پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 769 |
| تعداد مقالات | 7,292 |
| تعداد مشاهده مقاله | 10,760,103 |
| تعداد دریافت فایل اصل مقاله | 7,149,690 |
پارامتریابی و ارزیابی مدل SSM-iCrop برای پیش‌بینی رشد و نمو، عملکرد دانه، تجمع و غلظت نیتروژن در گندم | ||
| تحقیقات غلات | ||
| دوره 14، شماره 4 - شماره پیاپی 53، بهمن 1403، صفحه 381-396 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22124/cr.2025.28834.1842 | ||
| نویسندگان | ||
| آرزو عبیدی* 1؛ افشین سلطانی2؛ ابراهیم زینلی3 | ||
| 1دانشجوی دکتری، گروه زراعت، دانشکده تولیدات گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| 2استاد، گروه زراعت، دانشکده تولیدات گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرکان، ایران | ||
| 3دانشیار، استاد، گروه زراعت، دانشکده تولیدات گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرکان، ایران | ||
| چکیده | ||
| مقدمه: گندم یکی از مهم‌ترین گیاهان زراعی در ایران است، به‌طوری که امنیت غذایی در این کشور تا حد زیادی به فرآورده‌های حاصل از آرد دانه گندم وابسته است. به‌منظور بررسی رشد و نمو و پویایی نیتروژن در گیاهان زراعی، انجام آزمایش‌های مزرعه‌ای زیادی در طیف وسیعی از زمان‌ها و مناطق اقلیمی ضروری است. اجرای چنین آزمایش‌هایی، سخت، زمان‌بر و پرهزینه است، اما با کمک مدل‌های شبیه‌سازی گیاهی می‌توان در زمان و هزینه‌های ناشی از آزمایش‌های مزرعه‌ای صرفه‌جویی کرد. مطالعه حاضر با هدف پارامتریابی و ارزیابی مدل SSM-iCrop برای پیش‌بینی نمو، سطح برگ، عملکرد زیستی، عملکرد دانه و پویایی نیتروژن در گندم در ایران انجام شد. پارامتریابی و ارزیابی این مدل در شبیه‌سازی تجمع و غلظت نیتروژن برای گندم در ایران تا کنون انجام نشده است. مواد و روش‌ها: پارامتریابی و ارزیابی مدل شبیه‌سازی SSM-iCrop برای پیش‌بینی مراحل مختلف فنولوژی، تعداد گره، سطح برگ، عملکرد بیولوژیک و دانه، تجمع نیتروژن در بخش هوایی و دانه، و غلظت نیتروژن دانه در گیاه گندم در مناطق مختلف ایران با استفاده از داده‌های جمع‌آوری شده از نتایج مطالعات انجام شده توسط سایر پژوهش‌گران در سال‌ها و مناطق مختلف انجام شد. برای ارزیابی توانایی مدل در پیش‌بینی صفات یادشده، آماره‌های مختلف شامل مجذور میانگین مربعات خطا (RMSE)، ضریب همبستگی (r) و ضریب تغییرات (CV) بین مقادیر مشاهده‌شده و شبیه‌سازی شده محاسبه شدند. همچنین، خطوط 1:1 با اختلاف 20± درصد برای نشان دادن میزان انحراف داده‌های شبیه‌سازی شده در مقابل داده‌های مشاهده شده رسم شدند. یافته‌های تحقیق: نتایج نشان داد که مدل می‌تواند با دقت بسیار بالایی زمان وقوع مراحل مختلف نمو شامل تعداد روز تا سبز شدن، پنجه‌زنی، ساقه‌رفتن، سنبله‌دهی و رسیدگی فیزیولوژیک را پیش‌بینی کند (r = 0.99 و CV = 7.8%). مدل به خوبی توانست تعداد گره در ساقه اصلی (r = 0.88 و CV = 11.3%)، حداکثر شاخص سطح‌برگ در گرده‌افشانی (r = 0.88 و CV = 17.8%)، عملکرد زیستی (r = 0.79 و CV = 11.3%)، عملکرد دانه (r = 0.84 و CV = 12.6%). ، تجمع نیتروژن بخش‌هوایی (r = 0.84 و CV = 12.7%)، تجمع نیتروژن دانه (r = 0.80 و CV = 16.4%) و غلظت نیتروژن دانه (r = 0.66 و CV = 11.3%) را پیش‌بینی کند. نتیجه‌گیری: با توجه به توانایی بالای مدل SSM-iCrop در پیش‌بینی نمو، تجمع ماده خشک، شاخص سطح برگ، عملکرد دانه، تجمع و غلظت نیتروژن می‌توان از این مدل برای اهداف مختلف مانند بهبود مدیریت زراعی، تجزیه و تحلیل رشد و عملکرد، تخمین عملکرد پتانسیل، خلأ عملکرد و اثرات تغییرات اقلیمی برای گندم استفاده کرد. | ||
| کلیدواژه‌ها | ||
| سطح برگ؛ عملکرد؛ فنولوژی؛ ماده‌خشک؛ مدل‌سازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 32 |
||