ارزیابی مدل aquacrop در پیش‌بینی ﻣﺎده ﺧﺸﻚ ﻛﻞ و ﻋﻤﻠﻜﺮد داﻧﻪ ذرت، تحت مدیریت آبیاری و نیتروژن

مطالعه حاضر برای ارزیابی توانایی مدل aquacrop برای پیش‌بینی عملکرد دانه و عملکرد بیولوژیک ذرت، در لاهیجان، به مدت دو سال در سال‌های زراعی 1389 و 1390 اجرا گردید. طرح آزمایشی کرت‌های خرد‌شده، در قالب بلوک‌های کامل تصادفی با سه تکرار بود. تیمار‌های آبیاری به عنوان کرت اصلی در سه سطح دور آبیاری 6، 12 و 18 روز بودند. تیمار‌های کود نیتروژن به عنوان کرت فرعی در 4 سطح 0، 120، 180 و 240 کیلوگرم در هکتار بودند. ارزیابی مقادیر شبیه‌سازی و اندازه‌گیری شده عملکرد دانه و عملکرد بیولوژیک با استفاده از ضریب تبیین و پارامتر ریشه میانگین مربعات خطای نرمال شده انجام گرفت. بر اساس نتایج، متوسط ریشه میانگین مربعات خطای نرمال شده‌ی پیش‌بینی عملکرد دانه در مرحله واسنجی و اعتبارسنجی برای ژنوتیپ‌ (سینگل کراس 704) به ترتیب، 14.74 و 12.01 درصد، و برای عملکرد بیولوژیک به ترتیب، 10.31 و 9.66 درصد محاسبه گردید. هم‌چنین، مقدار ضریب تبیین در مراحل واسنجی و اعتبارسنجی برای عملکرد ذرت توسط مدل به ترتیب، 0.90 و 0.61 و برای عملکرد بیولوژیک به ترتیب، 0.91 و 0.86 بدست آمد. نتایج نشان داد که مدل aquacrop در پیش‌بینی عملکرد دانه و عملکرد بیولوژیک ذرت، دارای دقت مناسب می‌باشد.

Performance Evaluation of FAO AquaCrop Model to Predict Maize Grain Yield and Biomass under different water regimes and fertilizer

This study was conducted for performance evaluation of AquaCrop model to predict grain yield and biomass of maize in Lahijan, Iran for two years (2010 2011). The experiment was a randomized block based on a split plot design with three replications. Irrigation treatments as main plots were in three irrigation levels 6, 12 and 18 days, respectively. Nitrogen fertilizer treatments as sub plots in four levels of 0, 120, 180 and 240 kg per hectare, respectively. Evaluation simulated and measured grain yield and biomass by adjusted coefficient of correlation; and by normalized root mean square errors (NRMSE). Based on results, the average normalized root mean square error of calibration and validation in grain yield prediction for the genotype (SC704), were calculated 14.74 and 12.01 percent, respectively and for biomass, were calculated 10.31 and 9.66, respectively. Also, the regression coefficient (R2) of calibration and validation for maize grain yield, were calculated 0.84 and 0.77, respectively and for maize biomass, were calculated 0.91 and 0.86, respectively. Results indicated that, the AquaCrop model predicted maize grain yield and biomass prediction with an appropriate precision.