پارامتريابي و ارزيابي مدل SSM-iLegume براي پيش بيني رشد و عملكرد سويا در شرايط گرگان

Parameterization and evaluation of SSM-soybean model for Prediction of growth and yield of soybean in Gorgan

چكيده سابقه و هدف: مدل هاي شبيه سازي گياهان زراعي نمود رياضي فرآيندهاي رشد گياه بوده كه توسط روابط بين ژنوتيپ، محيط‌زيست و مديريت محصول تحت تاثير قرار مي گيرند. استفاده از مدل هاي شبيه سازي گياهان زراعي به‌عنوان مكملي كارگشا براي تحقيقات آزمايشي مطرح است. اين مدل ها مي توانند براي تفسير نتايج و بررسي بوم‌نظام زراعي در شرايط محيطي و مديريت هاي متفاوت مورد استفاده قرار گيرند. اهداف اين مطالعه، توصيف مدل SSM-iLegume، تعيين پارامترهاي ژنتيكي ارقام سويا در گرگان و سرانجام گزارش نتايج ارزيابي مدل مي‌باشد. مواد و روش ها: مدل SSM-iLegume مراحل فنولوژيك را به‌عنوان تابعي از دما و طول روز پيش‌بيني مي‏كند. محاسبه مراحل فنولوژي در مدل براساس مفهوم روز بيولوژيك (حداقل تعداد روز لازم براي تكميل مرحله نمو معين در دما، طول روز و رطوبت مطلوب) مي باشد. گسترش و پير شدن سطح برگ تابعي از دما، نيتروژن فراهم براي رشد برگ، تراكم بوته و انتقال مجدد نيتروژن مي‌باشد. براي شبيه‌سازي گسترش سطح برگ، گام اول تعيين افزايش تعداد برگ در ساقه اصلي در هر روز با استفاده از مفهوم فيلوكرون (واحد دمايي بين ظهور برگ متوالي) است. در اين مدل توليد ماده خشك به‌عنوان تابعي از تشعشع دريافت شده و دما تخمين زده مي شود. افزايش روزانه ماده خشك گياه زراعي توسط توليد ناشي از تشعشع فعال فتوسنتزي برآورد مي شود، كه تابعي از تشعشع دريافت شده توسط گياه زراعي (FINT) و كارايي استفاده از PAR جهت توليد ماده خشك گياه، مانند كارايي استفاده از تشعشع، مي باشد. تشكيل عملكرد در مدل با توجه به كل ماده خشك توليد شده در دوره پرشدن دانه و نيز ماده خشك تخصيص يافته به دانه به سادگي شبيه-سازي مي شود. مدل‏سازي سرعت رشد دانه‏ها و تشكيل عملكرد بر مبناي مفهوم افزايش خطي شاخص برداشت توسط سلطاني و سينكلر (2011) شرح داده شده است. مدل نياز به داده هاي هواشناسي روزانه مانند حداقل و حداكثر دما، مقدار بارندگي و تشعشع خورشيد دارد. مدل مي تواند براي سناريوها/ تيمارهاي متعدد براي بيش از چندين سال اجرا شود. يافته ها: براي برآورد ضرايب و ارزيابي مدل از داده هاي آزمايش هاي مزرعه اي مختلف استفاده شد. بعد از برآورد پارامترهاي ژنتيكي، مدل با استفاده از داده هاي مستقل مورد آزمايش قرار گرفت و نتايج حاكي از كارايي قابل قبول آن براي جنبه هاي مهم گياه زراعي در مقابل آزمايشات مشاهده شده شامل روز تا گلدهي (11CV=، 8/5RMSE=) روز تا رسيدگي (6CV=، 7/8RMSE=)، تعداد گره روي ساقه اصلي (13CV=، 7/1RMSE=) و عملكرد دانه (15CV=، 48RMSE=) بود. نتيجه گيري: نتايج نشان داد كه برآوردها براي متغيرهاي مختلف قابل قبولي است. بنابراين، اين مدل مي تواند در مطالعات شبيه سازي عملكرد سويا و محدوديت هاي آن در واكنش به شرايط زيست‌محيطي، ورودي هاي مديريتي و عوامل ژنتيكي استفاده شود.

Background and objectives: Crop simulation models are mathematical representations of plant growth processes as influenced by interactions among genotype, environment and crop management. Using crop simulation models can be an efficient complement to experimental research. Models are being used to understand the response of crops to possible changes in crop, cultural management and environmental variables. The objectives of this study were to describe a soybean model (SSM-iLegume), determine the genetic coefficients of soybean cultivar in Gorgan and finally report results of the model evaluation. Materials and Methods: SSM-iLegume model predicts phenological stages as a function of temperature, day length. Calculation of phenological development in the model is based on the biological day concept. A biological day is a day with optimal temperature, photoperiod and moisture conditions for plant development. Leaf area development and senescence is a function of temperature, provide nitrogen for leaf growth, plant density and nitrogen remobilization. To simulate leaf area expansion, the first step is to determine on each day the increase in leaf number on the main stem using the phyllochron (temperature unit betweenemergences of successive leaves) concept. In this model biomass is estimated as a function of the received radiation and temperature. Daily increase of crop mass is estimated as the product of incident photosynthetic active radiation (PAR, MJ m-2 d-1), the fraction of that radiation intercepted by the crop (FINT) and efficiency with which theintercepted PAR is used to produce crop dry mass, i.e., radiation use efficiency (RUE, g MJ-1). Yield formation in the modelis simply simulated as total drymatter production during seed filling period plus a fraction of crop dry massat BSG (as mobilized dry matter). Modeling seed growth rate and yield formation in the current model is based on a modified linear increase inharvest index concept as described by Soltani and Sinclair (2011). The model needs daily weather data, i.e. maximum and minimum temperatures, rainfall and solar radiation. The model can be run for multiple scenarios/treatments over many years. Results: Field data were used for coefficient estimation and model evaluation. After estimation of genetic parameters, the model was tested using independent data and indicated an acceptable performance and predictions for important crop variables as compared to observed data including days to flowering (RMSE=5.8, CV=11%) and maturity (RMSE=8.7, CV=6%), main stem node number (RMSE=1.7, CV=13%) and grain yield (RMSE=48, CV=15%). Conclusion: The results indicate that an acceptable estimate for different variables was obtained. So, the model can be used in simulation studies of soybean yield and its limitations in response to environmental conditions, management inputs and genetic factors.