تخمين شاخص تغذيه نيتروژن با استفاده از مدل‌هاي شبيه‌سازي AquaCrop و HYDRUS در طول دوره رشد ذرت دانه‌اي

Estimation of Nitrogen Nutrition Index Using AquaCrop and HYDRUS Simulation Models during Maize Growing Period

پايش شاخص تغذيه نيتروژن يا NNI(Nitrogen Nutrition Index) در طول فصل رشد نيازمند آزمايش­ هاي پر هزينه و زمانبر است. به دليل اهميت تعيين NNI در بهبود كارايي مصرف كود و آب و كاهش خطرات زيست محيطي، اخيراً در سطح دنيا مطالعاتي به منظور تخمين غير مستقيم آن توسط پارامترهاي مختلف گياهي انجام شده است. هدف اصلي از اين مطالعه، تخمين NNI در طول فصل رشد ذرت با استفاده از يك روش غير تخريبي بود. دو پارامتر مورد نياز براي تخمين NNI عملكرد ماده خشك و ميزان جذب واقعي نيتروژن توسط گياه در طول دوره رشد است كه به ترتيب توسط دو مدل AquaCrop و HYDRUS-2D تخمين زده شدند. در اين مطالعه از معادله نيتروژن بحراني ارائه شده براي كشت ذرت تابستانه در ايران استفاده شد. نمونه­ هاي گياهي و خاك براي واسنجي و صحت سنجي دو مدل مذكور در طول دو سال زراعي برداشت شدند. نتايج بدست آمده نشان دادند كه مدل AquaCrop با دقت خوبي قادر است عملكرد ماده خشك ذرت را طي دوره كشت تخمين بزند (%R2 =0.995, NRMSE= 14.21 ). همچنين دقت برآورد ميزان جذب نيتروژن از مدل HYDRUS نسبتاً قابل قبول بود ( %R2 >0.907, NRMSE< 28.20 ). در نهايت شاخص تغذيه نيتروژن در طول دو فصل، يكبار با استفاده از داده ­هاي اندازه­ گيري شده از مزرعه محاسبه (NNIo) و بار ديگر با استفاده از مقادير شبيه­ سازي شده توسط دو مدل مذكور تخمين زده شد (NNIp). مقايسه پراكنش نقاط NNIp در برابر NNIo نشان داد كه ميزان درستي تخمين بر اساس معيارهاي R2 >0.638 و % NRMSE< 20.86 براي هر دو سال قابل قبول بود.

Monitoring nitrogen nutrition index (NNI) during the growing season requires costly experiments and is a time-consuming process. Recently, some remarkable studies have been carried out in order to determine NNI by employing different plant parameters which can improve fertilizer and water use efficiency and reduce environmental hazards. The main objective of this study was to estimate the NNI during the growing season of maize by using a non-destructive method. Dry matter (W) and actual nitrogen uptake (Nu), the required parameters for predicting NNI, were estimated by AquaCrop and HYDRUS-2D models, respectively. The critical nitrogen curve, proposed by Ranjbar et al. for summer maize in Iran, was used in this study. Plant and soil samples were taken for calibration and validation of the two models during the two growing seasons. The results showed that AquaCrop can accurately predict maize dry matter production during the growth period (R2 =0.995, NRMSE= 14.21 %). Moreover, the accuracy of the estimation of nitrogen uptake by the HYDRUS-2D was relatively acceptable (R2 >0.907, NRMSE< 28.20 %). Finally, NNI was calculated using measured (NNIo) and simulated (NNIp) data over the two seasons. Comparing the NNIp versus the NNIo revealed that accuracy of the estimated values was acceptable based on the R2 and NRMSE criteria (>0.638 and <20.86, respectively) in both years.