شبیه سازی عملکرد سویا با مدل ilegume_soybean در استان مازندران

سویا از منابع عمده تولید روغن و پروتئین گیاهی به‌شمار می‌رود. بیش از 50 درصد تولید دانه‌های روغنی جهان به سویا اختصاص دارد. هدف از این مطالعه ارزیابی و به کارگیری یک مدل ساده رشد و عملکرد سویا در شرایط شرق مازندران بود. جنبه‌های مختلف رشد گیاه در مدل ilegume_soybeanبه صورت زیر برنامه‌هایی شامل نمو فنولوژیک، تغییرات سطح برگ، تولید و توزیع ماده خشک سازمان‌دهی شده‌اند. عملکرد دانه، عملکرد بیولوژیک و شاخص برداشت با استفاده از سناریوهای مختلف شبیه‌سازی شد. نتایج نشان داد که ضرایب رگرسیونی عملکرد دانه و شاخص برداشت مشاهده شده در مقابل مقادیر شبیه‌سازی بر مبنای حدود اطمینان 95 درصد اختلاف معنی‌داری با ضرایب خط 1:1 (0=a و 1=b) نداشتند. مقدار ضریب تبیین (r^2) برای عملکرد دانه و شاخص برداشت به ترتیب 0.96 و 0.80 به دست آمدند. علی‌رغم این که مقدار r2 بین مقادیر مشاهده شده و شبیه‌سازی 96 درصد بود اما با شیب خط 1:1 مطابقت نداشت و نسبت به آن دارای اریب بود. لذا می‌توان بیان داشت که مدل مورد نظر توانایی پیش‌بینی عملکرد دانه و شاخص برداشت در شرایط محیطی مازندران را دارد اما مدل نمی‌تواند برای عملکرد بیولوژیک سویا در مازندران پیش‌بینی مناسبی نماید.

Simulation of soybean growth and yield using iLegume_Soybean model in Mazandaran

soybean is one of the most important oily plants in the world. More than 50 percent of the world’s oilseed production is concentrated on soybean. The purpose of this study was to evaluate and apply a simple model of soybean growth and yield in eastern Mazandaran provinc. Different aspects of plant growth in the model are as follows including phonological development, leaf area changes, and the production and distribution of dry matter. Grain yield, biological yield and harvest index were simulated using different scenarios. The results showed that the regression coefficients of the observed grain yield and harvest index versus simulated values based on 95% confidence intervals were not significantly different with the coefficients of line 1: 1 (a = 0 and b = 1). The values of R2 for grain yield and harvest index were 0.96 and 0.80 respectively. Despite R2 of linear regressed line between observed yield biological versus predicted values was 0.96 but bias frome the 1:1 line was high. Therefore, it can be said that the model has the ability to predict grain yield and harvest index in the environmental conditions of Mazandaran, but it can not be suitable for soybean biological yield in Mazandaran.