توسعۀ مدل گیاهی ترکیبی بر پایۀ مدل csm-ceres-maize برای مدیریت آبیاری و ارزیابی شبیه سازی شاخص های رشد ذرت
چکیده
در این بررسی، با هدف طراحی مدلی توانمند و منطبق بر نیازهای داخلی کشور، مدلهای پرکاربرد csm-ceres-maize از بستۀ نرمافزاری dssat نسخۀ 4 و مدل swap به یکدیگر متصل شدند تا هر یک از مدلها از ویژگیهای منحصر به فرد مدل دیگر استفاده کند. در مدل ترکیبی توسعه داده شده با نام پیشنهادی ceres-maize-hbased، مدل ceres-maize از مقادیر روزانۀ رطوبت خاک، تبخیر- تعرق واقعی و پتانسیل و جذب آب توسط ریشه محاسبه شده توسط مدل swap بهره می گیرد و پارامترهای روزانۀ رشد ریشه و شاخص سطح برگ را محاسبه و به آن ارسال میکند. برای ارزیابی مدل از دادههای ذرت کشت شده در منطقۀ ورامین استفاده شد. مقایسۀ نسخۀ اصلی مدل و نسخۀ توسعه یافتۀ مدل در پیشبینی مقدار مادۀ خشک نشان داد که هر دو مدل به خوبی مادۀ خشک را شبیهسازی می کنند. تفاوت معناداری بین عملکرد دو مدل در مقدار متوسط و مقدار نهایی مجموع مادۀ خشک مشاهده شد. مقدار متوسط و مجموع خطای مطلق نسخۀ توسعه یافته و اصلی مدل در شبیهسازی مادۀ خشک نهایی در 12 تیمار بررسی شده، به ترتیب 1021، 4207 کیلوگرم بر هکتار و 1271 و 5978 کیلوگرم بر هکتار بود. در کل به دلیل عملکرد موفق مدل توسعه یافته در شبیهسازی پارامتر هدف (مادۀ خشک)، میتوان نتیجه گرفت که اتصال دو مدل با موفقیت صورت گرفته و مدل ترکیبی جدید، آمادۀ استفاده در پژوهشهای مرتبط با رشد ذرت است.