ارزیابی مدل SWAP برای شبیه‌سازی عملکرد و بهره‌وری آب ذرت در مدیریت‌های مختلف آب و کود

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

2 استادیار، گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

3 استاد موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج

چکیده

هدف این پژوهش ارزیابی مدل SWAP در شبیه‌سازی عملکرد و بهره‌وری آب ذرت در شرایط مختلف مدیریت آب آبیاری و کود نیتروژن بود. بدین منظور، از داده‌های دو طرح تحقیقاتی مجزا، که در بخشی از مزارع پژوهشی موسسه تحقیقات اصلاح و تهیه نهال و بذر انجام شده بود، استفاده گردید. در آزمایش اول عوامل سطوح کودی در چهار سطح (N1: 100، N2: 80، N3:60 درصد نیاز کودی و N4: شاهد) و زمان تقسیط کود در دو روش (T1: سه تقسیط و T2: چهار تقسیط مساوی) و در آزمایش دوم مقدار آب آبیاری در چهار سطح (W1: 120، W2: 100، WI3: 80 و W4: 60 درصد نیاز آبی) و کود نیتروژن در چهار مقدار (N1: 100، N2: 80، N3:60 و N4: صفر درصد نیاز کودی) بررسی شدند. نتایج آماره‌ RMSE نشان داد که مدل SWAP برای شبیه‌سازی عملکرد و بهره‌وری آب در آزمایش اول به‌ترتیب دارای خطای کم (55/0 تُن در هکتار) و قابل قبول (25/0 کیلوگرم بر مترمکعب) و در آزمایش دوم به‌ترتیب دارای خطای کم (51/0 تُن در هکتار) و زیاد (47/0 کیلوگرم بر مترمکعب) بود. دقت این مدل گیاهی برای شبیه‌سازی عملکرد و بهره‌وری آب در آزمایش نخست به‌ترتیب در دسته‌های عالی (NRMSE≤0.1) و خوب (0.1<NRMSE≤0.2) و در آزمایش دوم به‌ترتیب در دسته‌های عالی (NRMSE≤0.1) و ضعیف (0.3<NRMSE) قرار داشت. افزایش تقسیط کود نیتروژن از T1 به T2، سبب کاهش خطای شبیه‌سازی عملکرد از 6/6 به 4/4 درصد و بهره‌وری آب از 6/6 به 0/4 درصد شد. خطای شبیه‌سازی عملکرد در تیمارهای N1 الی N4 به‌ترتیب 11/0، 12/0، 14/0 و 17/0 درصد و در تیمارهای W1 الی W4 به‌ترتیب 12/0، 18/0، 12/0 و 12/0 درصد بود. ولی روند مناسبی بین تغییرات خطای بهره‌وری آب در تیمارهای مختلف مشاهده نشد. براساس کلیه نتایج، استفاده از مدل SWAP برای شرایط وجود کود نیتروژن پیشنهاد می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of SWAP Model for Simulating Corn Yield and Water Productivity under Different Conditions of Irrigation Water and Nitrogen Fertilizer Management

نویسندگان [English]

  • Karim Neysi 1
  • Aslan Egdernezhad 2
  • Fariborz Abbasi 3
1 - M.Sc. Student of Irrigation and drainage, Department of Water Sciences and Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran.
2 Assistant professor, Department of Water Sciences and Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran.
3 Agricultural Engineering Research Institute, AERI
چکیده [English]

The purpose of this research was to evaluate the SWAP model in simulating the yield and water productivity of corn under different conditions of irrigation water and nitrogen fertilizer management. For this purpose, the data from two separate research projects were used. In the first research project, fertilizer in four levels (N1: 100, N2: 80, N3: 60 percent of fertilizer requirement and N4: control) and fertilizer splitting (T1: three and T2: four equal splitting) and in the second project, the factors of irrigation water amount in four levels (W1: 120, W2: 100, WI3: 80 and W4: 60% of water requirement) and nitrogen fertilizer in four amounts (N1: 100, N2: 80, N3: 60 and N4: zero percent of fertilizer requirement) were considered. The results showed that the SWAP model for simulating yield and water productivity in the first project provided low (0.55 ton.ha-1) and acceptable (0.25 kg.m-3) errors, respectively, and in the second project has low (0.51 ton.ha-1) and high (0.47 kg.m-3) error, respectively. The accuracy of this crop model for simulating the yield and water productivity in the first project was in the excellent (NRMSE≤0.1) and good (0.1<NRMSE≤0.2) categories, respectively, and in the second plan, in the excellent (NRMSE≤0.1) and poor (NRMSE<0.3) categories, respectively. Splitting of nitrogen fertilizer from T1 to T2 caused a decrease in yield simulation error from 6.6 to 4.4% and water productivity from 6.6 to 0.4%. The yield simulation error in treatments N1 to N4 were 0.11, 0.12, 0.14 and 0.17 percent, respectively and in treatments W1 to W4 were 0.12, 0.18, 0.12 and 0.12 percent, respectively. There was no proper trend between the changes of water productivity error in different treatments. Based on the results, application of the SWAP model is suggested for the presence of nitrogen fertilizer.

کلیدواژه‌ها [English]

  • Water Stress
  • Fertilizer Stress
  • Fertilizer Splitting
  • Crop Modeling
  • Carbon-driven Model
ابراهیمی‌پاک، ن. ع.، احمدی، م.، اگدرنژاد، ا. و خاشعی سیوکی، ع. 1397. ارزیابی مدل AquaCrop در شبیه‌سازی عملکرد زعفران تحت سناریوهای مختلف کم‌آبیاری و مصرف زئولیت. نشریه حفاظت منابع آب و خاک. 8 (1): 117-132.
ابراهیمی‌پاک، ن. ع.، اگدرنژاد، ا.، تافته، آ. و احمدی، م. 1398. ارزیابی مدل‌های WOFOST، AquaCrop و CropSyst در شبیه‌سازی عملکرد کلزا در منطقه قزوین. نشریه آبیاری و زهکشی ایران. 13(3-75): 715-726. 726-715.
احمدی، م.، قنبرپوری، م. و اگدرنژاد، ا. 1400. مقدار آب کاربردی گندم با استفاده از تحلیل حساسیت و ارزیابی مدلAquaCrop. نشریه مدیریت آب در کشاورزی. 8 (1): 15-30.
اسمعیلی، م.، داداشی، م.، فیض­بخش، م. ت.، کابوسی، م. و شیخ، ف. 1401. ارزیابی اثرات کم‌آبیاری بر عملکرد، اجزاء عملکرد، محتوای پرولین و بهره‌وری آب چهار رقم ذرت دانه‌ای در گرگان. مجله پژوهش آب در کشاورزی. 36 (3): 269-285.
اگدرنژاد، ا.، ابراهیمی‌پاک، ن. ع.، تافته، آ. و احمدی، م. 1397. برنامه‌ریزی آبیاری کلزا با استفاده از مدل AquaCrop در دشت قزوین. نشریه مدیریت آب در کشاورزی. 5 (2-10): 53-64.
انصاری, م. ع.، اگدرنژاد، ا. و ابراهیمی پاک، ن. ع. 1401. ارزیابی مدل SWAP در شبیه‌سازی عملکرد و کارایی مصرف آب سیب‌زمینی و تعیین عمق مناسب آب آبیاری. نشریه آبیاری و زهکشی ایران. 16 (5-95): 891-903.
بی­نام، 1401. مرکز ملی آمار ایران. دسترسی در https://www.amar.org.ir
پرچمی عراقی، ف.، سمیع­پور، ف. و صادقی لاری، ع. 1399. کاربرد توزیعی مدل SWAP برای مدل­سازی زراعی-هیدرولوژیکی زیرروزانه یک سیستم زراعی با زهکش زیرزمینی. آبیاری و زهکشی ایران. 14 (4-82): 1136-1121.
رحمانی، م.، خوشنواز، ص.، دریکوندی، ا. و برومندنسب، س. 1400. تاثیر تنش آبی واستفاده ازسطوح مختلف سوپرجاذب اکوازورب 3005 بر روی عملکرد و اجزای عملکرد گیاه ذرت در روش آبیاری قطره­ای. مجله علوم و مهندسی آبیاری. در دست انتشار.
سیاحی، ح.، اگدرنژاد، ا. و ابراهیمی پاک، ن. ع. 1399. مقایسه دو مدل AquaCrop و SWAP در شبیه‌سازی عملکرد و کارایی مصرف آب چغندرقند تحت دورهای مختلف آبیاری. نشریه آبیاری و زهکشی ایران. 14 (4-82): 1311-1321.
عباسی، ف. و چوگان، ر. 1390. بررسی اثرات کودآبیاری سطحی بر کارایی مصرف آب، عملکرد و اجزا عملکرد ذرت دانه‌ای در کرج. طرح پژوهشی. 44 صفحه.
عباسی، ف.، چوگان، ر. و غیبی، م. 1394. بررسی امکان کاهش تلفات نیتروژن در کودآبیاری جویچه‌ای ذرت دانه‌ای. طرح پژوهشی. 55 صفحه.
عباسی، ف.، چوگان، ر.، علیزاده، ح. ع. و لیاقت، ع. م. 1391. بررسی اثر کودآبیاری جویچه­ای بر کارایی مصرف کود و آب، عملکرد و برخی صفات ذرت دانه­ای. مجله تحقیقات آب و خاک ایران. 43 (4): 375-385.
کریمی، ش.، اگدرنژاد، ا. و نخجوانی مقدم، م. م. 1399. ارزیابی مدل SWAP برای شبیه‌سازی دو رقم زودرس و متوسط‌رس ذرت دانه‌ای در تراکم‌های مختلف کاشت تحت آبیاری بارانی. نشریه آبیاری و زهکشی ایران. 14(6-84): 1893-1907.
نیسی، ک.، اگدرنژاد، ا. و عباسی، ف. 1402. ارزیابی مدل AquaCrop برای شبیه‌سازی عملکرد ذرت و بهره‌‎وری آب تحت مدیریت مختلف کاربرد کود نیتروژن در کرج. نشریه مدل سازی و مدیریت آب و خاک. 3 (1): 26-41.
Banger, K., Wagner-Riddle, C., Grant, B. B., Smith, W. N., Drury, C. and Yang, J. 2020. Modifying fertilizer rate and application method reduces environmental nitrogen losses and increases corn yield in Ontario. Science of the Total Environment. 722: 137851.
Bonefante, A. and Bouma, J. 2015. The role of soil series in quantitative land evaluation when expressing effects of climate change and crop breeding on future land use. Geroderma. 250-260: 187-195.
Bonefante, A., Basile, A., Acutis, M., Mascellis, R. De., Manna, P., Perego, A. and Terribile, F. 2010. SWAP, CropSyst and MACRO comparison in two contrasting soils cropped with maize in northern Italy. Agricultural Water Management. 97 (7): 1051-1062.
FAO. 2022. FAO stat. available at https://www.fao.org/statistics/en/.
Geerts S., Raes D., Garcia, M., Miranda, R. and Cusicanqui, J. A. 2009. Simulating yield response to water of quinoa (Chenopodium quinoaWilld.) with FAO-AquaCrop. Agronomy. 101: 499-508.
Hassanli, M., Ebrahimian H., Mohammadi, E., Rahimi, A. and Shokouhi, A. 2016. Simulating maize yields when irrigating with saline water, using the AquaCrop, SALTMED, and SWAP models. Agricultural Water Management. 176: 91-99.
Jonubi, R., Rezaverdinejad, V. and Salemi, H. 2017. Enhancing field scale water productivity for several rice cultivars under limited water supply. Paddy and Water Environment. 16 (1): 125-141.
Lei, G., Zeng, W., Jiang, Y., Ao, Ch., Wu, J. and Huang, J. 2021. Sensitivity analysis of the SWAP (Soil-Water-Atmosphere-Plant) model under different nitrogen applications and root distributions in saline soils, Pedosphere, 31 (5): 807-821.
Ma, Y., Feng, Sh., Huo, Z. and Song, X. 2011. Application of the SWAP model to simulate the field water cycle under deficit irrigation in Beijing, China. Mathematical and Computer Modeling. 54 (3-4): 1044-1052.
Namihira, T, Shinzato, N., Akamine, H, Nakamura, I, Maekawa, H, Kawamoto, Y. and Matsui, T. 2011. The effect of nitrogen fertilization to the sward on guineagrass (Panicum maximum Jacq cv. Gatton) silage fermentation. Asian-Aust J. Anim. Sci. 24: 358-363.
Sadeghi, S. M., Noorhosseini, S. A. and Damalas, Ch. A. 2018. Environmental sustainability of corn (Zea mays L.) production on the basis of nitrogen fertilizer application: The case of Lahijan, Iran. Renewable and Sustainable Energy Reviews. 95: 48-55.
Van Dam, J. C., Huygen, J., Wesseling, J. G., Feddes, R. A., Kabat, P., van Walsum, P. E. V., Groenendijk, P. and van Diepen, C. A. 1997. Theory of SWAP Version 2.0, Report #71. Department of Water Resources, Wageningen Agricultural University, 167 pp.
Zeyliger, A. M., Ermolaeva, O. S., Muzylev, E. L., Startseva, Z. P. and Sukharev, Yu. I. 2019. Computer analysis of water stress regimes of an irrigated agrocoenosis using the SWAP model and ground and monitoring data. Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 16 (3): 33-43.
Zhao, Y., Mao, X. and Shukla, M. K. 2020. A modified SWAP model for soil water and heat dynamics and seed–maize growth under film mulching, Agricultural and Forest Meteorology, 108127: 292-293