palette
شبیه‌سازی ریسک ناشی از تنش گرما در ذرت دانه‌ای ایران

چکیده

سابقه و هدف: امروز تنش­ گرما به عنوان یکی از بزرگترین خطرات و نگرانی­های برای تولید ذرت دانه­ای مطرح شده است  و این موضوع بیشتر در مناطق گرم و خشک دیده می­شود. استرس گرما عملکرد دانه و سرعت فتوسنتز گیاهی را کاهش و تنفس را افزایش می­دهد. گیاه ذرت به استرس گرما و دماهای حدی در مرحله گلدهی بسیار حساس بوده چرا که دماهای بالا باعث عقیمی دانه گرده و به موازات آن کاهش عملکرد دانه می­شود. با این وجود راهکارهایی برای جلوگیری مواجه شدن مرحله گلدهی ذرت با تنش­ گرما وجود دارد. راهکارهای دقیق مدیریتی مانند تغییر تاریخ کاشت و رقم به عنوان روش­هایی مناسب برای مقابله با استرس گرما استفاده می­شوند. مدل­های شبیه­سازی رشد گیاهان زراعی برای بررسی این راهکارها استفاده می­شوند. بنابراین، مطالعه حاضر به منظور بررسی اثر ریسک استرس گرما (فراوانی و شدت گرما) بر ذرت دانه­ای ایران و تعیین دامنه­ی ریسک گرما برای این محصول با استفاده از رهیافت مدلسازی انجام گرفت.

مواد و روش­ها: به منظور ارزیابی ریسک ناشی از تنش گرما ذرت دانه­ای ایران یک آزمایش شبیه­سازی شامل پنج منطقه [(ایرانشهر، دزفول، پارس­آباد، کرمانشاه و کرمان)، سه تاریخ کاشت [(مرسوم: تاریخ کاشت کشاورزان منطقه)، (دیرهنگام: 20 روز بعد از تاریخ کاشت مرسوم)  و (زودهنگام: 20 روز قبل از تاریخ کاشت مرسوم)] و دو رقم [(دیررس: سینگل کراس 704) و (زودرس: سینگل کراس 260)] طراحی شد. برای انجام این کار، داده­های بلند مدت اقلیمی هر منطقه شامل بیشینه و کمینه دما، بارش و تشعشع از سازمان هواشناسی کشور جمع­آوری گردید. این داده­های به عنوان ورودی مدل شبیه­سازی گیاه زراعی مورد استفاده قرار گردیدند. در مطالعه حاضر، مدل زراعی APSIM برای شبیه­سازی رشد و نمو گیاه ذرت استفاده گردید. برای بررسی ریسک گرما بر روی ذرت دانه­ای، سه بعد شامل مرحله حساس (گلدهی) ذرت دانه­ای به دماهای حدی، فراوانی دماهای حدی در مرحله حساس و شدت دماهای حدی در این مرحله در نظر گرفته شدند. همچنین دامنه­ی ریسک برای گلدهی در هر منطقه برابر با اولین روز از سال با بیشنه دمای بالای 36 درجه سانتی گرد تا آخر روز سال با این دما بود. 

نتایج و بحث: نتایج نشان داد که دامنه­ی ریسک (تعداد روزهایی متوالی از سال با ماکزیمم دمای بالای 36 سانتی­­گراد) برای اکوسیستم­های ذرت ابران به طور میانگین 4/94 روز بود که در مناطق و اقلیم­های مختلف متفاوت بود. کمترین بازه ریسک در منطقه نیمه خشک و معتدل پارس­آباد (14 روز) و بیشترین مقدار در منطقه گرم و خشک ایرانشهر (183 روز) ثبت گردید. همچنین درصد تعداد روزهایی با دمای بالای 36 درجه سانتی­گراد در طول دوره گلدهی ذرت برابر با 5/63 درصد و شدت تنش گرما برابر 09/37 درجه سانتی­گراد بود. این موضوع باعث کاهش عملکرد ذرت دانه­ای کشور می­شود به طوری که عملکرد دانه در حال حاضر برابر 5/6196 کیلوگرم شبیه­سازی شد. با این وجود تاریخ کاشت­های زودهنگام و رقم زودرس در کشت بهاره درصد تعداد روزهایی با دمای بالای 36 درجه سانتی­گراد در طول دوره گلدهی ذرت و شدت تنش گرما دانه را به ترتیب 2/37 درصد 1/35 درجه سانتی­گراد کاهش و عملکرد دانه را به 9/7486 کیلوگرم افزایش داد. همچنین تاریخ کاشت­های دیرهنگام و رقم دیررس در کشت تابستانه درصد تعداد روزهایی با دمای بالای 36 درجه سانتی­گراد در طول دوره گلدهی ذرت و شدت تنش گرما دانه را به ترتیب 9/38 درصد 3/35 درجه سانتی­گراد کاهش و عملکرد دانه را به 6/7743 کیلوگرم افزایش داد.

نتیجه­گیری: به طور کلی، نتایج نشان داد که ذرت دانه­ای در حال حاضر تحت یک ریسک بالای استرس گرما کشت می­شود. به منظور کاهش ریسک و افزایش عملکرد دانه، کشاورزان در هر منطقه باید تاریخ کاشت­ها و ارقام بهینه را بر طبق فصل کشت به کار ببرند.
واژگان کلیدی
اقلیم، تاریخ کاشت، خشک، رقم، نیمه خشک.

منابع و مآخذ مقاله

Anderson, W., 2010. Closing the gap between actual and potential yield of rainfed wheat. The impacts of environment, management and cultivar. Field Crops Research. 116 (1), 14–22.

Anonymous, 2016. Research Center for Agriculture and Natural Resources of Fars Province. 2016. Series reports of yield and stability in early maturity maize hybrids in 2007, 2008, 2011 and 2012. (In Persian).

Anonymous, 2017a. Agricultural Statistics. Department of Planning and Economy. Information and Communication Center. Ministry of Agriculture Jihad, Iran. (In Persian)

Anonymous, 2017b. Tehran Chamber of Commerce, Industries, Mines and Agriculture. Economic Research Department. The Trade State of Agricultural Products and Food during the First Nine Months of 2017. (In Persian)

Bontkes, T.S. and Wopereis, M., 2003. Decision Support Tools for Smallholder Agriculture in Sub-Saharan Africa. A Practical Guide. IFDC, Muscle Shoals.

Butler, E.E. and Huybers, P., 2013. Adaptation of US maize to temperature variations. Nature Climate Change. 3 (1), 68.

Carberry, P., Muchow, R., and McCown, R., 1989. Testing the CERES-maize simulation model in a semi-arid tropical environment. Field Crops Research. 20 (4), 297–315.

Chenu, K., Deihimfard, R. and Chapman, S.C., 2013. Large-scale characterization of drought pattern: a continentwide modelling approach applied to the Australian wheatbelt—spatial and temporal trends. New Phytologist, 198, 801–820.

Chenu. K., 2014. Characterizing the crop environment–nature, significance and applications. PP 321-348 in V. Sadras and D. Calderini eds. Crop Physiology: Applications for Genetic Improvement and Agronomy. Academic Press, Massachusetts.

Choukan, R., 2013. Final report of yield trial and adaptability of late and medium maturing promising hybrids of maize (final stage). Seed and Plant Improvement Institute. Iran, pp.50. (In Persian with English abstract).

Crafts‐Brandner, S.J. and Salvucci, M.E., 2002. Sensitivity of Photosynthesis in a C4 Plant, Maize, to Heat Stress. Plant Physiology. 129 (4), 1773–1780.

Dehghanpour, Z. and Estakhr, A., 2010. Determination of the suitable planting date for new early maturity maize hybrids in second cropping in temprate regions in Fars province. Seed Plant Production Journal. 26 (2), 169-191. (In Persian with English abstract).

Deihimfard, R., Mahallati, M. N. and Koocheki, A., 2015. Yield gap analysis in major wheat growing areas of Khorasan province, Iran, through crop modelling. Field Crops Research. 184, 28-38.

Deihimfard, R., Rahimi-Moghaddam, S. and Chenu, K., 2019. Risk assessment of frost damage to sugar beet simulated under cold and semi-arid environments. International Journal of Biometeorology. 13, 1-11.

Dupuis, I. and Dumas, C., 1990. Influence of temperature stress on in vitro fertilization and heat shock protein synthesis in maize (Zea mays L.) reproductive tissues. Plant Physiology. 94 (2), 665–670.

Dwyer, L. M., Evanson, L. and Hamilton, R.I., 2003. Maize physiological traits related to grain yield and harvest moisture in mid-to short season environments. Crop Science. 34, 985-992

Emam, Y., Sedaghat, M. and Bahrani, H., 2013. Responses of maize (SC704) yield and yield components to source restriction. Iran Agricultural Research. 32 (1), 31 -40. (In Persian with English abstract).

Estakhr, A. and Choukan, R., 2011. Effect of planting date on grain yield and its components and reaction to important maize viruses in Fars Province in some exotic and Iranian maize hybrids. Seed Plant Production Journal. 27 (3), 313-333. (In Persian with English abstract).

Goldani, M., Rezvani, M.P., Nassiri, M.M. and Kaffi, M., 2011. Radiation use efficiency and phenological and physiological characteristics in hybrids of maize (Zea may L.) on response to different densities. Journal of Plant Production Research. (2), 595- 604. (In Persian with English abstract).

Gourdji, S.M., Sibley, AM. and Lobell, D.B., 2013. Global crop exposure to critical high temperatures in the reproductive period: historical trends and future projections. Environmental Research Letters. 8 (2), 024041.

Hammer, G.L., van Oosterom, E., McLean, G., Chapman, S.C., Broad, I., Harland, P. and Muchow, R.C., 2010. Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops. ‎Journal of Experimental Botany. 61 (8), 2185–2202.

Hasanzadeh, M.H. and Dehghanpour, Z., 2010. Final report of the study of yield and compatibility in early maturity maize hybrids. Center of Agriculture research and nature resources of Khorasan Razavi province. Iran, pp.22. (In Persian with English abstract).

He, D., Wang, E., Wang, J. and Lilley, J.M., 2017. Genotype× environment× management interactions of canola across China: A simulation study. Agricultural and Forest Meteorology. 247, 424-433.

He, D., Wang, E., Wang, J. and Robertson, M.J., 2017. Data requirement for effective calibration of process-based crop models. Agricultural and Forest Meteorology. 234–235, 136–148.

Holzworth, D. P., Huth, N. I., Zurcher, E. J., Herrmann, N. I., McLean, G., Chenu, K., van Oosterom, E. J., Snow, V., Murphy, C., Moore, A. D. and Brown, H., 2014. APSIM—evolution towards a new generation of agricultural systems simulation. Environmental Modelling and Software. 62, 327–350.

Hoogenboom, G., Jones, J. W., Porter, C. H., Wilkens, P. W., Boote, K. J., Batchelor, W. D., Hunt, L. A. and Tsuji, G.Y., (Editors). 2003. Decision Support System for Agrotechnology Transfer Version 4.0. Volume 1: Overview.University of Hawaii, Honolulu, HI.

Kamara, A.Y., Ekeleme, F., Chikoye, D. and Omoigui, L.O., 2009. Planting Date and cultivar effects on grain yield in dryland corn production. Agronomy Journal. 101, 91–98.

Keating, B.A., Carberry, P.S., Hammer, G.L., Probert, M.E., Robertson, M.J., Holzworth, D., Huth, N.I., Hargreaves, J.N., Meinke, H., Hochman, Z. and McLean, G., 2003. An overview of APSIM, a model designed for farming systems simulation. European Journal of Agronomy. 18 (3), 267–288.

Liu, Z., Hubbard, K. G., Lin, X. and Yang, X., 2013. Negative effects of climate warming on maize yield are reversed by the changing of sowing date and cultivar selection in Northeast China. Global Change Biology. 19 (11), 3481-3492.

Madadizadeh, M., 2017. Simulation of Growth and Development of Current Maize (Zea mays L.) Hybrids Under Different Nitrogen Levels in Kerman Province, Iran. Shahid Beheshti University, Tehran, Iran, pp. 163. (In Persian with English abstract).

Makowski, D., Naud, C., Jeffroy, M.H., Barbttin, A. and Monod, H., 2006. Global sensitivity analysis for calculating the contribution of genetic parameters to the variance of crop model prediction. Reliability Engineering & System Safety. 91, 1142-1147.

Moeinirad, A., Pirdashti, H., Eaghanehpour, F. and Mokhtarpour, H., 2013. Effecct of sowing date and plant density on phenology, morphology and yield of Maize cv. KSC704 in Gorgan. Journal of Research in Crop Sciences. 19, 41- 56. (In Persian).

Moini, S., Javadi, S. and Dehghan Manshadi, M., 2011. Feasibility study of solar energy in Iran and preparing radiation atlas. Recent Advances in Environment, Energy Systems and Naval Science: Proceedings of the 4th International Conference on Environmental and Geological Science and Engineering, Barcelona, Spain.

Moradi, R., Koocheki, A., Mahallati, M.N. and Mansoori, H., 2013. Adaptation strategies for maize cultivation under climate change in Iran: irrigation and planting date management. Mitigation and Adaptation Strategies for Global Change. 18(2), 265-284.

Naderi, F., Siadat, S.A. and Rafiee, M., 2010. Effect of planting date and plant density on grain yield and yield components of two maize hybrids as second crop in Khorram Abad Iranian Journal of Crop Sciences. 12 (1), 31- 41. (In Persian).

Nassiri, M., Koocheki, A., Kamali, G.A. and Shahandeh, H., 2006. Potential impact of climate change on rainfed wheat production in Iran: (Potentieller Einfluss des Klimawandels auf die Weizenproduktion unter Rainfed-Bedingungen im Iran). Archives of Agronomy and Soil Science. 52(1), 113-124.

Nassiri, M.M., 2008. Modeling crop growth Processes. Mashhad University, Mashhad, Iran. (In Persian).

Prescott, J., 1940. Evaporation from a water surface in relation to solar radiation. Transactions of The Royal Society of South Australia. 64 (1), 114–118

Rahimi-Moghaddam, S. 2013. Determination of genetic coefficients of some maize (Zea mays L.) cultivars in Iran to be applied in crop simulation models. M.Sc. Thesis, Shahid Beheshti University, Tehran, Iran, pp. 88. (In Persian with English abstract).

Rahimi-Moghaddam, S., Deihimfard, R., Soufizadeh, S., Kambouzia, J., Nazariyan Firuzabadi, F. and Eyni Nargeseh, H., 2015. Determination of genetic coefficients of some maize (Zea mays L.) cultivars of Iran for application in crop simulation models. Iranian Journal of Field Crops Research. 13 (2), 328-339. (In Persian with English abstract).

Rahimi-Moghaddam, S., Kambouzia, J. and Deihimfard, R., 2018. Adaptation strategies to lessen negative impact of climate change on grain maize under hot climatic conditions: A model-based assessment. Agricultural and Forest Meteorology. 253, 1-14.

Rahimi-Moghaddam, S., Kambouzia, J., and Deihimfard, R., 2019. Optimal genotype × environment × management as a strategy to increase grain maize productivity and water use efficiency in water-limited environments and rising temperature. Ecological Indicators. 107, 105570.

Saberi, A., Ghoshchi, F., Sirani, S. and Safahani, A., 2008. Effect of Plant Density and Planting Pattern on Grain Yield of Maize cv. KSC704 in Gorgan. Seed Plant Production Journal. 19, 96- 111. (In Persian).

Salehi, B., 2005. Effect of row spacing and plant density on grain yield and yield components in maize (cv. Sc 704) in Miyaneh. Iranian Journal of Crop Sciences. 6 (4), 383- 395. (In Persian with English abstract).

Seifert, E., 2014. OriginPro 9.1: Scientific Data Analysis and Graphing Software—Software Review. Journal of Chemical Information and Modeling. 54 (5), 1552–1552.

Sharma, D. L., D’Antuono, M. F., Anderson, W. K., Shackley, B. J., Zaicou-Kunesch, C. M. and Amjad, M., 2008. Variability of optimum sowing time for wheat yield in Western Australia. Crop and Pasture Science. 59 (10), 958–970.

Shi, P., Tang, L., Wang, L., Sun, T., Liu, L., Cao, W. and Zhu, Y., 2015. Post-Heading heat stress in Rice of South China during 1981-2010. PLOS ONE. 10(6), 0130642.

Stone, P., 2000. The effects of heat stress on cereal yield and quality. PP 243–291 in A. S. Basra eds. Crop Responses and Adaptations to Temperature Stress. Food Products Press, Inghamton.

Tebaldi, C. and Lobell, D., 2018. Differences, or lack thereof, in wheat and maize yields under three low‐warming scenarios open access differences, or lack thereof, in wheat and maize yields under three low‐warming scenarios. Environmental Research Letters. 13 (6), 065001.

Teixeira, E. I., Fischer, G., van Velthuizen, H., Walter, C. and Ewert, F., 2013. Global hot-spots of heat stress on agricultural crops due to climate change. Agricultural and Forest Meteorology. 170, 206-215.

Wallach, D. and Goffinet, B., 1987. Mean squared error of prediction in models for studying economic and agricultural systems. Biometrics. 43, 561–576.

Watson, J., Zheng, B., Chapman, S. and Chenu, K., 2017. Projected impact of future climate on water-stress patterns across the Australian wheatbelt. Journal of Experimental Botany. 68 (21-22), 5907-5921.

Willmott, C.J., 1982. Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society. 63. 1309–1313.


ارجاعات
  • در حال حاضر ارجاعی نیست.