شبیه‌سازی اثر تغییر اقلیم بر عملکرد، بهره‌وری آب و طول دوره رشد چغندرقند در قزوین با استفاده از مدل aquacrop

تغییر اقلیم از عواملی‌ است که می‌تواند در دهه‌های آینده اثرات بسیاری بر رشد و عملکرد گیاهان زراعی داشته باشد. چغندرقند یکی از محصول‌های راهبردی است که رشد و عملکرد آن تحت تاثیر دو تنش آبی و کودی تغییر می‌کند، بنابراین اطلاع از تاثیر این تنش‌ها بر گیاه در مزرعه و تغییر اقلیم برای مدیریت تولید چغندرقند ضروری است. برای دستیابی به این هدف، پژوهش حاضر در ایستگاه تحقیقاتی فیض‌آباد قزوین در طی سه سال زراعی انجام شد. عوامل مورد بررسی شامل مدیریت آبیاری در چهار دور آبیاری (i1، i2، i3 و i4 به ترتیب 6، 9، 12 و 15 روزه) و عامل کودی (از منبع اسید بوریک) در سه سطح (f0: 21، f1: 30 و f2: 39 کیلوگرم در هکتار به ‌ترتیب نشان‌دهنده‌ی سطوح کم، متوسط و زیاد بود. برای شبیه‌سازی اثر تغییر اقلیم، داده‌های هواشناسی بر اساس سناریوهای ssp2-4.5 (حد واسط) و ssp5-8.5 (خیلی بدبینانه) و تحت دو مدل gfdl-esm4 (مدل g) و mri_esm2-0 (مدل m) در طی دوره‌ی 64 ساله، 1404 الی 1468 شبیه‌سازی شدند. برای شبیه‌سازی اثر تغییر اقلیم بر عملکرد و رشد چغندرقند از مدل aquacrop استفاده شد. نتایج شبیه‌سازی مدل aquacrop نشان داد که در دوره زمانی آینده نزدیک میانگین عملکرد ریشه در سناریوهای خوش‌بینانه و بدبینانه در مدل g به ترتیب 40746 و 38046 کیلوگرم در هکتار و در مدل m به ترتیب 41546 و 38746 کیلوگرم در هکتار خواهد بود. در دوره زمانی آینده دور، متوسط عملکرد ریشه برای دو سناریوی خوش‌بینانه و بدبینانه در مدل g به ترتیب 52077 و 49377 کیلوگرم در هکتار و در مدل m به ترتیب 52877 و 50077 کیلوگرم در هکتار محاسبه شد، بنابراین، به‌صورت متوسط، در آینده بیش از 40 درصد عملکرد نسبت به شرایط فعلی کاهش می‌یابد. برای جبران این کاهش عملکرد، با در نظر گرفتن شرایط فعلی مدیریت آب و کود در مزرعه، افزایش تراکم بوته توصیه می‌شود.

simulating the effect of climate change on sugar beet yield, water productivity and growing period in qazvin using the aquacrop model

extended abstractintroductionglobal warming has accelerated since the industrial revolution, but due to human activities and environmental degradation, this phenomenon has received increased attention in recent years. future trends in global warming are expected to be influenced by scenarios projecting continued increases in greenhouse gas emission, particularly carbon dioxide. these scenarios predict varying levels of carbon dioxide production worldwide, which in turn affect climate factors, crop growth, and yield. changes in climate can significantly impact agricultural production environments. to assess and predict the extent of these impacts on crop growth and yield, crop simulation models are essential tools.  among these, the aquacrop model is widely used due to its user-friendliness, high accuracy and reliability. this model is capable of simulating variouse field conditions and is applicable to a wide range of agricultural crops, including corn, canola, wheat, saffron, and quinoa.. sugar beet is considered a strategic crop in iran, with its yield highly dependent on irrigation water and fertilizer application.materials and methodsall data were collected from a research field located at the faizabad research station in qazvin, iran, over three agricultural years. the experimental factors included irrigation management at four intervals (i1: 6, i2: 9, i3: 12, and i4: 15 days) and fertilizer application at three levels (f0: 21, f1: 30, and f2: 39 kh ha-1). the lars-wg model was used to simulate meteorological data for qazvin under two climate change scenarios: an optimistic scenario (ssp2-4.5) and a pessimistic scenario (ssp5-8.5). these simulations were performed using two atmospheric general circulation models, gfdl-esm4 (g model) and mri_esm2-0 (m model), across two future periods: 2026-2045 (near-future) and 2046-2099 (-uture). the aquacrop model was then used to simulate sugar beet yield and water productivity based on these climate projections. some statistical criteria were applied to evaluate the performance and accuracy of both the lars-wg and aquacrop models..results and discussionduring the calibration stage, the rmse statistics for the aquacrop model showed a yield prediction error of 3511 kg ha-1,  placing its accuracy in the excellent category (nrmse<0.1). for water productivity, the model’s error was 1.2 kg m-3, with accuracy evaluated as good (0.1