پديد آورندگان :
كوهي چله كران، نادر سازمان تحقيقات آموزش و ترويج كشاورزي، كرمان - مركز تحقيقات و آموزش كشاورزي و منابع طبيعي استان كرمان , دهقاني سانيچ، حسين سازمان تحقيقات، آموزش و ترويج كشاورزي، كرج - موسسه تحقيقات فني و مهندسي كشاورزي
چكيده فارسي :
استفاده از مدل هاي رشد گياه با توجه به كاهش نياز به بازديدها و اندازه گيري هاي مستقيم مزرعه اي مي تواند مديريت آب آبياري و كود را تسهيل نمايد. از طرفي اغلب به دليل پيچيدگي وسختي درك و فهم اين گونه مدل ها و در دسترس نبودن اطلاعات ورودي مورد نياز، استفاده از آنها را به ويژه در تصميم گيري هاي مديريتي كه بايد قبل از فصل كشت صورت گيرد، دچار مشكل مي كند. هدف از اين مطالعه ارائه مدلي ساده براي پيش بيني شاخص سطح برگ شبيه سازي شده ذرت بر اساس تنش آب بود. در اين مدل شاخص سطح برگ ذرت بر اساس درجه روز تجمعي و تنش آب شبيه سازي شد. داده هاي ورودي مورد نياز مدل شامل داده هاي آب و هوا (ميزان تشعشع خورشيدي، درجه حرارت حداقل و حداكثر و مقدار بارندگي)، اطلاعات مربوط به خاك و گياه بود. مدل براي ذرت رقم سينگل كراس 704 در شرايط تنش آبي و نبود تنش براي سال زراعي 92 در شرايط آب و هوايي كرمان توسعه يافت و براي سال 93 براي تيمار مربوطه مورد ارزيابي قرار گرفت. شاخص سطح برگ برآورد شده توسط مدل در تيمار بدون تنش آبي نزديك به مقادير اندازه گيري شده بود كه اين نزديكي، در سه مرحله مياني نمونه برداري بيشتر مشهود بود. در تيمارهاي تنش (به جزء مرحله چهارم نمونه برداري) شاخص سطح برگ تخمين زده شده توسط مدل كمي بيشتر از مقادير مشاهده شده بود. همبستگي بالا (مقادير R2) در همه تيمارها بين مقادير شاخص سطح برگ شبيه سازي شده و مشاهده شده در هر دو سال آزمايش توسط مدل به دست آمد
چكيده لاتين :
Crop growth models facilitate management of irrigation water and fertilizer because less on-site (filed) visits and direct measurements are required. On the other hand, these models are complex and difficult to be understood and require input data that is not available, thus, using them in management decisions, which should be done before cultivating season, will be difficult. The objective of this study was to develop a model for grain yield prediction of Corn (Zea maize) based on simulated leaf area index (LAI) under water stress conditions. In this study, corn LAI was simulated based on cumulative degree-days and water stress index. The model used crop and soil as well as meteorological data including daily maximum and minimum air temperature (oC), precipitation (mm), and solar radiation (MJ.m-2d-1). The model was developed based on the 2013 growing season data for single cross 704 cultivar under full irrigation and water stress conditions, and was validated with 2014 growing season data. The highest values of simulated LAI in the 100% water requirement (WR) treatment were between 6.14 and 5.78, in the 80% WR between 5.63 and 5.4, and in the 60% WR was between 4.11 and 3.47, which varied by 0.13 (2%), 0.14 (2.5%) and 0.29 (6.6%), respectively. In the mid- stage of growth, the estimated LAI was more consistent with measured values (2%). In treatments under stress (except for the fourth stage of sampling), the LAI estimated by the model was 6.6% higher than the values observed. In all treatments, the high correlations (R2) between the values of the simulated LAI and observed LAI in both years of the experiment were between 0.9 and 0.99.
