
تعداد نشریات | 13 |
تعداد شمارهها | 626 |
تعداد مقالات | 6,517 |
تعداد مشاهده مقاله | 8,746,928 |
تعداد دریافت فایل اصل مقاله | 8,317,527 |
پر کردن خلاء عملکرد ناشی از برخی عوامل زراعی در تعدادی از پهنه های اقلیمی اصلی کشت جو آبی در ایران با رویکرد مدلسازی | ||
پژوهشهای تولید گیاهی | ||
مقاله 7، دوره 31، شماره 4، دی 1403، صفحه 137-157 اصل مقاله (2.68 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jopp.2024.22086.3110 | ||
نویسندگان | ||
محمد رضا رحیمی1؛ رضا دیهیم فرد* 2؛ امید نوری3 | ||
1دانشجوی دکتری اگرواکولوژی، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران | ||
2نویسنده مسئول، دانشیار گروه اگرواکولوژی، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران. | ||
3استادیار گروه اگرواکولوژی، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران | ||
چکیده | ||
سابقه و هدف: جو بعد از گندم دومین غله مهم در ایران میباشد و نقش مهمی در تغذیه دام و طیور دارد. برای تغذیه جمعیت رو به رشد، تولید غلات باید افزایش قابل توجهی طی سالیان آتی داشته باشد. یکی از راههای افزایش تولید، کاستن از خلاء عملکرد موجود میباشد. با توجه به میانگین عملکرد حدود سه تن در هکتار کشور و وجود شکاف زیاد عملکرد در مقایسه با عملکرد قابل بهرهبرداری، این مطالعه برای شناسایی و کمّی کردن برخی عواملی که باعث ایجاد خلاء عملکرد در جو آبی در مناطق غالب کشت جو در ایران میشود، انجام شد. مواد و روشها: این مطالعه در سال 1400 انجام شد. در این مطالعه برای شبیهسازی عملکردهای قابل بهرهبرداری، آب محدود، تاریخ کشت محدود و رقم محدود از مدل APSIM که قبلا برای جو آبی کالیبره شده بود استفاده شد. دادههای مورد نیاز برای شبیهسازی مدل شامل دادههای بلند مدت هواشناسی (1368 تا 1398 به مدت 30 سال) که از سازمان هواشناسی کشور اخذ شد و اطلاعات مربوط به خاک مناطق مورد مطالعه از نتایج مطالعات سایر محققان به دست آمد. دادههای مدیریتی مورد نیاز برای شبیه سازی نیز از کشاورزان مناطق مورد مطالعه از طریق پرسشنامه به دست آمد. پهنههای اصلی کشت جو آبی در کشور و عملکردهای واقعی کشاورزان در این مناطق با استفاده از آمارهای وزارت جهاد کشاورزی مشخص شد. در نهایت با محاسبه انواع خلاء عملکرد در سطوح مختلف تولید میزان تاثیر محدودیت آب، تاریخ کشت و رقم بر خلاء عملکرد مشخص شد. یافتهها: نتایج نشان داد که خلاء عملکرد قابل بهرهبرداری در پهنههای مورد مطالعه به طور میانگین 4/4 تن در هکتار بود که معادل 4/56 درصد از عملکرد قابل بهرهبرداری است. میانگین خلاء عملکرد آب محدود، تاریخ کشت محدود و رقم محدود به ترتیب در پهنههای مورد مطالعه 4/1، 5/0 و 16/0 تن در هکتار برآورد شد. در حالی که خلاء عملکرد سایر عوامل زراعی با 3/2 تن کاهش عملکرد بیشترین سهم را از خلاء عملکرد قابل بهرهبرداری داشت. بیشترین افزایش عملکرد در اثر تغییر تاریخ کشت در کبودرآهنگ به مقدار 8 درصد و کمترین افزایش در سبزوار به مقدار 3 درصد به دست آمد. نتایج شبیهسازیها نشان داد که 3 نوبت آبیاری بیشتر در اراک، کبودرآهنگ و همدان و در سایر مناطق مورد مطالعه نیز 2 نوبت آبیاری بیشتر برای پر کردن خلاء عملکرد آب محدود لازم میباشد. خلاء عملکرد رقم محدود فقط در سه منطقه شیراز، مرودشت و سبزوار مشاهده شد (به طور میانگین 6/3 درصد از خلاء عملکرد قابل بهرهبرداری) که البته با جایگزینی رقم ریحان با رقم بهمن این میزان خلاء قابل جبران میباشد. نتیجهگیری: خلاء عملکرد قابل بهرهبرداری در پهنههای مورد مطالعه از 9/3 تا 5 تن در هکتار متغیر بود. حدود 32 درصد از خلاء عملکرد قابل بهرهبرداری در پهنههای مورد مطالعه مربوط به خلاء عملکرد آب محدود و حدود 11 درصد مربوط به خلاء عملکرد تاریخ کشت محدود بود. خلاء عملکرد رقم محدود نیز با 6/3 درصد کمترین سهم را از خلاء عملکرد قابل بهرهبرداری داشت. بخش عمده خلاء عملکرد قابل بهرهبرداری به میزان حدود 53 درصد ناشی از سایر عوامل محدود کننده و کاهنده عملکرد از جمله آفات، بیماریها، علفهای هرز، شوری خاک، فشردگی خاک، تغذیه نامناسب، تراکم نامطلوب و دیگر عوامل اقتصادی-اجتماعی بود. نتایج این مطالعه نشان داد که با اندک تغییری در تاریخ کشت، افزایش دفعات و بهبود مدیریت آبیاری و استفاده از ارقام مناسب میتوان عملکرد جو را در پهنههای مورد مطالعه به طور قابل توجهی افزایش داد و به خودکفایی در تولید این محصول نزدیکتر شد. | ||
کلیدواژهها | ||
آبیاری؛ رقم؛ عملکرد قابل بهرهبرداری؛ APSIM؛ GYGA | ||
مراجع | ||
1.Harwood, W. A. (2019). An introduction to barley: the crop and the model. Barley: Methods and Protocols, 1-5.
2.Cammarano, D., Ceccarelli, S., Grando, S., Romagosa, I., Benbelkacem, A., Akar, T., & Ronga, D. (2019). The impact of climate change on barley yield in the Mediterranean basin. European Journal of Agronomy, 106, 1-11.
3.Verstegen, H., Köneke, O., Korzun, V., & von Broock, R. (2014). The world importance of barley and challenges to further improvements. Biotechnological approaches to barley improvement, 3-19.
4.FAO, 2020. FAOSTAT (2020): FAO Statistical Databases. Available online at: https://www.fao.org/faostat/en/#data/QCL/visualize.
5.Van Wart, J., Kersebaum, K. C., Peng, S., Milner, M., & Cassman, K. G. (2013). Estimating crop yield potential at regional to national scales. Field Crops Research, 143, 34-43.
6.Miralles, D. J., Abeledo, L. G., Prado, S. A., Chenu, K., Serrago, R. A., & Savin, R. (2021). Barley. In Crop physiology case histories for major crops (pp. 164-195). Academic Press.
7.Zhang, S. Y., Zhang, X. H., Qiu, X. L., Liang, T. A. N. G., Yan, Z. H. U., CAO, W. X., & LIU, L. L. (2017). Quantifying the spatial variation in the potential productivity and yield gap of winter wheat in China. Journal of Integrative Agriculture, 16 (4), 845-857.
8.Chapagain, T., & Good, A. (2015). Yield and production gaps in rainfed wheat, barley, and canola in Alberta. Frontiers in plant science, 6, 990.
9.Patrignani, A., Lollato, R. P., Ochsner, T. E., Godsey, C. B., & Edwards, J. T. (2014). Yield gap and production gap of rainfed winter wheat in the southern Great Plains. Agronomy Journal, 106(4), 1329-1339.
10.Van Ittersum, M. K., Cassman, K. G., Grassini, P., Wolf, J., Tittonell, P., & Hochman, Z. (2013). Yield gap analysis with local to global relevance-a review. Field Crops Research, 143, 4-17.
11.Liu, Z., Yang, X., Lin, X., Hubbard, K. G., Lv, S., & Wang, J. (2016). Maize yield gaps caused by non-controllable, agronomic, and socioeconomic factors in a changing climate of Northeast China. Science of the Total Environment, 541, 756-764.
12.Madias, A., Di Mauro, G., Vitantonio-Mazzini, L. N., Gambin, B. L., & Borrás, L. (2021). Environment quality, sowing date, and genotype determine soybean yields in the Argentinean Gran Chaco. European Journal of Agronomy, 123, 126217.
13.Zhang, W., Cao, G., Li, X., Zhang, H., Wang, C., Liu, Q., & Dou, Z. (2016). Closing yield gaps in China by empowering smallholder farmers. Nature, 537 (7622), 671-674.
14.Mohammadi-Ahmadmahmoudi, E., Deihimfard, R., & Noori, O. (2020). Yield gap analysis simulated for sugar beet-growing areas in water-limited environments. European Journal of Agronomy, 113, 125988.
15.Khaliq, T., Gaydon, D. S., Cheema, M. J. M., & Gull, U. (2019). Analyzing crop yield gaps and their causes using cropping systems modelling–A case study of the Punjab rice-wheat system, Pakistan. Field Crops Research, 232, 119-130.
16.Beza, E., Silva, J. V., Kooistra, L., & Reidsma, P. (2017). Review of yield gap explaining factors and opportunities for alternative data collection approaches. European Journal of Agronomy, 82, 206-222.
17.Alasti, O., Zeinali, E., Soltani, A., & Torabi, B. (2022). Exploring the current status of barley yield and production gap of Iran. European Journal of Agronomy, 139, 126547.
18.van Bussel, L. G., Grassini, P., Van Wart, J., Wolf, J., Claessens, L., Yang, H., ... & van Ittersum, M. K. (2015). From field to atlas: Upscaling of location-specific yield gap estimates. Field Crops Research, 177, 98-108.
19.Alasti, O., Zeinali, E., Soltani, A., & Torabi, B. (2021). Estimating the Potential Increase of Irrigated Barley Production over Iran via Closure of Yield Gap Based on GYGA Protocol. Journal of Agroecology, 13 (2), 325-344. [In Persian with English abstract]
20.Soltani, A., Nehbandani, A. R., Dadrasi, A., Alimagham, S. M., Zeinali, E., & Torabi, B. (2018). Agro-Ecological Zoning (AEZ) of Iran for Plant Production. Research report. Gorgan University of Agricultural Sciences and Natural Resources. [In Persian]
21.Nehbandani, A., Soltani, A., Taghdisi Naghab, R., Dadrasi, A., & Alimagham, S. M. (2020). Assessing HC27 soil database for modeling plant production. International Journal of Plant Production, 14, 679-687.
22.Rahimi, M. R., Deihimfard, R., & Noori, O. (2024). Analyzing unexploitable, agronomic, and non-agronomic yield gaps in irrigated barley growing areas of arid and frost-prone regions from Iran. Agronomy for Sustainable Development.
23.Keating, B. A., Carberry, P. S., Hammer, G. L., Probert, M. E., Robertson, M. J., Holzworth, D., ... & Smith, C. J. (2003). An overview of APSIM, a model designed for farming systems simulation. European journal of agronomy, 18 (3-4), 267-288.
24.Wang, J., Wang, E., Yin, H., Feng, L., & Zhao, Y. (2015). Differences between observed and calculated solar radiations and their impact on simulated crop yields. Field Crops Research, 176, 1-10.
25.Jenab, M., & Nazari, B. (2019). The study of water productivity and yield gap of wheat, barley and maize in Qazvin province. Iranian Journal of Soil and Water Research, 49 (6), 1405-1417. [In Persian with English abstract]
26.Zahed, M., Soltani, A., Zeinali, E., Torabi, B., Zand, E., & Alimagham, S. (2019). Modeling of irrigated wheat yield potential and gap in Iran. Journal of Crop Production, 12 (3), 35-52. [In Persian with English abstract]
27.Mohammadzadeh, Z., Soltani, A., Ajamnorozei, H., & Bazrgar, A. B. (2020). Modeling of sugar beet yield gap and potential in Iran. Journal of Sugar Beet, 36 (1), 27-46. [In Persian with English abstract]
28.Gao, Z., Feng, H. Y., Liang, X. G., Lin, S., Zhao, X., Shen, S., & Zhou, S. L. (2021). Adjusting the sowing date of spring maize did not mitigate against heat stress in the North China Plain. Agricultural and Forest Meteorology, 298, 108274.
29.Fallah, S., & Reza Tadayon, M. (2014). Effect of sowing date and planting density on growth, yield and yield components of winter wheat (Triticum aestivum L.) in Shahrekord area. Research in Field Crop Journal, 1 (2), 11-21. [In Persian with English abstract]
30.Nunes, H. G. G. C., Farias, V. D. S., Sousa, D. P., Costa, D. L. P., Pinto, J. V. N., Moura, V. B., ... & Souza, P. J. O. P. (2021). Parameterization of the AquaCrop model for cowpea and assessing the impact of sowing dates normally used on yield. Agricultural Water Management, 252, 106880.
31.Kamali, N., Khajehpour, M. R., & Soleymani, A. (2017). Studying some physiological factors influencing the growth of Barley cultivarsas affected by planting date. Iranian Journal of Field Crop Science, 48 (1), 183-197. [In Persian with English abstract]
32.Abbasi, F., Sohrab, F., & Abbasi, N. (2017). Evaluation of irrigation efficiencies in Iran. Irrigation and Drainage Structures Engineering Research, 17 (67), 113-120. [In Persian with English abstract]
33.Balboa, G. R., Archontoulis, S. V., Salvagiotti, F., Garcia, F. O., Stewart, W. M., Francisco, E., & Ciampitti, I. A. (2019). A systems-level yield gap assessment of maize-soybean rotation under high-and low-management inputs in the Western US Corn Belt using APSIM. Agricultural Systems, 174, 145-154.
34.Davis, K. F., Rulli, M. C., Garrassino, F., Chiarelli, D., Seveso, A., & D'Odorico, P. (2017). Water limits to closing yield gaps. Advances in water resources, 99, 67-75.
35.Espe, M. B., Hill, J. E., Leinfelder-Miles, M., Espino, L. A., Mutters, R., Mackill, D., & Linquist, B. A. (2018). Rice yield improvements through plant breeding are offset by inherent yield declines over time. Field Crops Research, 222, 59-65. | ||
آمار تعداد مشاهده مقاله: 162 تعداد دریافت فایل اصل مقاله: 33 |