برآورد تاريخ كاشت بهينه بر پايۀ تاريخچۀ اقليمي با استفاده از مدل همانندساز رشد AquaCrop در منطقۀ دشت مغان استان اردبيل

Optimum sowing date determination based on historical climate data using AquaCrop growth simulator model in Moghan plain Ardabil province Iran

از مدلAquaCrop براي برآورد تاريخ كاشت مناسب براي توليد بيشترين عملكرد بر پايۀ تاريخچۀ اقليمي منطقۀ دشت مغان استفاده شد. براي اين منظور با استفاده از داده­هاي پديدشناختي (فنولوژيك) هشت گياه زراعي عمده در دشت مغان، در كنار داده­هاي اقليمي سي‌سالۀ اين منطقه، پس از واسنجي (كاليبراسيون) مدل، تاريخ كاشت بهينۀ هر محصول تعيين شد. مدل با استفاده از درجۀ روز رشد تجمعي، آستانه­هاي دمايي فعال و مؤثر و شاخص برداشت محاسباتي، عملكرد هر محصول را محاسبه كرد. ضريب تشخيص، ريشۀ ميانگين مربعات خطاي نرمال و شاخص تطابق به ترتيب 99/0، 16/29 و 97/0 بود. اين آمارها نشان‌دهندۀ كاركرد مناسب مدل در برآورد عملكرد محصولات عمدۀ زراعي در منطقه است. بر پايۀ نتايج، بازۀ كاشت همانند­سازي‌شده براي گندم پاييزه كوتاه­تر بود. محصول جو پاييزه نيز از روند همساني با گندم پاييزه پيروي مي­كرد. بازۀ كاشت ذرت بهاره درازمدت­تر از بازۀ معمول منطقه بود، اما بازۀ كاشت همانند­سازي‌شده در كلزا پاييزه، پنبه، سويا و ذرت كشت دوم همسان با بازۀ كشت منطقه بود. همچنين نياز آبي گياهان باغي مختلف در تاريخ كاشت­هاي تعيين‌شده نيز توسط مدل محاسبه شد. اين نتايج با خروجي نرم‌افزار NETWAT براي اين منطقه مقايسه شد. در اين مقايسه ضريب تبيين، 92/0 و ريشۀ ميانگين مربعات خطاي نرمال‌شده، 07/14 و شاخص تطابق، 99/0 محاسبه شد. بنا بر نتايج، كشت گياهان پاييزه به‌منظور بهره­مندي هرچه بيشتر از بارندگي­هاي فصل‌هاي پاييز و زمستان در منطقه و كاهش مصرف آب آبياري، بايد توجه بيشتر شود.

The AquaCrop model has been used for optimum sowing date determination for maximum yield production based on historical climate data in Moghan plain, Ardabil province, Iran. Based on phonological data for the eight main cultivated crop gathering from Moghan plain and thirty years climate data, the optimum sowing dates were determined after model calibration. The model used cumulative growing degree days, effective and active base temperature and calculated harvest index to perform each crop yield. Determination coefficient, normalized root mean squared and index of agreement were 0.99, 29.16 and 0.97 respectively. The statistics showed that the model could accurately perform the crop yield estimation in this region. Based on the results the simulated sowing window for winter wheat was a little bit shorter. The winter barley also performed as winter wheat. The spring maize simulated sowing window was longer than usual period. But the simulated sowing window for winter canola, cotton, soybean and maize was the same as actual sowing window. The net Irrigation requirement in the determined planting dates have been calculated by the AquaCrop and compared with the NETWAT software outputs. In this Comparison, determination coefficient, normalized root mean squared and index of agreement were 0.92, 14.07 and 0.99 respectively. The results showed the importance of using winter precipitation in crop production in the region and lower water irrigating input using winter cultivation should be noted.