پارامتریابی و ارزیابی مدل SSM-iLegume برای پیش‌بینی رشد و عملکرد سویا در شرایط گرگان
مدل‌های شبیه‌سازی گیاهان زراعی نمود ریاضی فرآیندهای رشد گیاه بوده که توسط روابط بین ژنوتیپ، محیط زیست و مدیریت محصول تحت تاثیر قرار می‌گیرند. استفاده از مدل‌های شبیه‌سازی گیاهان زراعی به عنوان مکملی کارگشا برای تحقیقات آزمایشی مطرح است. این مدل‌ها می‌توانند برای تفسیر نتایج و بررسی سیستم‌های زراعی د...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2015-11-01
|
| Series: | Pizhūhish/hā-yi tulīd-i giyāhī |
| Subjects: | |
| Online Access: | https://jopp.gau.ac.ir/article_2667_7024ed38b3a6d166b90b6f66c496132f.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | مدل‌های شبیه‌سازی گیاهان زراعی نمود ریاضی فرآیندهای رشد گیاه بوده که توسط روابط بین ژنوتیپ، محیط زیست و مدیریت محصول تحت تاثیر قرار می‌گیرند. استفاده از مدل‌های شبیه‌سازی گیاهان زراعی به عنوان مکملی کارگشا برای تحقیقات آزمایشی مطرح است. این مدل‌ها می‌توانند برای تفسیر نتایج و بررسی سیستم‌های زراعی در شرایط محیطی و مدیریت‌های متفاوت مورد استفاده قرار گیرند.با وجود مدل‌های فراوان در سویا، مدل SSM-iLegume به دلایل زیر ترجیح داده شد:1- سایر مدل‌ها به اندازه‌ی کافی روشن و واضح نمی‌باشند. زیرا یک مدل مناسب باید دارای پارامترها، شکل‌ها و کدهای کاملاً مشخص و واضحی باشد.2- بیشتر مدل‌ها برای پیش‌بینی فرآیندهای کلیدی در گیاهان زراعی از معادلات و پارامترهای زیادی استفاده می‌کنند. در بعضی موارد ساختار مدل به قدری پیچیده است که حتی برای اعضای تیم سازنده مدل نیز واضح نیست. گاهی افزودن پیچیدگی در این مدل‌ها ضرورتی نداشته و منجر به افزایش خطا در آن‌ها می‌شود. کاربرانی که از مدل‌های جعبه سیاه استفاده می‌کنند نمی-توانند بصورت شفاف ساختار مدل و محدودیت‌های آن را بدانند. همچنین مدل‌های پیچیده نیاز به وارد کردن ورودی‌های زیادی هستند که ممکن است به راحتی در دسترس نباشند.3- گاهی نرم افزار مدل ساده، واضح و انعطاف‌پذیر نیست. در بسیاری از موارد استفاده کننده از مدل نیازمند کمک گرفتن از افرادی است که اشراف کامل به مدل دارند.4- تعداد زیادی از مدل‌ها دارای یک یا چند پارامتر نامفهوم می‌باشند. در این مدل تمامی پارامترهای مربوط به گیاه زراعی و رقم به‌صورت واضح و شفاف بوده و همه قابل اندازه‌گیری مستقیم است. هدف از این مطالعه توصیف یک مدل برای گیاه سویا (SSM-iLegume)، تعیین ضرایب ژنتیکی ارقام سویا مورد کشت در گرگان برای مدل و ارایه نتایج حاصل از ارزیابی آن بود.مواد و روش‌ها:مدل SSM-iLegume مراحل فنولوژیک را به عنوان تابعی از دما و طول روز پیش بینی میکند. محاسبه مراحل فنولوژی در مدل براساس مفهوم روز بیولوژیک (حداقل تعداد روز لازم برای تکمیل مرحله نمو معین در دما، طول روز و رطوبت مطلوب) می-باشد. گسترش و پیر شدن سطح برگ تابعی از دما، نیتروژن فراهم برای رشد برگ، تراکم بوته و انتقال مجدد نیتروژن می‌باشد. برای شبیه سازی گسترش سطح برگ، گام اول تعیین افزایش تعداد برگ در ساقه اصلی در هر روز با استفاده از مفهوم فیلوکرون (واحد دمایی بین ظهور برگ متوالی) است. تولید ماده خشک به عنوان تابعی از تشعشع دریافت شده و دما تخمین زده می‌شود. افزایش روزانه ماده خشک گیاه زراعی توسط تولید ناشی از تشعشع فعال فتوسنتزی برآورد می‌شود، که تابعی از تشعشع دریافت شده توسط گیاه زراعی (FINT) و کارایی استفاده از PAR جهت تولید ماده خشک گیاه، مانند کارایی استفاده از تشعشع، می‌باشد. مدلسازی سرعت رشد دانهها و تشکیل عملکرد بر مبنای مفهوم افزایش خطی شاخص برداشت توسط سلطانی و سینکلر (2011) شرح داده شده است. مدل را می‌تواند از سایت https://sites.google.com/site/afshinsoltani/-9-down دانلود کرد. مدل نیاز به داده‌های هواشناسی روزانه مانند حداقل و حداکثر دما، مقدار بارندگی و تشعشع خورشید دارد. مدل می‌تواند برای سناریوها/تیمارهای متعدد برای بیش از چندین سال اجرا شود.یافته‌ها:برای برآورد ضرایب و ارزیابی مدل از داده‌های آزمایش‌های مزرعه‌ای مختلف استفاده شد. بعد از برآورد پارامترهای ژنتیکی، مدل با استفاده از داده‌های مستقل مورد آزمایش قرار گرفت و نتایج حاکی از کارایی قابل قبول آن برای جنبه‌های مهم گیاه زراعی در مقابل آزمایشات مشاهده شده شامل روز تا گلدهی (11CV=، 8/5RMSE=) روز تا رسیدگی (6CV=، 7/8RMSE=)، تعداد گره روی ساقه اصلی (13CV=، 7/1RMSE=) و عملکرد دانه (15CV=، 48RMSE=) بود.نتیجه‌گیری:نتایج نشان داد که برآوردها برای متغیرهای مختلف قابل قبولی است. بنابراین، این مدل می‌تواند در مطالعات شبیه‌سازی عملکرد سویا و محدودیت‌های آن در واکنش به شرایط زیست محیطی، ورودی‌های مدیریتی و عوامل ژنتیکی استفاده شود. |
|---|---|
| ISSN: | 2322-2050 2322-2778 |