ارزیابی عملکرد کلزا به‌صورت تابعی از ارتفاع آب آبیاری و شوری در منطقه مشهد

نوع مقاله: مقاله پژوهشی

نویسندگان

1 مهندسی آب دانشگاه فردوسی مشهد و معاون پژوهشی پژوهشکده کاوش پی

2 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

3 استاد گروه علوم و مهندسی آب ، دانشگاه فردوسی مشهد.

4 استاد گروه زراعت دانشگاه فردوسی مشهد.

چکیده

کمبود آب در طبیعت، خصوصاً در مناطق خشک و نیمه خشک، همواره با کاهش کیفیت آب همراه است. این تحقیق در مزرعه­ای با بافت شنی لومی در فاصله 25 کیلومتری از مرکز شهر مشهد، در دو سال زراعی 91-1390 و 92-1391 اجرا گردید. طرح آزمایشی موردنظر به‌صورت اسپلیت اسپلیت پلات در قالب بلوک‌های کامل تصادفی بود که در آن چهار فاکتور مقدار شوری آب آبیاری (5/0، 5، 8 و 11 دسی زیمنس بر متر به ترتیب S1، S2، S3 و S4) به‌عنوان کرت‌های اصلی، چهار سطح آبیاری به‌عنوان فاکتور فرعی (100، 125، 75 و 50 درصد نیاز آبی به ترتیب I1، I2، I3و I4) و دو رقم کلزا (هایولا 401 و آرجی اس 003) به‌عنوان فاکتور فرعی بود که در سه تکرار اجرا گردید. تابع خطی لگاریتمی در تمام شوری­ها در تیمار I4 عملکرد دانه را بیشتر از واقعیت برآورد می­کند. بر اساس نتایج به‌دست‌آمده توابع درجه دوم و متعالی به ترتیب برآوردهای بهتری نسبت به دو تابع دیگر دارند. مقادیر ضریب تعیین R2 نشان می­دهد که در رقم­های هایولا و آرجی اس، تابع درجه دوم با 99/0= R2 و 8/0= R2 در رتبه اول قرار می­گیرد. در مقابل کمترین مقدار ضریب تعیین در رقم هایولا و آرجی اس به ترتیب مربوط به توابع خطی لگاریتمی و متعالی بود. توجه به نتایج آماری مشخص شده که مبنای مقایسه توابع قرار گرفته است، تابع درجه دوم (با رتبه نهایی یک) نسبت به سایر توابع برتری نسبی دارد و پس از آن تابع متعالی با رتبه 2 نتایج قابل‌قبولی دارد و توابع خطی ساده و خطی لگاریتمی در رتبه­های بعدی قرار می­گیرند. بررسی میانگین ریشه دوم خطا نشان می­دهد که تابع متعالی مجموعاً به میزان 5/12 (رقم هایولا) و 17/8 (رقم آرجی اس) درصد عملکرد را کمتر (با توجه به CRM مثبت) از مقادیر واقعی برآورد نموده در صورتی‌که تابع درجه دوم مجموعاً به میزان 7/11 و 4/6 درصد عملکرد را کمتر (با توجه به CRM مثبت) از مقادیر واقعی برآورد کرده است. بنابراین با توجه به مقایسه­های انجام شده شاخص­های مذکور برای توابع مختلف و نیز رتبه نهایی یک که به تابع درجه دوم تعلق گرفته است، این تابع به‌عنوان تابع بهینه تولید در شرایط توأم شوری و کم آبیاری برای رقم­های هایولا و آرجی اس در منطقه مشهد معرفی می­گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Assesment of the water –salinity production function models –Canola application in the Mashhad area

نویسندگان [English]

  • Vahid Yazdani 1
  • kamran Davari 2
  • bijan ghahreman 3
  • Mohammad Kafi 4
چکیده [English]

Water shortage in nature, especially in arid and semi-arid regions, often related to a decrease in water quality. This research is applied in loamy gravely field area which is located in 25 km away from city center of Mashhad in 1390-1390 and 1391-1392 cultivate years. The followed experimental design was randomized in split- split plot complete block in which four different levels of salinity (0.5, 5, 8 and 11 dS/m, are respectively in S1, S2, S3 and S4 levels) as the main plots, four irrigation levels as subplots (supply 125, 100, 80 and 50% water necessity, I1, I2, I3 and I4 Respectively) and two cultivars of canola (Hyola401 and RGS003) as the sub-sub plots in three places. Log -linear function of the entre salinity in I4 treatment yield higher is estimated grains application more than reality. Based on the results of quadratic functions and the higher order estimates are better than the other two functions .The coefficient of R2 determination values is shown that the rate of Hayola cultivars and RGS, quadratic function with R2=0/99 and R2 = 0/8 would be first level. In contrast, the minimum numbers of Hayola and RGS logarithmic and linear functions were respectively in the next ranking. The RMSE indices show that the total higher amount of Hayola cultivar and RGS  are 12/5 and 8/17 percentage yield less (according to the CRM -positive) estimates of the real values while the quadratic function total amount of 11/7 and 6/4 % performance for less (due to the positive CRM) are have been estimated the actual values. Thus, according to the occurrence comparison these indices for different functions and a final ranking is assigned to a quadratic function, this function is optimized as a function of the combined conditions of low salinity and irrigation Cultivars of Hayola and RGS which  would be introduced in Mashhad.

کلیدواژه‌ها [English]

  • Canola
  • salinity stress
  • watery stress
  • low irrigation
  • produces functions
  • Mashhad

آروین، پ. و م. عزیزی. 1388. مقایسه عملکرد، شاخص برداشت و صفات مرفولوژیک در گونه های بهاره کلزا. مجله الکترونیک تولید گیاهان زراعی، 2(2): 1-14.

حقایقی مقدم، س. ا. و. ا. ح. شیرانی راد. 1386. بررسی اثر مقادیر آب آبیاری بر عملکرد و کارایی مصرف آب ارقام کلزا، مجموعه مقالات نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان. بهمن ماه 1386، 9 صفحه.

حق نیا، غ. ح. 1371. راهنمای تحمل گیاهان به شوری، انتشارات جهاد دانشگاهی، مشهد.

ذوالفقاران، ا. 1386. بررسی اثر مقدار آب آبیاری بر عملکرد گندم در شوری‌های مختلف آب در آبیاری بارانی، مجموعه مقالات نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان. بهمن ماه 1386، 10 صفحه.

ذوالفقاران، ا. و ح. شهبازی. 1386. برآورد عملکرد چغندر قند در مقادیر متفاوت آب و شوری ، مجموعه مقالات نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان.

رضایی، ع.، ح. فرحبخش، ح. صمدی، ف. حسینی و م. میرزا هاشمی. 1386. تعیین تابع تولید چغندر قند نسبت به آب در کرمان، مجموعه مقالات نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان. بهمن ماه 1386، 6 صفحه.

شایان نژاد، م. 1386. بررسی حساسیت گندم پاییزه به کم آبیاری در شهر کرد، مجموعه مقالات نهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان. بهمن ماه 1386، 10 صفحه.

علیزاده، ا. 1383. رابطه آب و خاک و گیاه، دانشگاه امام رضا، چاپ چهارم.

قدمی، ن. ا. 1389. زراعت و اصلاح کلزا (کاشت، داشت و برداشت). انتشارات آموزش و ترویج کشاورزی، چاپ اول، 231 صفحه.

کیانی، ع.، م. همایی و م. میرلطیفی. 1385. ارزیابی توابع کاهش عملکرد گندم در شرایط توام شوری و کم آبی، مجله علوم خاک و آب، جلد 20، شماره 1، صفحه 73تا 82.

نوروزی، م.، م. ماهرانی و م. مسچی. 1378. استفاده از آبهای شور و لب شور برای آبیاری، کمیته ملی آبیاری و زهکشی ایران، شماره 26.

وفابخش، ج.، نصیری م. محلاتی، ع. ر. کوچکی و عزیزی م. 1388. اثر تنش خشکی بر کارایی مصرف آب و عملکرد ارقام کلزا. مجله پژوهش های زراعی ایران، 7(1): 295- 302.

همایی، ع. 1381. واکنش گیاه به شوری، کمیته ملی آبیاری و زهکشی ایران، شماره 58.

یزدانی، و. و ح. ابراهیمی. 1390. تعیین تبخیر و تعرق واقعی فضای سبز بوسیله آلگوریتم توازن انرژی سطحی برای زمین، دانشگاه آزاد مشهد، گزارش نهایی طرح تحقیقاتی.

Abedi T. and H. Pakniyat. 2010. Antioxidant enzyme changes in response to drought stress in ten cultivars of oilseed rape (Brassica napus L). Journal of genetics and plant breeding, 46(1): 27–34.

Al-Barrak K. M. 2006. Irrigation interval and nitrogen level effects on growth and yield of canola )Brassica napus L (.Journal of King Faisal University Scientific. Al-Hassa, Saudi Arabia. 7)1: (87-102

Bybordi A., J. Tabatabaei. 2009. Effect of salinity stress on germination and seedling properties in canola cultivars (Brassica napus L.). Journal of Notulae Botanicae Horti Agrobotanici Cluj-Napoca, 37(1), 71-76.

Bybordi A., S. J. Tabatabaei and A. Ahmadev. 2010. Effect of salinity on the growth and peroxidase and IAA oxidase activities in Canola, Journal of Food Agriculture and Environment, 8(1): 109-112.

Carmody O. 2001. Why grow canola in the central grain belt. Bulliten 4492, Agricultural Western Australia, South Perth, Australia.

Datta, K. K., V. P. Sharma and D. P. Sharma. 1998. Estimation of production function for wheat under salin conditions, Agricultural Water Management, 36:85-94.

Dogan E., O. Copur, A. Kahraman, H. Kirnak and M. E. Guldur. 2011. Supplemental irrigation effect on canola yield components under semiarid climatic conditions. Journal of Agricultural Water Management, 98 (2011) 1403– 1408.

Doorenbos, J. and A. H. Kassam. 1979. Yield response to water. Irrigation and Drainage Paper No.33, FAO, Rome.

Gulati, H. S. and V. V. N. Murty. 1979. A model for optimal allocations of canal water based on crop production function, Agricultural Water Management. 2(1):79-91.

Heidari M. 2010. Nucleic acid metabolism, proline concentration and antioxidants enzyme activity in canola (Brassica nupus L) under salinity stress, Journal of Agricultural Sciences in China, 9(4): 504-511.

Hagan, R. M. and J. I. Stewart. 1973. Water deficit irrigation design and programming, J. Irrigation and Drainage, ASCE 98(2): 215-237.

Istanbulluoglu A., B. Arslan, E. Gocmen, E. Gezer and C. Pasa. 2010. Effects of deficit irrigation regimes on the yield and growth of oilseed rape (Brassica napus L),Journal of Bio system Engineering, 105: 388–394.

Jensen, C. R. 1982. Effect of soil water osmotic potential on growth and water relationship of berely during soil water depletion, Irrigation Science, 3:111-121.

Kahlown, M. A. and M. Azam. 2003. Effect of saline drainage effluent on soil health and crop yield, Agricultural Water Management 62: 127–138.

Kalra, N., D. Chakraborty, P. Ramesh Kumar, M. Jolly and P. K. Sharma, 2007, An approach to bridging yield gaps, combining response to water and other resource inputs for wheat in northern India, using research trials and farmers’ fields data, Agricultural Water Management. 2471, No of Pages 11.

Kamkar B., A. R. Daneshmand, F. Ghooshchi, A. H. Shiranirad and A. R. Safahani Langeroudi. 2011. Effects of irrigation regimes and nitrogen rates on some agronomic traits of canola under a semiarid environment. Journal of Agricultural Water Management 98 :1005–1012

Khanjani, M. J. and J. R. Busch. 1982. Optimal irrigation water use from probability and cost benefit analysis, TRANS., of the ASAE, 25(4):961-965.

Kipkorir, K. K., D. Reas and B. Massawe. 2002. Seasonal water production functions and yield response factors for Maze and Onion in Perkerra, Kenya, Agricultural Water Management., 56: 229-240.

Lamsal, K., G. N. Paudyal and M. Saeed. 1999. Model for assessing impact of salinity on soil water avalibility and crop yield, Agricultural Water Management.41:57-70.

Letey, J. and A. Dinar. 1986. Simulated crop production functions for several crops when irrigated with salin waters, Hilgardia 54:1-32.

Inanaga Li J., S., Li Z., and E. Eneji. 2005. Optimizing irrigation scheduling for winter wheat in the North China Plain, Journal of Agricultural Water Management, 76, 8–23

Mass, E. V. and G. J. Hoffman. 1977. Crop salt tlorance current assessment, J.Irrigation and Drainage Division, ASCE, 103(IR2):115-134.

Mass, E. V. 1986. Salt tlorance of plants, Application Agricultural Research, 1:12-26.

Mass, E. V. 1990. Crop salt tlorance, ASAE monograph, 71:262-304.

Meiri A. 1984. Plant response to salinity: Experimental metodology and application to the field, in: soil salinity under irrigation, Process and Management, Ecological Studies, 51: 284-297.

Meiri A. and J. Shalhevet. 1973. Pepper plant response to irrigation water quality and timing and leaching, Ecological studies. Vol. IV. Springer-Verlag Berlin: 421-429.

Nielsen D. C. 1997. Water use and yield of canola under dry land conditions in the centeral great planins. Journal of Agriculture,10: 307-313

Parra, M. A. and G.C. Romero. 1980. on the dependence of salt tolerance of baens on soil water matric potential, Plant and Soil, 56:3-16.

Ritchie J. T. and E. Burnett. 1971. Dry land evaporative flux in a sub humid climate. I: Plant influences, Agronomy, 63: 56-62.

Russo, D. and D. Bakker. 1986. Crop water production functions for sweet corn and cotton irrigated with salin waters, Soil Science Society American, 51:1554-1562.

Sepaskhah, A. R. and L. Boersma. 1979. Shoot and root growth exposed to several levels of matric potential and NACL induced osmotic potential of soil water, Agronomy Journal, 71:746-752.

Sepaskhah, A. R. and D. Akbari. 2005. Deficit Irrigation Planning under Variable Seasonal Rainfall, Published by Elsevier Ltd., Biosystems Engineering, 92 (1), 97–106.

Sepaskhah A. R., A. R. Bazrafshan-Jahromi and Z. Shirmohammadi-Aliakbarkhani. 2006. Published by Elsevier Ltd. Biosystems Engineering, 93 (2), 139–152.

 Shalhevet, J. 1993. Plant under salt and water stress, In: Fowden, N. and Mansfield, T. (eds.), Plant adaptation to environmental stress, Chapman and Hall: 133-154.

Shannon, M. C. 1997. adaptation of plants to salinity, Advances in Agronomy, 60:75-120.

Solomon, K. H. 1983. Irrigation uniformity and yield theory, Ph.D. dissertation, Agricultural and Irrigation Engineering Dept. Utah State University, Logan.

Stegman, E. C. 1985, Efficient water scheduling regimes to corn production, In: Perrier A., Riou, Ch.(eds.), Crop water requirements, Institute national de la recherché agronomique, Paris, pp.635-648.

Pineiro, G., S. Perelman, J. P. Guerschman, and I. M. Paruelo. 2008. How to evaluate models: Observed vs. predicted or predicted vs. observed? ecological modelling 216 : 316–322

Tyagi, N. K., D. K. Sharma and S. K. Luthra. 2000. Evapotranspiration and crop coefficients of wheat and sorghum, Irrigation and Drainage Engineering, 126(4): 215–222.

Vaux, H. J. and W. O. Pruit. 1983. Crop water production functions. In: Hillel, D. (Ed.), Advances in Irrigation, Academic Press, New York, 2: 61-97

Wang, Y. R., Sh. Zh. Kang, F. Sh. Li and L. Zhang. 2007. Saline water irrigation scheduling through a crop-water-salinity production function and a soil-watersalinity dynamic model, Pedosphere, Vol. 17, Issue 3, June 2007, P. 303-317.

Wanjura, D. F., D. R. Upcharch, J. R. Mahan and J. J. Burke. 2003. Cotton yield and applied water relationships under drip irrigation, Agric. Water Manage., 55:217-237.