عنوان پایان‌نامه

شبیه سازی توامان آب و نیتروژن و عملکرد محصول به منظور تعیین شاخص تغذیه نیتروژن در دوره رشد ذرت



    دانشجو در تاریخ ۳۰ بهمن ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "شبیه سازی توامان آب و نیتروژن و عملکرد محصول به منظور تعیین شاخص تغذیه نیتروژن در دوره رشد ذرت" را دفاع نموده است.


    محل دفاع
    کتابخانه پردیس ابوریحان شماره ثبت: 957;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80512;کتابخانه پردیس ابوریحان شماره ثبت: 957;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80512
    تاریخ دفاع
    ۳۰ بهمن ۱۳۹۵
    دانشجو
    آرش رنجبر
    استاد راهنما
    علی رحیمی خوب

    اکثر کشاورزان مقادیر بالای آب و نیتروژن را برای اطمینان از تامین نیاز گیاه بدون آگاهی از زمان مناسب، استفاده می کنند و بدین ترتیب عناصر غذایی و مفید خاک در معرض آبشویی قرار می گیرند و باعث آلودگی منابع آب زیرزمینی می شوند. پایش شاخص تغذی? نیتروژن (NNI) در طول فصل رشد می تواند موجب بهبود مدیریت کود دهی شود که در نتیجه آن محیط زیست و منابع آب کمتر صدمه خواهند دید. اما تعییین این شاخص نیاز به آزمایش های بسیاری دارد که پر هزینه و زمانبر هستند و تا به حال مطالعات اندکی در مورد تخمین غیر مستقیم NNI توسط مدل های گیاهی انجام شده است. مدل گیاهی AquaCrop و مدل انتقال آب و املاح HYDRUS دو نمونه از ابزارهایی هستند که دقت بالا و کارایی آن ها در مطالعات مختلف برای برآورد به ترتیب میزان ماده خشک گیاه و بیلان شکل های مختلف نیتروژن در خاک اثبات شده است. بنابراین هدف اصلی از این مطالعه استفاده توامان این دو مدل به منظور پیش بینی NNI در طول فصل کشت ذرت بود. بدین منظور گیاه ذرت طی دو سال 1394 و 1395 در مزرعه پردیس ابوریحان کشت شد. تیمارهای آزمایش بر اساس سطوح مختلف نیتروژن، از کم تا زیاد، تعیین و در طول فصل کشت نمونه های گیاهی از این تیمارها برای اندازه گیری وزن ماده خشک (W) و غلظت نیتروژن موجود در گیاه (%N) برداشت شدند. در این مطالعه تیمارها شامل هفت سطح به ترتیب صفر به عنوان شاهد (N0)، 50(N1) ، 100(N2) ، 150 (N3)، 200(N4) ، 250 (N5) و 300 کیلوگرم نیتروژن در هکتار(N6) توسط کود اوره و به صورت طرح بلوک های کاملا تصادفی و با سه تکرار ایجاد شدند. از داده های سال اول برای واسنجی و از داده های سال دوم به منظور صحت سنجی ضرایب موجود در معادله نیتروژن بحرانی و مدل HYDRUS و AquaCrop استفاده شد. نتایج مطالعات مزرعه ای نشان دادند که تیمار N4 تیمار بهینه کودی، یعنی شامل کمترین مقدار کود و بیشترین مقدار عملکرد، بود. همچنین مشخص شد که محدودیت کاربرد نیتروژن می تواند باعث کاهش چشمگیر کارایی مصرف آب گردد اما مصرف بیشتر از حد آن تاثیری در افزایش پارامتر مذکور نخواهد داشت. از همین رو تیمار N4 دارای بیشترین مقدار کارایی مصرف آب، بیشترین نسبت نیتروژن جذب شده توسط گیاه و بهترین عملکرد نسبت به میزان کود مصرفی بود. در این مطالعه با استفاده از داده های وزن خشک و غلظت نیتروژن اندازه گیری شده در طول دو فصل کشت، معادله نیتروژن بحرانی به شکل %Nc = 2.9 W -0.27 بدست آمد. نتایج حاصل از بخش شبیه سازی حرکت املاح نشان دادند که مدل واسنجی شده HYDRUS-2D قابلیت مناسبی در شبیه سازی رطوبت خاک (NRMSE< 8%) و توزیع املاح (NRMSE< 30%)در اعماق مختلف زیر جویچه و پشته ها طی زمان-های مختلف قبل و بعد از آبیاری داشت. در کل این مدل با دقت نسبتا مناسبی قادر بود میزان جذب نیتروژن توسط گیاه در طول دوره رشد را تخمین بزند (14% < NRMSE< 36% , 0.800
    Abstract
    The majority of the farmers supply high amounts of water and nitrogen to provide the plant's requirements without the knowledge of the appropriate usage time that causes to leach useful soil nutrients and contaminate underground water resources. Monitoring Nitrogen Nutrition Index (NNI) during the growing season could be improved nitrogen management which would result in less damage for environment and water resources. But determination of this indicator requires costly and time consuming experiments and there are a few studies about indirect estimates of NNI by the plant model or suitable method. AquaCrop and HYDRUS are considered as the tools which have been confirmed by many studies for estimation of dry matter, nitrogen movement and transformation in the soil profile. Hence, the main objective of this study was simultaneous simulation of water, nitrogen and crop yield, by these two models for determination of nitrogen nutrition index during maize growing. Therefore, field experiment in 2015 and 2016 years was carried out on Aburaihan college farm. Treatments set during the growing season based on different nitrogen levels, from low to high, and samples of plant were taken to measure dry matter (W) and the concentration of nitrogen in the plant (% N). They included seven different levels of nitrogen as control (N0), 50(N1), 100(N2), 150 (N3), 200(N4), 250 (N5) And 300 kg of nitrogen per hectare (N6) by urea and experiment was designed in randomized complete blocks with three replications. Calibration and evaluation of model’s coefficients was performed by data of 2015 and 2016 years, respectively. The results of the field studies showed that N4 was optimum treatment which had the best performance and less nitrogen application. Also, it was demonstrated that nitrogen limited treatment can cause a dramatic reduction in water use efficiency which was not different in non-limited treatment. Therefore, N4 has the highest amount of water use efficiency and ratio of absorbed nitrogen by root as well as the most relative yield based on the amount of nitrogen application. The critical nitrogen equation (%Nc=2.9W-0.27) was obtained by %N and W data which were measured during two growing seasons. The result of HYDRUS model showed that calibrated model was able to simulate soil moisture content correctly (NRMSE<8%) and fairly estimate solute distribution (NRMSE<30%) in different depths below the furrows and ridges during growing season. Also, this model was capable of acceptable simulation with the absorbed nitrogen by plant during the growing season (14% < NRMSE< 36%, 0.800< R2< 0.953). In addition, it became clear that AquaCrop is capable of simulating biomass yield accurately (15% < NRMSE). Finally nitrogen nutrition index during the seasons, once calculated by measured data (NNIo) and again estimated by values which were simulated by HYDRUS and AquaCrop (NNIp). The calculated NNIo showed that critical nitrogen relation separated both limited and non-limited group of data from each other excellently. Scattered NNIo versus NNIp proved fair accuracy of estimation based on both years data (20%