مستندسازی شرایط تولید و کمی‌سازی خلا عملکرد گندم و جو پاییزه در استان البرز با بهره‌گیری از مدل اپسیم

هدف: پژوهش حاضر به‌منظور مستندسازی شرایط تولید و کمی‌سازی خلا عملکرد گیاهان گندم و جو پاییزه در استان البرز با استفاده از مدل‌های زراعی و اقلیمی انجام شد.روش پژوهش: جهت پیش‌بینی متوسط عملکرد پتانسیل منطقه طی 10 سال گذشته از زیرمدل‌های نسخه 7.1 مدل اپسیم (apsim-wheat و apsim-barley) استفاده شد. به این منظور ابتدا زیرمدل‌های یادشده برای ارقام غالب تعیین‌شده پارامتریابی و سپس کارایی مدل برای پیش‌بینی عملکرد ارقام موردارزیابی قرار گرفت. برای انجام عمل پارامتریابی و ارزیابی مدل نیاز به داده‌های هواشناسی، مدیریت رایج در منطقه و ضرایب ژنتیکی ارقام بود. جهت جمع‌آوری این داده‌ها، پژوهشی چهارساله در دو بخش مزرعه‌ای و میدانی انجام شد. جهت پارامتریابی مدل، آزمایشی دوساله در مزرعه سازمان انرژی اتمی (سال‌ زراعی 94-1393) و دانشکده کشاورزی دانشگاه تهران (سال زراعی 96-1395) در قالب طرح بلوک‌های کامل تصادفی با 12 تیمار (شش رقم جو و شش رقم گندم) و سه تکرار انجام شد. با استفاده از داده‌های آزمایش مزرعه‌ای، ضرایب ژنتیکی ارقام شناسایی و مدل بر مبنای آن بومی‌سازی شد. جهت ارزیابی مدل نیز نمونه‌برداری میدانی طی سال‌های زراعی 98-1397 و 99- 1398، از 60 مزرعه منتخب منطقه نظرآباد واقع در استان البرز صورت گرفت.یافته‌ها: در هر دو سال آزمایش شاخص‌های ارزیابی مدل (nrmse، crm، d-index و r^2) کارایی زیرمدل‌های اپسیم در شبیه‌سازی عملکرد گندم و جو را تایید کردند. نتایج حاصل از شبیه‌سازی نشان داد که در شرایط پتانسیل، طی 10 سال گذشته گیاهان گندم و جو در استان البرز به‌طور متوسط توانایی تولید 10800 و 10350 کیلوگرم در هکتار عملکرد دانه را داشتنه‌اند. خلا عملکرد گندم در سطح یک (اختلاف عملکردهای پتانسیل و کشاورزان پیشرو)، سطح دو (اختلاف عملکردهای کشاورزان پیشرو و قابل‌دسترس)، سطح سه (اختلاف عملکردهای قابل‌دسترس و واقعی) و سطح چهار (اختلاف عملکرد واقعی و متوسط منطقه)، به‌ترتیب 18.5، 14.9، 26.5، 18.3 درصد و در جو به‌ترتیب 29.5، 3.1، 24.0 و 23.7 درصد بود. عوامل مدیریتی ازجمله دور آبیاری، حجم آب مصرفی در طول فصل رشد، تاریخ کاشت، رقم مورد کاشت، میزان کود مصرفی نیتروژن و تراکم گیاهی، مهم‌ترین عوامل موثر بر خلا عملکرد گندم و جو در استان البرز بودند.نتیجه‌گیری: بنا بر نتایج این بررسی، کشاورزان منطقه می‌توانند با اتخاذ راهبردهای مناسب و بهینه مدیریتی (سطوح مختلف رژیم‌های رطوبتی، کودی، تاریخ کشت‌ و رقم مناسب کشت)، ضمن افزایش تولیدات منطقه در حفظ منابع کشور موثر باشند. در این راستا استفاده از مدل زراعی اپسیم نیز در پیش‌بینی، سناریوسازی و اتخاذ تصمیم‌های مدیریتی می‌تواند راه‌گشا باشد.

documenting production conditions and quantifying the yield gap of winter wheat and barley in alborz province by using the apsim model

objective: this study aimed to characterize the production conditions and quantify the yield gap of spring wheat and barley in alborz province using crop and climate models.method: the potential regional yield over the past decade was estimated using the apsim-7.1 sub-models (apsim-wheat and apsim-barley). these models were first parameterized for dominant local cultivars, and their performance evaluated using climatic data, regional management practices, and genetic coefficients. data collection involved a four-year study in two phases: farm and field. parameterization was based on a two-year experiment (2014–2015 at the atomic energy organization farm and 2016–2017 at the university of tehran), employing a randomized complete block design with 12 treatments (six wheat and six barley cultivars) and three replications. model evaluation used data from 60 farms in nazarabad during 2018–2019 and 2019–2020.results: model evaluation indices (nrmse, crm, d-index, r²) confirmed the effectiveness of apsim in simulating wheat and barley yields. simulations indicated potential yields of approximately 10,800 kg/ha for wheat and 10,350 kg/ha for barley over the past 10 years. the yield gaps at different levels were: level 1 (difference between potential and leading farmers) –18.5% for wheat and 29.5% for barley; level 2 (available vs. leading farmers) –14.9% and 3.1%; level 3 (available vs. actual yields) –26.5% and 24.0%; and level 4 (actual vs. regional average yields) –18.3% and 23.7%. key management factors influencing yield gaps included irrigation schedule, water use, planting date, cultivar choice, nitrogen application, and plant density.conclusions: adopting optimal management practices—such as tailored irrigation, fertilizer application, planting timing, and cultivar selection—can help farmers reduce yield gaps and conserve resources. the apsim model proves valuable for forecasting, scenario analysis, and decision-making aimed at improving productivity in alborz province.