ارزیابی جامع مدل dssat-nwheat در طیف وسیعی از مناطق اقلیمی ایران

ارزیابی جامع مدل شبیه‌سازی محصول با مجموعه‌ای از داده‌های مناسب از محیط، مدیریت، ارقام و خاک‌های متفاوت برای استفاده مطمئن از مدل در تجزیه و تحلیل نظام‌های کشاورزی ضروری است. مدل nwheat که اخیراً به dssat اضافه شده است با استفاده از مشاهدات آزمایش‌های مزرعه‌ای در دامنه وسیعی از مناطق اقلیمی با مدیریت مختلف برای چهار رقم گندم (triticum aestivum l.) شامل شهریار، پیشتاز، تجن و چمران مورد واسنجی و ارزیابی قرار گرفت. این ارقام به‌ترتیب مناسب برای کشت در مناطق سردسیر، معتدل، مرطوب و گرمسیر می‌باشد. نتایج اعتبارسنجی نشان داد که مدل dssat-nwheat مراحل فنولوژیکی کاشت تا گل‌دهی و کاشت تا رسیدگی را به‌خوبی با مقادیر جذر میانگین مربعات خطا (rmse) کمتر از چهار روز، جذر میانگین مربعات خطای نرمال شده (nrmse) کمتر از سه درصد و شاخص توافق ویلموت (d) نزدیک به یک شبیه‌سازی کرد. همچنین نتایج اعتبارسنجی عملکرد دانه ارقام گندم نشان داد که مقدار rmse از 568 کیلوگرم در هکتار برای رقم تجن تا 933 کیلوگرم در هکتار برای رقم چمران متغیر بود. به‌طور کلی، nrmse و d برای عملکرد دانه ارقام به‌ترتیب کمتر از 20 درصد و بالاتر از 0.8 بود که دقت واسنجی را به‌خوبی نشان می‌دهد. واکنش مدل به افزایش دما در مناطق مختلف و سطوح مختلف 2co متفاوت بود. به‌طوری‌که در منطقه اهواز، گرگان و مشهد افزایش دما تا نه درجه سانتی‌گراد در تمام سطوح غلظت 2co، باعث کاهش عملکرد دانه شد که البته افزایش 2co مقداری از اثرات منفی افزایش دما را تخفیف داد. امّا در منطقه سردسیر تبریز افزایش سه درجه سانتی‌گراد دما در سطوح غلظت 360، 540 و 720 پی‌پی‌ام 2co به‌ترتیب باعث افزایش 8، 12 و 14 درصدی عملکرد دانه شد، ولی با افزایش بیشتر دما تا نه درجه سانتی‌گراد، عملکرد دانه 23، 15 و 10 درصد نسبت به دمای پایه کاهش یافت. به‌طور کلی، نتایج این مطالعه نشان داد که مدل dssat-nwheat پاسخ‌های عملکرد دانه به طیف گسترده‌ای از مدیریت و شرایط محیطی را به‌خوبی پیش‌بینی می‌کند و می‌توان از آن برای ارزیابی تاثیرات مختلف مدیریت زراعی و تصمیم‌گیری در نظام‌های کشت گندم در شرایط اقلیمی جاری و آینده استفاده کرد.

Evaluation of DSSAT-Nwheat Model across a Wide Range of Climate Conditions in Iran

Introduction Crop models can integrate the complex interactions of soil properties, climatic conditions, crop management practices, and crop genetic characteristics. One of the main aspects of crop simulation models is the possibility to use them across various environmental and management conditions, provided that they have been evaluated under a wide range of growing conditions. The Decision Support System for Agrotechnology Transfer (DSSAT) modeling platform is leading crop modeling system that is widely applied in various environments. Testing crop models under various temperature environments are essential to apply models to climate impact studies. The objective of this study was the testing and evaluation of DSSAT-Nwheat model across a wide range of climate conditions in Iran.  Materials and Methods Nwheat model, which recently integrated into DSSAT, was evaluated for four wheat cultivars using observations from field experiments included a wide range of climate and management. Cultivars were Shahriyar, Pishtaz, Tajan, and Chamran cultivated in cold, temperate, humid and tropical regions in Iran, respectively. The locations represent four different wheat megaenvironments, a concept used by wheat breeders for testing cultivars. The management information used at each site was obtained from the Seed and Plant Improvement Institute. Daily weather data, management events, and soil characteristics imported to DSSAT. The performance of the DSSAT-Nwheat during the calibration and evaluation was assessed using different statistics, Root Mean Square Error (RMSE), Normalized Root Mean Square Error (nRMSE), Willmott’s index (d), and coefficient of determination (R2) of a 1:1 regression line. A sensitivity analysis was conducted using 30 years of observed weather data from Tabriz, Mashhad, Gorgan, and Ahwaz. For the sensitivity analysis scenarios, the temperaturewas increased by 3, 6, and 9°C, and atmospheric CO2 concentration levels were set at 360, 540, and 720 ppm.  Results and Discussion Evaluation results showed that DSSAT-Nwheat model simulated planting to anthesis and planting to maturity accurately with RMSE values less than four days, nRMSE less than 3%, and d index close to one. Also, evaluation of grain yield showed that RMSE varied from 568 kg ha1 for Tajan cultivar up to 933 kg ha1 for Chamran cultivar. In general, nRMSE and d index for grain yield were less than 20% and higher than 0.8, respectively, which showed good calibration accuracy. In DSSAT-Nwheat model, the specific heat stress function explains heat stress effects during grain filling on grain yield in cultivars. Chamran cultivar is somewhat resistant to end season heat stress, so the DSSAT-Nwheat model underestimated in the warm regions. Because the cultivars differ regarding resistance to the end season heat stress, crop models need to consider cultivarspecific tolerance to heat stress to better simulate temperature effects on wheat cropping systems. The response of the model to the increase in temperature was different in regions and levels of CO2 concentrations. Elevated atmospheric CO2 concentrations lessened some of the adverse effects of high temperature. Therefore, the sensitivity analysis of DSSAT-Nwheat model to temperature variations and elevated atmospheric CO2 concentrations showed that the model could be used in studies of climate change impacts on wheat production. This model can be employed to explore the integrated effects of temperature, atmospheric CO2concentrations, water, nutrients, and agronomic management practices in a range of wheat growing environments.  Conclusion The results of this study showed that the DSSAT-Nwheat model had reliably good performance under a wide range of management and environmental conditions. This calibrated model can now be used for assessing impacts of various agronomic management strategies and decisions in wheat cropping systems under current and anticipated climate change. But more importantly is the calibration method and using a large number of climatological data to calibrate.