توسعه مدل گیاهی ترکیبی بر پایه مدل CSM-CERES-Maize برای مدیریت آبیاری و ارزیابی شبیه سازی شاخص های رشد ذرت

در این بررسی، با هدف طراحی مدلی توانمند و منطبق بر نیاز های داخلی کشور، مدل های پرکاربرد CSM-CERES-Maize از بسته نرم افزاری DSSAT نسخه 4 و مدل SWAP به یکدیگر متصل شدند تا هر یک از مدل ها از ویژگی های منحصر به فرد مدل دیگر استفاده کند. در مدل ترکیبی توسعه داده شده با نام پیشنهادی CERES-Maize-hbased، مدل CERES-Maize از مقادیر روزانه رطوبت خاک، تبخیر- تعرق واقعی و پتانسیل و جذب آب توسط ریشه محاسبه شده توسط مدل SWAP بهره می گیرد و پارامتر های روزانه رشد ریشه و شاخص سطح برگ را محاسبه و به آن ارسال می کند. برای ارزیابی مدل از داده های ذرت کشت شده در منطقه ورامین استفاده شد. مقایسه نسخه اصلی مدل و نسخه توسعه یافته مدل در پیش بینی مقدار ماده خشک نشان داد که هر دو مدل به خوبی ماده خشک را شبیه سازی می کنند. تفاوت معناداری بین عملکرد دو مدل در مقدار متوسط و مقدار نهایی مجموع ماده خشک مشاهده شد. مقدار متوسط و مجموع خطای مطلق نسخه توسعه یافته و اصلی مدل در شبیه سازی ماده خشک نهایی در 12 تیمار بررسی شده، به ترتیب 1021، 4207 کیلوگرم بر هکتار و 1271 و 5978 کیلوگرم بر هکتار بود. در کل به دلیل عملکرد موفق مدل توسعه یافته در شبیه سازی پارامتر هدف (ماده خشک)، می توان نتیجه گرفت که اتصال دو مدل با موفقیت صورت گرفته و مدل ترکیبی جدید، آماده استفاده در پژوهش های مرتبط با رشد ذرت است.