicated that the most sensitive period for rainfed wheat and barley in all given stations expect of Ramian Town stations was stem elongation (stage 3) period and the order of sensitivity coefficients for period of initiation stage, booting stage and flowering to water stresses were different according to kind of crops and stations but the two less sensitive periods to water stress were obtained for initiation vegetative and ripping periods.

کلیدواژه‌ها [English]

  • Change points
  • Golestan province
  • Relative yield
  • Water stresses
اسدی،ح.، نیشابوری،م.ر. و سیادت،ح. 1382. ﺗﻌﻴﻴﻦ ﺿﺮﻳﺐ ﺣﺴﺎﺳﻴﺖ ﮔﻨﺪﻡ ﺑﻪ ﺗﻨﺶ ﺭﻃﻮﺑﺘﻲ ﺩﺭ ﻣﺮﺍﺣﻞ ﻣﺨﺘﻠﻒ ﺭﻭﻳﺶ ﺩﺭ ﻣﻨﻄﻘﺔ ﻛﺮﺝ. مجله علوم کشاورزی ایران. 24 .3: 579-586

علیزاده،ا و کمالی،غ. 1386. نیاز آبی گیاهان در ایران. نشر دانشگاه امام رضا (ع). مشهد

علیزاده،ا. 1386. اصول هیدرولوژی کاربردی. چاپ بیست و یکم، انتشارات آستان قدس رضوی، 807 ص

کیانی،ع.، میرلطیفی،م.، همایی،م و چراغی،ع. 1384. تعیین بهترین تابع تولید آب-شوری گندم در منطقه شمال گرگان. مجله تحقیقات مهندسی کشاورزی، 6. 25: 1-14

مساعدی،ا. 1384. بررسی تاثیر خشک­سالی و ترسالی بر عملکرد محصولات کشاورزی در استان گلستان. معاونت امور اقتصادی و برنامه­ریزی سازمان مدیریت و برنامه­ریزی استان گلستان. 177 ص

مساعدی،ا محمدی مقدم،س.، و قبایی سوق،م.1394. مدل‌سازی عملکرد گندم و جو دیم بر اساس شاخص‌های خشک‌سالی و متغیرهای هواشناسی. نشریه آب و خاک. 29 .3: 749-730

Allen,R.G., Pereira,L.S., Raes,D and Smith,M. 1998. Crop evapotranspiration. guidelines for computing crop water requirements. FAO Irrigation and Drainage, Paper no. 56. FAO, Rome

Doerffer,R and Schiller,H. 2008. Algorithm Theoretical Basis Document (ATBD). Available in PDF at https://earth.esa.int/documents/10174/1591138/ENVI30a.pdf

Doorenbos,J and Pruitt,W.O. 1977. Crop water requirements. Irrigation and drainage paper, 24, 144p

Ebrahimpour,M., Rahimi,J., Armin Nikkhah,A and Bazrafshan,J.  2014. Monitoring agricultural drought using the Standardized Effective Precipitation Index. Journal of Irrigation and Drainage Engineering. 141.1: 04014044

Eck,H.V. 1988. Winter wheat responses to nitrogen and irrigation. Agronomy Journal. 80: 902-908.

Gunst,L., Rego,F.M.C.C., Dias,S.M.A., Bifulco,C., Stagge,J.H., Rocha,M.S and Van Lanen,A.J. 2015. Links between metrological drought indices and yields (1979-2009) of the main European crops. DROUGHT-R&SPI (Fostering European Drought Research and Science-Policy Interfacing), Technical Report No. 36

Hlavinka,P., Trnka,M., Semer adova,D., Dubrovsky,M., Zalud,Z., Mozny,M. 2009. Effect of drought on yield variability of key crops in Czech Republic. Agricultural and Forest Meteorology. 149: 431–442

Jensen,M.E. 1968. Water consumption by agricultural plants. In: T. T. Kozlowski, ed. Water deficits and plant growth, Vol. II, pp. 1–22. Academic Press, New York, NY, USA

Jongrungklang,N., Toomsana,B., Vorasoota,N., Jogloya,S., Booteb,K.J., Hoogenboomc,G and Patanothaia,A. 2013. Drought tolerance mechanisms for yield responses to pre-flowering drought stress of peanut genotypes with different drought tolerant levels, Field Crops Research. 144: 34–42

Mishra,V and Cherkauer,K.A. 2010. Retrospective droughts in the crop growing season: Implications to corn and soybean yield in the Midwestern United States. Agricultural and Forest Meteorology. 150: 1030–1045

Moorhead,J.E., Gowda,P.H., Singh,V.P., Porter,D.O., Marek,T.H., Howell,T.A and Stewart,B.A. 2015. Identifying and evaluating a suitable index for agricultural drought monitoring in the Texas High Plains. Journal of the American Water Resources Association. 1-14

Moriasi,D.N., Arnold,J.G., Van Liew,M.W., Binger,R.L., Harmel,R.D and Veith,T. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the American Society of Agricultural and Biological Engineers. 50.3: 885-900.

Nix,H.A and Fitzpatrick,E.A. 1969. An index of crop water stress related to wheat and grain sorghum yields. Agricultural Meteorology. 6.5: 321-337

Potopová,V., Boroneant,C., Boincean,B and Soukup,J. 2015. Impact of agricultural drought on main crop yields in the Republic of Moldova. International Journal of Climatology. 36.4: 2063-2082

Rossi,S and Niemeyer,S. 2010. Monitoring droughts and impacts on the agricultural production: Examples from Spain. In: Economics of drought and drought preparedness in a climate change context. Zaragoza: 35-40

Salter,P.J and Goode,J.E. 1967. Crop responses to water at different stages of growth. Common wealth Agricultural Bureau, Farnham Royal, Buckinghamshire.

Singh,S.D. 1981. Moisture-sensitive growth stages of dwarf wheat and optimal sequencing of evapotranspiration deficits. Agronomy Journal. 73.3: 387-391.

Sivakumar,M.V.K., Motha,R.P., Wilhite,D.A and Wood,D.A. 2011. Agricultural drought indices. Proceedings of the WMO/UNISDR Expert Group Meeting on Agricultural Drought Indices, 2-4 June, Murcia, Spain. 197 pp.

Taylor,W. 2000. Change-Point Analyzer 2.0 shareware program, Taylor Enterprises, Libertyville, Illinois. Web: http://www.variation.com/cpa

Van der Loo,M.P. 2010. Distribution based outlier detection for univariate data. Statistics Netherlands, 10003

Vangelis,H., Tigkas,D., Tsakiris,G. 2013. The effect of PET method on Reconnaissance Drought Index (RDI) calculation. Journal of Arid Environments. 88: 130-140

Woli,P., Jones,J.W., Ingram,K.T and Fraisse,C.W. 2012(a). Agricultural Reference Index for Drought (ARID). Agronomy Journal. 104 .2: 287–300

Woli,P., Jones,J.W and Ingram,K.T. 2012(b). Assessing the Agricultural Reference Index for Drought (ARID) using uncertainty and sensitivity analyses. Agronomy Journal, 105.1: 150–160

Woli,P., Jones,J.W., Ingram,K.T and Paz,J.O. 2013. Forecasting drought using the Agricultural Reference Index for Drought (ARID): a case study. Weather Forecasting. 28.2: 427–443.