پديد آورندگان :
سركهكي، افشين دانشگاه آزاد اسلامي اهواز - گروه علوم و مهندسي آب، اهواز، ايران , اگدرنژاد، اصلان دانشگاه آزاد اسلامي اهواز - گروه علوم و مهندسي آب، اهواز، ايران , مينايي، سهراب دانشگاه آزاد اسلامي اهواز - گروه علوم و مهندسي آب، اهواز، ايران
كليدواژه :
بهره‌وري آب نرمال شده , روش Beven , شبيه سازي , مدل گياهي
چكيده فارسي :
تحليل حساسيت مهم‌ترين مرحله قبل از واسنجي هر مدل گياهي است.اين عمل به محققان كمك مي‌كند تا اطلاعات كافي در خصوص اثرگذاري هر پارامتر و ميزان تغييرات آن در مرحله واسنجي داشته باشند.اين موضوع با توجه به روند رو به افزايش كاربرد مدل AquaCrop براي شبيه‌سازي گياهان زراعي از اهميت بيشتري برخوردار است.به همين دليل در تحقيق حاضر ميزان حساسيت اين مدل گياهي نسبت به تغييرات پارامترهاي رشد گياهي بهره‌وري آب نرمال شده (WP*)، حداكثر ضريب تعرق گياهي (KCTrx)، ضريب پوشش گياهي اوليه (CC0)، ضريب رشد پوشش (CGC)، ضريب كاهش پوشش (CDC) و شاخص برداشت (HI) با استفاده از روش Beven (1979) ارزيابي شد.بدين منظور از داده‌هاي برداشت شده در يك مزرعه تحقيقاتي در شهرستان اهواز در سال 1393 استفاده شد. تيمارهاي مورد مطالعه شامل روش آبياري (D: آبياري باراني با آب شور و F: آبياري باراني با كاربرد آب شور و شيرين و S: آبياري جويچه‌اي) با پنج كيفيت آب آبياري (S1: 5/2، S2: 2/3، S3: 9/3، S4: 6/4 و S5: 1/5 دسي‌زيمنس بر متر) بود.نتايج نشان داد كه بيشترين حساسيت نسبت به تغييرات بهره‌وري آب نرمال شده (0.95≤Spi≤1.04) و ضريب گياهي براي تعرق (0.95≤Spi≤0.67) بود.پس از آن، حساسيت شاخص برداشت (0.51≤Spi≤0.56) در دسته متوسط قرار داشت. ميزان تغييرات عملكرد در مقادير مختلف بهره‌وري آب نرمال شده، ضريب گياهي براي تعرق، شاخص برداشت و ضريب كاهش پوشش به ترتيب 3/3-7/1، 6/1-8/0، 16/1-6/0 و 64/0-32/0 تن در هكتار بود. ضرايب حساسيت براي همه پارامترها به جز CDC مثبت بود.بنابراين با افزايش مقدار CDC مدل AquaCrop دچار خطاي كم‌برآوردي و با افزايش مقدار ساير پارامترها اين مدل دچار خطاي بيش‌برآوردي مي‌شود.بنابراين، در شرايطي كه اختلاف عملكرد واقعي و شبيه‌سازي شده زياد است،بهتر است پارامترهاي بهره‌وري آب نرمال شده و ضريب گياهي براي تعرق مورد توجه قرار گيرند.در غير اين صورت، پارمترهاي شاخص برداشت و ضريب كاهش پوشش مد نظر قرار گيرند.
چكيده لاتين :
Sensitivity analysis is the most important step before calibrating crop models. It helps researchers to have enough information about the effectiveness of each parameter, and changes them during calibration stage. This issue is more important due to the increasing use of AquaCrop model for crop simulation. Therefore, in the study, the sensitivity of AquaCrop to change some crop growth parameters; normalized water productivity (WP *), maximum transpiration coefficient (KCTrx), initial canopy cover (CC0), canopy growth coefficient (CGC), canopy decline coefficient (CDC) and harvest index (HI) were assessed using Beven (1979) method. For this purpose, the data collected in a research farm in Ahvaz during 2014 were used. The studied treatments include irrigation method (D: sprinkler irrigation using saline water, F: sprinkler irrigation using both saline and fresh water and S: furrow irrigation using saline water) with five irrigation water qualities (S1: 2.5, S2: 2.3, S3 : 3.9, S4: 4.6 and S5: 1.5 dS m-1). The results showed that the highest sensitivity was to changes in normalized water productivity (0.95≤Spi≤1.04) and maximum transpiration coefficient (0.95≤Spi≤0.67). After that, the sensitivity of harvest index (0.51≤Spi≤0.56) was in the middle category. The range of yield changes in different values of normalized water productivity, maximum transpiration coefficient, harvest index and canopy decline coefficient were 1.3-3.3, 0.8-1.6, 0.6-1.16 and 0.32-0.64 ton ha-1, respectively. Sensitivity coefficients were positive for all parameters except CDC. Therefore, by increasing the CDC, AquaCrop suffers from underestimation error and by increasing the value of other parameters; the model suffers from overestimation error. Therefore, in situations where the difference between observed and simulated yield is large, it is better to consider the parameters of normalized water productivity and maximum transpiration coefficient. Otherwise, the parameters of harvest index and canopy decline coefficient should be considered.
