اخبار و اعلانات

 آمار

تعداد نشریات283
تعداد نشریات سازمان81
تعداد شماره‌ها2,727
تعداد مقالات31,057
تعداد مشاهده مقاله28,319,106
تعداد دریافت فایل اصل مقاله16,270,142
کلانکی, مهدی, کاراندیش, فاطمه, صابرعلی, سید فرهاد. (1396). اثر تلفیق مدیریت آبیاری و تاریخ کشت بر کارآیی مصرفِ آب ذرت با استفاده از مدل DSSAT. سامانه مدیریت نشریات علمی, 31(4), 509-522. doi: 10.22092/jwra.2018.115712
مهدی کلانکی; فاطمه کاراندیش; سید فرهاد صابرعلی. "اثر تلفیق مدیریت آبیاری و تاریخ کشت بر کارآیی مصرفِ آب ذرت با استفاده از مدل DSSAT". سامانه مدیریت نشریات علمی, 31, 4, 1396, 509-522. doi: 10.22092/jwra.2018.115712
کلانکی, مهدی, کاراندیش, فاطمه, صابرعلی, سید فرهاد. (1396). 'اثر تلفیق مدیریت آبیاری و تاریخ کشت بر کارآیی مصرفِ آب ذرت با استفاده از مدل DSSAT', سامانه مدیریت نشریات علمی, 31(4), pp. 509-522. doi: 10.22092/jwra.2018.115712
کلانکی, مهدی, کاراندیش, فاطمه, صابرعلی, سید فرهاد. اثر تلفیق مدیریت آبیاری و تاریخ کشت بر کارآیی مصرفِ آب ذرت با استفاده از مدل DSSAT. سامانه مدیریت نشریات علمی, 1396; 31(4): 509-522. doi: 10.22092/jwra.2018.115712

اثر تلفیق مدیریت آبیاری و تاریخ کشت بر کارآیی مصرفِ آب ذرت با استفاده از مدل DSSAT

پژوهش آب در کشاورزی
مقاله 2، دوره 31، شماره 4، دی 1396، صفحه 509-522    اصل مقاله (722.18 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/jwra.2018.115712
نویسندگان
مهدی کلانکی* 1؛ فاطمه کاراندیش2؛ سید فرهاد صابرعلی3
1دانشجوی دکتری گروه مهندسی آب دانشکده آب وخاک دانشگاه زابل.
2دانشیار گروه مهندسی آب دانشگاه زابل
3استادیار گروه زراعت دانشکده کشاورزی مجتمع آموزش عالی تربت جام.
چکیده
در این پژوهش، پس از واسنجی و صحت­سنجی مدل گیاهی DSSAT-CERES Maize، تاثیر توامانِ تغییر تقویم کشت و عمق آب آبیاری بر کارآیی مصرف آب گیاهِ ذرت در چهار ایستگاه قراخیل، بابلسر، رامسر و نوشهر از استان مازندران تحلیل شد. بدین منظور، ابتدا مدل بر اساس داده­های بدست آمده از کشت دوساله­ی ذرت در یک تقویم کشت در شهرستان ساری، تحت سه تیمار آبیاری کامل و کم­آبیاری در دو سطح 55 و 75 درصد، طی فصول زراعیِ 1389 و 1390 واسنجی و صحت­سنجی شد. سپس، توابع آب-محصول برای تاریخ های کشت منتخب در حدفاصل 21 فروردین تا 8 تیر برای چهار شهرستان منتخب تعیین شد. پس از آن، عمق بهینه­ی آبیاری با هدف جلوگیری از کاهش معنی­دارِ عملکرد محصول به دست آمد. بر اساس شاخص­های ارزیابی منتخب، مدل از دقت کافی در شبیه­سازی پارامترهای شاخص سطح برگ، تاریخ­های مورفولوژیکیِ مهم، ماده خشک کل، عملکرد دانه ذرت و کل جذب نیتروژن به وسیله­ی گیاه برخوردار بود. به استثنای شهرستان قراخیل و صرف­نظر از نوع تیمار آبیاری، تعویق کشت، با کاهش طول دوره­ی رشد گیاه، عمق بهینه­ی آبیاری را 14 تا 75 درصد کاهش می­دهد. بر مبنای میانگین 30 ساله­ی داه­های هواشناسی، کم­ترین عمق بهینه­ی آبیاری در شهرستان­های بابلسر، نوشهر و رامسر به ترتیب 366، 200 و 122 میلی­متر بوده که به ترتیب، تحت تاریخ­های کشت 19 خرداد، 8 تیر و 8 تیر بدست می­آید. این در حالی است که اختلاف بین عمق بهینه­ی آبیاری بین تیمارهای کم­آبیاری با آبیاری کامل در کشت­های زودهنگام بیش­تر بود. بر اساس نتایج، مدیریت عمق آب آبیاری و تعدیل تاریخ کشت منتج به 6/1 تا 8/22 درصد صرفه­جویی در آب مصرفی در کشت ذرت در استان مازندران خواهد شد. با این وجود، راستی­آزمایی نتایج این پژوهش، مستلزم انجام پژوهش­های مزرعه­ایِ دیگر در شهرستان­های منتخب و تحت تاریخ های کشت پیشنهادی خواهد بود.
کلیدواژه‌ها
تقویم کشت؛ مدل DSSAT-CERES-Maize؛ عمق بهینه آبیاری؛ تابع آب-محصول
عنوان مقاله [English]
Effect of Integrated Management of Irrigation and Planting Date on Maize Water Use Efficiency by Using the DSSAT Model
نویسندگان [English]
Mahdi Kalanaki1؛ Fatemeh Karandish2؛ Seyed Farhad Saberali3
1University of Zabol
2Associate professor, Water Engineering Department, University of Zabol
3Assistant Professor, Faculty of Agricultural and Animal Science, University of Torbat-e Jam.
چکیده [English]
In this research, after calibrating and validating the DSSAT-CERES Maize model, the integrated effects of modifying planting date and irrigation water depth on maize water use efficiency was investigated for four stations of Gharakheil, Babolsar, Ramsar and Noshahr in Mazandaran Province. In this regard, the model was first calibrated and validated based on data collected in a two-year maize cropping system in Sari county under three irrigation treatments i.e. full irrigation and deficit irrigation at two levels of 55% and 75%, during 2010 and 2011 growing seasons. Then, the water-yield functions were determined for the selected cropping calendars over the period 10 April till 29 June, and for the four selected stations. Thereafter, the optimal irrigation depth, aimed at preventing significant reduction in crop yield, was determined. Based on the selected criteria and indices, the model was accurate enough for simulating leaf area index, the important morphological calendars, total dried biomass, maize grain yield and total crop N uptake. Except for Gharakheil station and regardless of the irrigation treatment, delaying planting date may reduce the optimal irrigation water depth by 14-75% due to the decreased length of the cropping cycle. Based on the 30-year average weather data, the lowest optimal irrigation water depth in Babolsar, Noshahr, and Ramsar was 366, 200 and 122 mm, respectively, which will be obtained under the cropping calendars of June 9, June 29 and June 29, respectively. Nevertheless, the difference in the optimal irrigation water depth between the full irrigation treatment and the deficit irrigation treatment will be higher under early planting date. Based on the results, irrigation water depth management and modifying the cropping calendars may result in a 1.6-22.8% water saving under maize cropping systems in Mazandaran Province. Nevertheless, validating the given results of this research requires carrying out the other field investigations in the selected sites and under the proposed cropping calendars.
کلیدواژه‌ها [English]
DSSAT-CERES-Maize model, Maize, Cropping calendar, Optimal irrigation water depth, Water-yield function
سایر فایل های مرتبط با مقاله
مراجع
  1. ربیع، م.،قیصری، م.، میرلطیفی، س. م.1392. ارزیابی مدل DSSAT v4.5 به منظور شبیه­سازی آبشویی نیترات در مزرعه ذرت در سطوح مختلف آب و کود نیتروژنی. مجله علوم وفنون کشاورزی و منابع طبیعی، علوم آب و خاک،17(63):80-71.
  2. شیروانیان، ع.، حقیقت‌نیا، ح. و مهرجو، س. 1393. تعیین آستانه اقتصادی کم‌آبیاری پنبه در شهرستان داراب. نشریه اقتصاد و توسعه کشاورزی. 28(4): 321-312.
  3. کاراندیش، ف.، میرلطیفی، س. م.،شاه­نظری، ع.، قیصری، م. و عباسی، ف. 1392. تأثیر کم­آبیاری ناقص ریشه و کم­آبیاری معمولی ذرت بر جذب و پتانسیل آبشویی نیترات. مجله مدیریت آب وآبیاری. 2 (2): 98-85.
  4. مرادی، ر.، کوچکی، ع.، نصیری محلاتی، م.1392. تاثیر تغییر اقلیم بر تولید ذرت و ارزیابی تغییر تاریخ کاشت بعنوان راهکارسازگاری در شرایط آب و هوایی مشهد. نشریه دانش کشاورزی و تولیدپایدار، 23(4):130-111.
  5. Akowuah JO, Mensah LD, Chan Ch, Roskilly A. 2015. Effects of practices of maize farmers and traders in Ghana on contamination of maize by aflatoxins: Case study of Ejura-Sekyeredumase Municipality. Afric J Microbiol Res. 9(25): 1658-1666.
  6. Asgari, A., Taghipoor-Bafghi, A. 2004.Deficit irrigation, a technique for reducing water use in agricultural production. Olive Magazine.61, 37-32.
  7. Chisanga, C. B., Phiri, E., Shepande, C., & Sichingabula, H. 2015. Evaluating CERES-Maize Model Using Planting Dates and Nitrogen Fertilizer in Zambia. Journal of Agricultural Science, 7(3), p79.
  8. Domínguez, A., De Juan, J. A., Tarjuelo, J. M., Martínez, R. S., & Martínez-Romero, A. 2013. Determination of optimal regulated deficit irrigation strategies for maize in a semi-arid environment. Agricultural water management, 110, 67-77.
  9. Fang, Q. X., Ma, L., Nielsen, D. C., Trout, T. J., & Ahuja, L. R. 2014. Quantifying corn yield and water use efficiency under growth stage–based deficit irrigation conditions. Practical Applications of Agricultural System Models to Optimize the Use of Limited Water, (practicalapplic), 1-24.
  10. Farré, I., Faci, J.M., 2006. Comparative response of maize (Zea mays L.) and sorghum (Sorghum bicolour L. Moench) to deficit irrigation in a Mediterranean environment. Agricultural Water Management 83, 135–143.
  11. Gaile Z. 2010. The role of maize harvest timing for high-quality silage production (summary): proceedings of Latvia University of Agriculture. – 2010, 25(320): 116-128.
  12. Hergert, G. W., Margheim, J. F., Pavlista, A. D., Martin, D. L., Supalla, R. J., & Isbell, T. A. 2016. Yield, irrigation response, and water productivity of deficit to fully irrigated spring canola. Agricultural Water Management, 168, 96-103.
  13. Hoogenboom, G., J.W. Jones, P.W. Wilkens, C.H. Porter, K.J. Boote, L.A. Hunt, U. Singh, J.I. Lizaso, J.W. White, O. Uryasev, R. Ogoshi, J. Koo, V. Shelia, and G.Y. Tsuji. 2015. Decision Support System for Agrotechnology Transfer (DSSAT) Version 4.6 (www.DSSAT.net). DSSAT Foundation, Prosser, Washington.
  14. Howell, T.A. 2001. Enhancing water use efficiency in irrigated agriculture. Agron. J. 93:281–289.doi:10.2134/agronj2001.932281x.
  15. Jones, J. W., G. Hoogenboom, C. H. Porter, K. J. Boote, W. D. Batchelor, L. Hunt, P. W. Wilkens, U. Singh, A. J. Gijsman, and J. T. Ritchie. 2003. The DSSAT cropping system model. European journal of agronomy. 18(3):235-265.
  16. Kaaya AN, Kyamuhangire W. 2006. The effect of storage time and agroecological zone on mould incidence and aflatoxin contamination of maize from traders in Uganda. Int J Food Microbiol. 110: 217-223.
  17. Karandish F. 2016. Improved soil-plant water dynamics and economic water use efficiency in a maize field under locally water stress. Arch Agron Soil Sci. In press.
  18. McMaster, Gregory S. and Wilhelm, Wallace. 1997. Growing degree-days: one equation, two interpretations. Publications from USDA-ARS / UNL Faculty. Paper 83.
  19. Negm, Lamyaa M, Mohamed A Youssef, Richard W Skaggs, George M Chescheir and Eileen J Kladivko. 2014. "DRAINMOD-DSSAT Simulation of the Hydrology, Nitrogen Dynamics, and Plant Growth of a Drained Corn Field in Indiana." Journal of Irrigation and Drainage Engineering 140(8 ): 04014026.
  20. Ngwira, A.R., Aune, J.B., Thierfelder, C. 2014. DSSAT modeling of conservation agriculture maize response to climate change in Malawi. Soil and Tillage Research. 143: 85-94.
  21. Paredes, P., Rodrigues, G. C., Alves, I., & Pereira, L. S. 2014. Partitioning evapotranspiration, yield prediction and economic returns of maize under various irrigation management strategies. Agricultural Water Management, 135, 27-39.
  22. Pereira, L.S., P. Paredes, E.D. Sholpankulov, O.P. Inchenkova, P.R. Teodoro, and M.G. Horst. 2009. Irrigation scheduling strategies for cotton to cope with water scarcity in the Fergana Valley, Central Asia. Agric. Water Manage. 96:723–735. doi:10.1016/j.agwat.2008.10.013.
  23. Ruane, Alex C, L DeWayne Cecil, Radley M Horton, Román Gordón, Raymond McCollum, Douglas Brown, Brian Killough, Richard Goldberg, Adam P Greeley and Cynthia Rosenzweig. 2013. "Climate Change Impact Uncertainties for Maize in Panama: Farm Information, Climate Projections, and Yield Sensitivities." Agricultural and Forest Meteorology 170: 132-145.
  24. Soler, C. M. T., P. C. Sentelhas, and G. Hoogenboom. 2007. Application of the CSM-CERES-Maize model for planting date evaluation and yield forecasting for maize grown off-season in a subtropical environment. European Journal of Agronomy. 27(2):165-177.
  25. Steduto, P. Hsiao T. C., Fereres E., and Raes, D. 2012. Crop yield response to water. FAO Irrigation and drainage paper. 66.114-120.
  26. Waha, K., Müller, C., Bondeau, A., Dietrich, J. P., Kurukulasuriya, P., Heinke, J., & Lotze-Campen, H. 2013. Adaptation to climate change through the choice of cropping system and sowing date in sub-Saharan Africa. Global Environmental Change, 23(1), 130-143.
  27. Yang, X., Gao, W., Shi, Q., Chen, F., & Chu, Q. 2013. Impact of climate change on the water requirement of summer maize in the Huang-Huai-Hai farming region. Agricultural water management, 124, 20-27.
  28. Yegbemey, R. N., Kabir, H., Awoye, O. H., Yabi, J. A., & Paraïso, A. A. 2014. Managing the agricultural calendar as coping mechanism to climate variability: A case study of maize farming in northern Benin, West Africa.Climate Risk Management, 3: 13-23.
آمار
تعداد مشاهده مقاله: 578
تعداد دریافت فایل اصل مقاله: 946


counter
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب