آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,412 |
| تعداد مقالات | 17,285 |
| تعداد مشاهده مقاله | 55,801,627 |
| تعداد دریافت فایل اصل مقاله | 17,990,674 |
تحلیل پتانسیل اقلیمی کشت گندم دیم بر اساس شاخص RPI (مطالعه موردی: استان آذربایجان‌شرقی) | ||
| دانش آب و خاک | ||
| مقاله 1، دوره 32، شماره 2، تیر 1401، صفحه 1-10 اصل مقاله (633.07 K) | ||
| شناسه دیجیتال (DOI): 10.22034/ws.2021.26398.2122 | ||
| نویسندگان | ||
| مریم السادات واعظ مدنی1؛ احمد فاخری فرد2؛ ابوالفضل مجنونی هریس* 3 | ||
| 1دانش‌آموخته کارشناسی ارشد آبیاری و زهکشی، دانشگاه تبریز | ||
| 2استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| 3دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| در این مطالعه بر اساس بارش، فاصله رخداد بارش و تبخیر-تعرق، شاخص پتانسیل دیم (RPI) برای ارزیابی ظرفیت کشت دیم مناطق مختلف ارائه گردید. این شاخص به دلیل در نظر گرفتن ماند بارش در پتانسیل‌یابی دیم از اهمیت بالایی برخوردار است. چراکه ماند بارش با ذخیره رطوبت خاک مرتبط بوده و بر عملکرد محصولات دیم اثر‌گذار خواهد بود. لذا به تحلیل رفتار عملکرد گندم دیم در استان آذربایجان‌شرقی در مقابل تغییرات شاخص RPI پرداخته شد و برای تخمین عملکرد گندم دیم مدلی وابسته به این شاخص ارائه گردید. نتایج نشان داد بیشترین مقدار متوسط شاخص پتانسیل دیم ((RPI) ̅) و فرکانس RPIهای مازاد بر آن در دشت مراغه و کمترین آن در دشت سهند بوده است. بررسی‌ها نشان داد که رخداد بارش به تنهایی نشان دهنده پتانسیل بالا برای دیم نیست. چراکه منطقه بستان‌آباد با وجود بیشترین مقدار رخداد (945 بار) در طول دوره آماری عملکرد خوبی نداشته که دلیل این امر بالا بودن فرکانس باران‌های کم‌خاصیت (کمتر از 4/1 میلیمتر در روز) می‌باشد. در کل نتایج نشان داد که مناطق جنوبی استان دارای RPI و پتانسیل بالا و مناطق غربی دارای پتانسیل دیم ضعیف بودند. همچنین ضرایب واسنجی مدل ارائه شده برای تخمین عملکرد گندم دیم بر پایه شاخص جدید، هم در سطح استان و هم در تک تک ایستگاه‌ها بجز ایستگاه سهند با مقادیر P-value کمتر از 01/0 یا 05/0 دارای اعتبار می‌باشد. | ||
| کلیدواژه‌ها | ||
| عملکرد؛ شاخص؛ دیم؛ فرکانس؛ پتانسیل | ||
| مراجع | ||
|
Allen RG, Pereira LS, Raes D, Smith, 1998. Crop evapotranspiration guidelines for computing crop water requirements- FAO Irrigation and Drainage Paper, No. 56. Rome.
Azizi Gh, Yarahmadi D, 2003. Investigating the relationship between climate parameters and wheat yield using regression model (Case study: Seilab Khor plain). Journal of Geographical Studies, 44: 23-29. [Persian]
Bazgir S, Kamali QA, 2008. Rainfed wheat yield forecast using agricultural meteorological indices in some western regions of the country. Journal of Science and Technology of Agriculture and Natural Resources,15(2): 113-121. [Persian].
Cai X, 2005. Risk in irrigation water supply and the effects on food production. Journal of the American Water Resources Association, 41(3): 679-692.
Dashti G, Bagheri P, Pishbahar E and Majnooni-Heris A, 2018. Evaluation of Climate Change effect on Evapotranspiration and Yield of Rainfed Wheat in Ahar, Iranian Journal of irrigation and Drainage, 12: 409-423.
Kamali QA, Sadaghiani Pur A, Sadaghat Kerdar A, 2008. Investigating climate potential of rainfed wheat in East Azarbaijan province. Water and Soil Science, 22(2):467-483.
Lu H, Bryant RB, Buda AR, Collick AS, Folmar GJ, Kleinman PJ, 2015. Long-term trends in climate and hydrology in an agricultural, headwater watershed of central Pennsylvania, USA. Journal of Hydrology: Regional Studies, 4: 713-731.
Mousavi-Baygi M, Bannayan M, Ashraf B, Asadi Oskuei E, 2016. Assessment of climatic indices limiting rainfed wheat yield. Ecological Indicators, 62: 298-305.
Musavi Bayeghi M, Ashraf B, Ramazan Zadeh Hazhbar F, 2013. Identification of susceptible areas and determining the appropriate date for the cultivation of wheat in dryland of Khorasan Razavi province, Agronomy Journal. 99:131-140.
Nassiri M, Koochechi A, Kamali GA, Shahandeh H, 2006. Potential impact of climate change rainfed wheat production in Iran. Archives of Agronomy and Soil Science, 52 (1): 113-124.
Norwood CA, 2000, Dryland winter wheat as affected by previous crops. Agronomy Journal. 92:121–127.
Rosegrant MW, Agcaoili M, 2010. Global food demand, supply, and price prospects to 2010. International Food Policy Research Institute, Washington, DC. USA.
Sabzchi H, Sadraddini AA, Nazami AH, Majnooni-Heris A, Asim B, 2021. Recognition of different yield potentials among rain-fed wheat fields before harvest using remote sensing. Agricultural Water Management, 245: 106611.
Salehnia N, Salehnia N, Saradari Torshizi A and Kolsoumi S, 2020. Rainfed wheat (Triticum aestivum L.) yield prediction using economical, meteorological, and drought indicators through pooled panel data and statistical downscaling. Agricultural Water Management, 111: 105991.
Taliei AA, Bahrami N. 2003, Effect of rainfall and temperature on rainfed wheat yield in Kermanshah province. Soil and Water Sciences Journal, 17(1): 106-112.
| ||
|
آمار تعداد مشاهده مقاله: 734 تعداد دریافت فایل اصل مقاله: 476 |
||