نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی آبیاری و زهکشی، گروه مهندسی آب دانشگاه بین‌المللی امام خمینی‌(ره)، قزوین، ایران

2 دانشیار گروه علوم و مهندسی آب دانشگاه بین المللی امام خمینی

3 دانشیار گروه مهندسی آب دانشگاه بین‌المللی امام خمینی‌(ره) ، قزوین، ایران

چکیده

برآورد پتانسیل تولید یک گیاه، تابعی از شرایط اقلیمی، پتانسیلهای ژنتیکی گیاه و سایر عوامل مختلف محیطی و مدیریتی است. ارزیابی توانمندی مناطق در به فعلیت رساندن پتانسیلهای ژنتیکی گیاهان، از نکات مهم برنامه‌ریزی‌های کلان در کشاورزی به حساب می‌آید. با توجه به جایگاه استان قزوین در تولید محصول ذرت و اهمیت کشت این محصول در استان برآورد هرچه دقیق میزان عملکرد این محصول استراتژیک از ضرورت بالایی برخوردار است. در همین راستا با مطالعه یک دوره داده برداری 11 ساله اقدام به برآورد عملکرد محصول ذرت با مدل گیاهی جدید AquaCrop-GIS گردید. پهنه‌بندی شاخص‌های کلیدی محصول از طریق مدل در سطح استان شبیه‌سازی شد. با بررسی نتایج این پارامترهای کلیدی مشخص گردید ایستگاه‌های مطالعاتی قزوین و معلم کلایه با میزان تبخیروتعرق مرجع کمتر از بهره‌وری آب بیشتری برخوردار می‌باشند. در ادامه با کمک عملکرد محاسباتی، اجزای ردپای آب و ردپای آب کل محصول در محدوده ایستگاه‌های مطالعاتی تخمین زده شد. با بررسی معادلات رگرسیونی میان اجزای ردپای آب و ردپای آب کل محصول با عملکرد محصول در هر ایستگاه مشخص گردید که روابط ردپای آب آبی با عملکرد نسبت به سایر اجزای ردپای آب برای تمامی ایستگاه‌ها از میزان ضریب تعیین ( 43/0= R2، 51/0= R2، 43/0= R2، 77/0= R2 و 79/0 = R2 به ترتیب برای ایستگاه های قزوین، آوج، معلم کلایه، تاکستان و بویین زهرا) و سطح معنی‌داری بالاتری برخوردار است. به‌طورکلی ضریب تعیین این روابط در ایستگاه بویین زهرا با 88/0= R2، 79/0= R2، 56/0= R2 و 53/0= R2 به ترتیب برای ردپای آب سبز، آبی، خاکستری و ردپای آب کل نسبت به سایر ایستگاه‌ها بالاتر برآورد گردید به این معنا که کاهش عملکرد در این ایستگاه تأثیر به سزایی بر افزایش ردپای آب کل محصول داشت.

کلیدواژه‌ها

عنوان مقاله [English]

Assessment of Maize yield and water footprint variability by AquaCrop-GIS model

نویسندگان [English]

  • Rasta Nazari 1
  • Hadi Ramezani Etedali 2
  • Peyman Daneshkar Arasteh 3

1 PhD Candidate of Irrigation and Drainage Engineering, Department of Water Sciences and Engineering, Imam Khomeini International University, Qazvin, Iran.

2 Department of Water Sciences and Engineering, Imam Khomeini International University, Qazvin, Iran

3 Associate Professor, Department of Water Sciences and Engineering, Imam Khomeini International University, Qazvin, Iran.

چکیده [English]

Estimating the production potential of a crop is a function of climatic conditions and genetic potentials of crops, and evaluating the ability of regions to realize these is one of the important points of macro-planning in agriculture. Considering the position of Qazvin province in the production of Maize and the importance of cultivating this crop, estimating the yield of this strategic product as accurately as possible is very necessary. In this regard, by studying an 11-year statistical period, Maize yield was estimated with the new crop model AquaCrop-GIS. The zoning of key product indicators was simulated through the model in the province. By examining the results of these parameters, it finds that Qazvin and Moallem Kelayeh study stations with higher reference evapotranspiration rates have higher water productivity. Then, with the help of the computational yield, components of water footprints, and total water footprint of the crop was estimated within the study stations. By examining the regression equations in each station, it was found that the relationship between blue water footprint and crop yield compared to other water footprint components for all stations has a higher coefficient of determination and level of significance. In general, the coefficient of determination of these relationships in Buin Zahra station with R2 = 0.88, R2 = 0.79, R2 = 0.56 and, R2 = 0.53, respectively, for green, blue, gray, and total water footprints compared to other stations were rated higher. This reduction in yield at the station had a significant effect on increasing the total water footprint of the crop.

کلیدواژه‌ها [English]

  • Production potential
  • Water productivity
  • Study stations
  • Regression equations
  • Significance level