توسعه یک مدل جدید رشد منطقه‌ای ذرت بر اساس تبخیر - تعرق گیاه مرجع

شرایط آب و هوایی و میزان آبیاری از عوامل کلیدی تاثیرگذار بر فرآیندهای رشد محصول هستند. اطلاع از میزان عملکرد بیولوژیک محصولات در مراحل مختلف رشد، می توان ابزار سودمندی برای برنامه ریزی و مدیریت آب و کود در مزرعه می باشد. تولید ذرت علوفه ای (zea mays l.) یکی از مهم ترین محصولات زارعی است که تاثیرات گسترده ای بر اقتصاد کشاورزی دارد. در این مطالعه به بررسی برآورد عملکرد نسبی ذرت در دو حالت یکی با استفاده از متغیر تبخیر – تعرق مرجع تجمعی نسبی ( ) و دیگری با استفاده از متغیر درجه-روز-رشد تجمعی نسبی ( )، توسط مدل لجستیک پرداخته شد. نتایج نشان داد که بر اساس آماره های ، rmse و mape، مدل لجستیک در برآورد عملکرد بیولوژیک در طول دوره رشد، از صحت بالایی برخوردار است. همچنین با مقایسه نتیجه مدل برای دو متغیر مستقل   و ، این نتیجه حاصل شد که مدلی که از تبخیر - تعرق گیاه مرجع تجمعی نسبی، دقیق‌تر از مدلی است که از درجه – روز – رشد تجمعی نسبی استفاده می‌کند. متغیر ورودی  به این دلیل که می تواند به طور جامع اثرات عوامل هواشناسی بر رشد ذرت علوفه ای را منعکس کند، توانایی بالاتری در شبیه سازی فرآیند رشد ذرت علوفه ای دارد. هر چند که در شرایط کمبود داده مدل ارائه شده بر اساس درجه – روز – رشد نیز می تواند عملکرد ذرت را با دست مناسبی برآورد نماید. پیشنهاد می شود مدل ارائه شده در دستگاه های اجرایی کشور به منظور آمایش سرزمین، الگوی بهینه کشت و نهایتاً برنامه ریزی های کلان مدنظر قرار گیرد.

development of a new regional corn growth model based on reference crop evapotranspiration

weather conditions and the amount of irrigation are key factors influencing crop growth processes. knowing the biological performance of crops at different growth stages can be a useful tool for planning and managing water and fertilizers on the farm. forage corn production (zea mays l.) is one of the most important agricultural crops, with significant impact on the agricultural economy. in this study, the relative performance of corn was estimated in two scenarios, one using the variable of cumulative relative reference crop evaporation-transpiration ( ) and the other using the variable of cumulative relative growing degree days ( ), by logistic model. the results showed that based on statistical indices such as r2, rmse and mape, the logistic model has high accuracy in estimating biological performance during the growth period. also, by comparing the results of the model for two independent variables  and , indicated that the model using cumulative relative reference crop evapotranspiration-transpiration was more accurate than the model using cumulative growing degree days. the input variable  has a higher capability to simulate the fodder corn growth process due to the fact that it can comprehensively reflect the effects of meteorological factors on the growth of fodder corn. although, in the conditions of lack of data, the presented model based on growing degree days can also estimate the yield of corn with a suitable hand. it is recommended that the proposed model be considered by executive organizations in the country for land-use planning, optimal cropping patterns, and ultimately macro-scale agricultural planning.