نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دوره دکتری آبیاری و زهکشی دانشگاه صنعتی اصفهان، ایران

2 استاد گروه مهندسی آب دانشگاه صنعتی اصفهان، ایران

3 استادیار گروه مهندسی آب دانشگاه گیلان، ایران

4 دانشیار گروه مهندسی آب دانشگاه صنعتی اصفهان، ایران

چکیده

مدل­های زیادی در پیش­بینی عملکرد گیاهان زراعی وجود دارد یکی از مدل­ها، مدل SWAP است که قادر است عملکرد گیاهان زراعی را با دقت بالایی شبیه سازی کند؛ هر چند که تاکنون در زمینه پیش­بینی عملکرد محصولات کشاورزی در مقیاس منطقه­ای با استفاده از مدل SWAP مطالعات کافی انجام نشده است. تحقیق حاضر به منظور ارزیابی  مدل SWAP در پیش­بینی عملکرد گندم و جو و حد آستانه مقامت به شوری این دو گیاه در منطقه گرمسار انجام شد. ابتدا مدل نسبت به ویژگی­های گیاهی گندم و جو و با استفاده از عملکرد پتانسیل برای منطقه مورد مطالعه واسنجی شد. جهت ارزیابی نتایج حاصل از مدل SWAP در پیش بینی عملکرد گیاهان گندم و جو شاخص­های آماری نظیر ضریب تعیین (R2) و ریشه میانگین مربعات خطا (RMSE) تعیین و مورد استفاده قرار گرفت. ضریب تعیین عملکرد شبیه سازی شده نسبت به عملکرد واقعی برای گندم و جو به ترتیب 9/0 و 86/0 به دست آمد که از لحاظ آماری در سطح یک درصد (05/0 > p) معنی­دار بود. میزان خطا برای گندم و جو به ترتیب 59/1 و 97/0 تن بر هکتار به دست آمد. آستانه شوری 8/5 و 97/3 دسی زیمنس بر متر به ترتیب برای گندم و جو به دست آمد. به طور کلی نتایج نشان داد که مدل  SWAP   قادر به شبیه­سازی عملکرد گندم و جو با دقت بالایی برای منطقه گرمسار می­باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Yield simulation and salt tolerance determination of wheat and barley using SWAP model: A case study in Garmsar region

نویسندگان [English]

  • F Kamyab Talesh 1
  • B Mostafazadeh Fard 2
  • M Vazifedoust 3
  • M Navabian 3
  • Shayannejad M 4

1

2

3

4

  1. Aldaya, M.M., Allan, J.A., and Hoekstr, A.Y. 2010. Strategic importance of green water in international crop trade. Ecological Economics, 69: 887–894.
  2. Bastiaansen, W.G.M., Allen, R.G., Droogers, P., and D'urso, G. 2007. Twenty-five years modeling irrigated and drained soils: State of the Art. Agricultural Water Management, 92(3):111-125.
  3. Belmans, C., Wesseling, J.G., and Feddes, R.A. 1983. Simulation of the water balance of a cropped soil: SWATRE. Journal of Hydrology, 63: 271-286.
    1. Chaali, N., Comegna, A., Dragonetti, G., Todorovic, M., Albrizio, R., Hijazeen, D., Lamaddalena, N., and Coppola, A. 2013. Monitoring and modeling root-uptake salinity reduction factors of a omato crop under non-uniform soil salinity distribution. Procedia Environmental Sciences, 19: 643 – 653
    2. Droogers, P., Akbari, M., Torabi, M., and Pazira, E. 2000. Exploring Field Scale Salinity Using Simulation Modeling, Exaple For Rudasht Area, Esfahan Province, Iran. IAERI-IWMI Research Report 2.
    3. Droogers, P., Bastiaanssen, W.G.M., Beyazgul, M., Kayam, Y., Kite G.W., and Murray-Rust, H. 2000. Distributed agro-hydrological modeling of an irrigation system in western Turkey. Agricultural Water Management, 43: 183-202.
    4. Feddes, R.A., Kowalik, P.J., and Zarandy, H., 1978. Simulation of field water use and crop yield. In: Simulation Monographs, Pudoc, Wageningen, The Netherlands.
    5. Francois, L.E., Maas, E.V., Donovan, T.J., and Youngs, V.L. 1986. Effect of salinity  on  grain  yield  and  quality,  vegetative  growth,  and germination   of   semi-dwarf   and durum wheat. Agronomy Journal, 78:1053–1058.
    6. Kabat, P., Van den,  B.J., and Feddes, R.A.  1992. SWACROP: A water management and crop production simulation model. ICID Bulletin 92, 41(2): 61-84.
    7. Khani-Ghariye-Gapi, M., Davari, K., Alizadeh, A., Hashemi-Niya, M., and Zolfagharan A. 2007. Evaluation of SWAP model in  estimation of sugar beet  under difference qualities and quantities of irrigation. Journal of irrigation and drainage. 1(2): 107-117.
    8. Maas, E.V., and Hoffman, G.J. 1977. Crop salt tolerance-current assessment. Irrigation and Drainage Division, 103(2): 115–134.
      1. Minhas, P.S. 1996. Saline water management for irrigation in India. Agricultural Water Management. 38:1–24.
      2. Mostafazadeh-Fard, B., Mansouri, H., Mousavi, S.F., and Feizi. M. 2008. Application of SWAP model to predict yield and soil salinity for sustainable agriculture in an arid region. International Journal of Sustainable Development and Planning, 3(4): 334-342.
      3. Nouri, N., Liaghat, A.M., Parsinejad, M., and Vazifedoust, M. 2010. Estimation of wheat and maize yield in terms of both water and salt restriction by using SWAP model. Journal of soil and water, 24: 1224-1235
      4. Oostindie, K., and Bronswijk, J.J.B. 1992. FLOCR- a simulation model for the calculation of water balance ,cracking and surface of clay soils. Report 47 Alterra Green World Research.
      5. Ranjbar, G.H. 2005. Determination of salt tolerance threshold in five bread  wheat  (Triticum  aestivum L.) cultivars. Research  report 84/793. Research, Training and Extension Organization, Ministry of Agriculture, Tehran.
      6. Rhoades, J.D., Kandiah, A. and Mashali, A.M. 1992. The use of saline waters for crop production. FAO Irrigation Drainage Paper 48, Rome, 133 pp.
      7. Tavakoli, A.R., Oweis, T., Ashrafi, Sh., Asadi, H., Siadat, H., and Liaghat, A. 2010. Improving rainwater productivity with supplemental irrigation in upper  Karkheh  river basin of Iran. Research Report No. 6, CGIAR Challenge Program on Water and Food. 
      8. 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. Simulation of water flow, solute transport and plant growth in the Soil-Water-Atmosphere-Plant environment. Wageningen Un iversity and Alterra. Technical Document 45.
      9. Vazifedoust, M., Van Dam, J.C., Feddes, R.A., and Feizi. M. 2008. Increasing water  productivity  of irrigated crops under limited water supply at field scale. Agricultural  Water  Management, 95:89-102.