ارزیابی مدل CERES-Maize برای شبیه سازی گیاه ذرت تحت سناریوهای مختلف مدیریت آبیاری و کود نیتروژن

مدل سازی گیاهی روشی ارزان، سریع و توانمند برای دستیابی به نتایج اثر عوامل مختلف بر رشد گیاهان زراعی است. از این رو، مدل های گیاهی مانند مدل CERES-Maize برای شبیه سازی 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 شبیه سازی 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 58/50 درجه شرقی و عرض جغرافیایی 56/35 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 کم برآوردی (0 ≥ MBE) شد. خطای این مدل برای شبیه سازی عملکرد رقم دبل کراس 370 برابر با 24/1 تن در هکتار و برای رقم سینگل کراس 260 برابر با 44/0 تن در هکتار بود. دقت مدل CERES-Maize برای شبیه سازی این دو رقم به ترتیب در دسته ی خوب (13/0 = NRMSE) و عالی (06/0 = NRMSE) قرار داشت. خطای مدل CERES-Maize برای تیمارهای آبی در رقم دبل کراس 370 بین 65/1-89/0 تن در هکتار و برای تیمارهای کودی در این رقم بین 9/1-43/0 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 شبیه سازی هر دو رقم ذرت پیشنهاد می شود گرچه دقت آن در رقم سینگل کراس 260 بیشتر بود.