ارزیابی مدل ceres-maize برای شبیه‌سازی گیاه ذرت تحت سناریوهای مختلف مدیریت آبیاری و کود نیتروژن

مدل‌سازی گیاهی روشی ارزان، سریع و توانمند برای دستیابی به نتایج اثر عوامل مختلف بر رشد گیاهان زراعی است. از این رو، مدل‌های گیاهی مانند مدل ceres-maize برای شبیه‌سازی عملکرد گیاهان بسط داده شده است. با توجه به اینکه مقدار آب آبیاری و کود نیتروژن دو عامل بسیار مهم برای بهبود عملکرد ذرت هستند؛ اطلاع از دقت و خطای مدل ceres-maize برای شبیه‌سازی عملکرد این گیاه زراعی تحت تیمارهای اشاره شده اهمیت دارد. از این رو، تحقیق حاضر در مزرعه 500 هکتاری موسسه تحقیقات اصلاح و تهیه نهال و بذر در طول جغرافیایی 50.58 درجه شرقی و عرض جغرافیایی 35.56 انجام شد. در این پژوهش دو رقم ذرت دبل کراس 370 و سینگل کراس 260 مورد مطالعه قرار گرفتند. در رقم دبل کراس 370، دو عامل مقدار آب آبیاری در چهار سطح (w1: 120، w2: 100، wi3: 80 و w4: 60 درصد نیاز آبی) و کود نیتروژن در چهار مقدار (n1: 100، n2: 80، n3:60 و n4: صفر درصد نیاز نیتروژن خالص) و در رقم سینگل کراس 260 عامل سطوح کودی در چهار سطح (n1: 100، n2: 80، n3:60 و n4: 50 درصد نیاز نیتروژن خالص) تحت مطالعه قرار گرفتند. نتایج برای هر دو رقم نشان داد که مدل ceres-maize دچار خطای کم‌برآوردی (0 ≥ mbe) شد. خطای این مدل برای شبیه‌سازی عملکرد رقم دبل کراس 370 برابر با 1.24 تن در هکتار و برای رقم سینگل کراس 260 برابر با 0.44 تن در هکتار بود. دقت مدل ceres-maize برای شبیه‌سازی این دو رقم به ترتیب در دسته‌ی خوب (0.13 = nrmse) و عالی (0.06 = nrmse) قرار داشت. خطای مدل ceres-maize برای تیمارهای آبی در رقم دبل کراس 370 بین 1.65-0.89 تن در هکتار و برای تیمارهای کودی در این رقم بین 1.9-0.43 تن در هکتار بود. در حالی که تفاوتی بین خطای مدل در دو حالت تقسیط کود مشاهده نشد. بنابراین، مدل نسبت به تقسیط کود حساسیتی نداشت در حالی که تغییرات آب آبیاری و مقدار کود بر دقت آن اثر زیادی داشت. براساس کلیه نتایج، مدل ceres-maize برای شبیه‌سازی هر دو رقم ذرت پیشنهاد می‌شود گرچه دقت آن در رقم سینگل کراس 260 بیشتر بود.

evaluation of ceres-maize model for simulation of maize under different scenarios of irrigation and nitrogen fertilizer management

crop modeling is a cheap, fast and powerful method to achieve the results of the effect of various factors on crop growth. hence, crop models such as ceres-maize have been developed to simulate plant performance. given that the amounts of irrigation water and nitrogen fertilizer are two very important factors to improve corn yield; it is important to know the accuracy and error of the ceres-maize model to simulate the yield of this crop under the mentioned treatments. therefore, the present study was conducted at a 500-hectare farm of the seed and plant breeding research institute located at 50.58° east longitude and 35.56° latitude on two corn cultivars (double cross 370 and single cross 260). for double cross 370, two factors including the amount of irrigation water at four levels (w1: 120, w2: 100, wi3: 80 and w4: 60 percent of water requirement) and nitrogen fertilizer at four levels (n1: 100, n2: 80, n3: 60 and n4: zero percent of nitrogen requirement) were considered. for single cross 260, four fertilizer levels (n1: 100, n2: 80 and n3: 60 and n4: 50 percent of nitrogen requirement) were studied. the results for both cultivars showed that the ceres-maize model underestimated crop yield (0 ≥ mbe). the amount of error for simulating yield of double cross cultivar 370 and single cross cultivar 260 was 1.24 and 0.44 tons per hectare, respectively. the accuracy of ceres-maize model for simulating these two cultivars was in the category of good (nrmse = 0.13) and excellent (nrmse = 0.06), respectively. the error of ceres-maize model for double cross cultivar 370 and for irrigation treatments was in the range of 0.89-1.65 t/ha and for fertilizer treatments was in the range of 0.43-9.9 t/ha. no difference was observed between the model errors in two fertilizer applications. therefore, the model was not sensitive to fertilizer apportionment, while changes in irrigation water and fertilizer amount had a great effect on its accuracy. based on all the results, the ceres-maize model is recommended for simulation of both corn cultivars, although its accuracy was higher for the single cross 260 cultivar.