
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,503 |
تعداد مشاهده مقاله | 8,655,603 |
تعداد دریافت فایل اصل مقاله | 8,259,421 |
تاریخ کاشت زودهنگام بهعنوان راهکاری برای بهبود عملکرد و خصوصیات فیزیولوژیک و فنولوژیک ذرت در شرایط تغییر اقلیم در استان کرمانشاه | ||
مجله تولید گیاهان زراعی | ||
مقاله 6، دوره 10، شماره 4، اسفند 1396، صفحه 91-105 اصل مقاله (1.06 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/ejcp.2018.12078.1930 | ||
نویسندگان | ||
سجاد رحیمی مقدم* 1؛ خسرو عزیزی2 | ||
1دانشجوی دکتری کشاورزی اکولوژیک، دانشگاه شهید بهشتی | ||
2دانشیار گروه زراعت و اصلاح نبات دانشگاه لرستان و رئیس دانشگاه لرستان | ||
چکیده | ||
سابقه هدف: تغییر اقلیم به طور مستقیم میتواند بر امنیت غذایی در نقاط مختلف جهان تأثیرگذار باشد، زیرا فرآیندهای تغییر اقلیم که شامل افزایش غلظت دی اکسید کربن اتمسفری، دما و متغیر بودن بارش است، بهطور مستقیم محصولات کشاورزی را تحت تأثیر قرار می-دهد. ذرت از جمله گیاهان C4 است که نسبت به تغییرات اقلیمی حساس میباشد. بنابراین برای مقابله و کاهش حساسیت ذرت در مواجه با تغییرات اقلیمی نیازمند به کار بردن راهکارهای سازگاری میباشیم. یکی از راهکارهای موثر استفاده از تغییر تاریخ کاشتها است. بسیاری از مطالعات نشان میدهند که تغییر در تاریخ کاشتها بویژه تاریخ کاشت های زودهنگام میتواند به مقابله با تغییرات اقلیمی کمک کند. مواد و روش: این تحقیق در سه شهرستان از استان کرمانشاه انجام شد. بدین منظور ابتدا اقلیم آینده این شهرستانها با استفاده از دادههای اقلیمی بلندمدت دوره پایه (شامل دمای کمینه و بیشینه، بارندگی و تشعشع روزانه در دوره پایه 2009 -1980) و با استفاده از روش ارائه شده توسط AgMIP تحت دو سناریوی اقلیمی RCP4.5 و RCP8.5 برای دوره 2069 -2040 تولید شدند. آزمایشهای بلند مدت شبیهسازی از یک رقم (سینگل کراس 704)، پنج تاریخ کاشت (16 فروردین، 31 فروردین، 15 اردیبهشت، 30 اردیبهشت و 15 خرداد)، 3 منطقه (کرمانشاه، کنگاور و اسلام آباد) و دو سناریوی اقلیمی در 30 سال تشکیل شدند که در مجموع شامل 1350 آزمایش شبیهسازی بودند. در این تحقیق از مدل APSIM برای شبیهسازی رشد و عملکرد ذرت دانهای استفاده شد. در این تحقیق تمامی شبیهسازیها در شرایط پتانسیل و عدم محدودیت نیتروژن و آب انجام شد. این مدل پیشتر برای رقم سینگل کراس 704 که رایجترین رقم مورد کشت در استان کرمانشاه میباشد پارامتریابی و ارزیابی شده است. در این مطالعه برای تمامی تجزیههای آماری و رسم شکلها از نرم افزار OriginPro 9.1 (Seifert, 2014) و R (R Core Team, 2016) استفاده گردید. یافتهها: میانگین عملکرد استان کرمانشاه در دوره پایه 11354 کیلوگرم در هکتار بود. نتایج نشان داد که به طور متوسط عملکرد دانه ذرت در استان کرمانشاه در سال 2050 نسبت به دوره پایه تحت RCP4.5 و RCP8.5 به ترتیب 82/60 و 73/80 درصد کاهش می یابد. در بین شهرستانهای مختلف کنگاور با میانگین 13426 کیلوگرم در هکتار بیشترین و کرمانشاه با میانگین 4/7952 کیلوگرم در هکتار کمترین عملکرد را در دوره پایه داشتند. نتایج نشان دادکه بطور میانگین بالاترین عملکرد در شرایط تغییر اقلیم در یک تاریخ کاشت زودهنگام (16 فروردین) با 2/7071 و 4743 کیلوگرم در هکتار (به ترتیب در RCP4.5 وRCP8.5) به دست آمد. در آینده بطور متوسط (میانگین دور سناریو) طول دوره رشد، رشد رویشی و رشد زایشی به ترتیب نسبت به دوره پایه 7/4، 4 و 7/1 درصد کاهش داشت. همچنین در دوره آینده میانگین تعداد و وزن دانه در استان کرمانشاه کاهش یافت به طوری که تحت RCP4.5 این کاهش به ترتیب برابر با 5/56 و 8/31 درصد بود و تحت RCP8.5 این کاهش به ترتیب برابر با 5/78 و 3/59 درصد بود. با این وجود این کاهش در طول دوره رشد، رشد رویشی، رشد زایشی، تعداد دانه و وزن دانه در تاریخ کاشت زودهنگام 16 فروردین نسبت به بقیه تاریخ کاشتها بویژه تاریخ کاشتهای دیرهنگام کمتر بود. نتیجهگیری: بطورکلی نتایج این تحقیق نشان دهنده تاثیرات منفی تغییر اقلیم بر روی عملکرد ذرت استان کرمانشاه و همچنین تاثیرات منفی این تغییرات بر روی خصوصیات فیزیولوژیک و فنولوژیک ذرت بود. این تاثیرات منفی غیرقابل اجتناب بوده با این وجود نتایج نشان داد تاریخ کاشتهای زودهنگام میتواند این تاثیرات منفی را کاهش دهد. به طوری که در بیشتر موارد تاریخ کاشت زودهنگام 16 فروردین توانست در دوره آینده اثرات منفی تغییر اقلیم را بر عملکرد دانه و خصوصیات فیزیولوژیک و فنولوژیک ذرت را کاهش دهد. | ||
کلیدواژهها | ||
APSIM-Maize؛ تغییر اقلیم؛ تعداد دانه؛ بیشینه شاخص سطح برگ | ||
مراجع | ||
1. AgMIP, 2013a. Guide for Running AgMIP Climate Scenario Generation Tools with R in Windows. AgMIP, URL: http://www.agmip.org/wp-content/uploads/2013/ 10/Guide-for-Running-AgMIP-Climate-Scenario-Generation-with-R-v2.3.pdf 2. AgMIP, 2013b. The Coordinated Climate-Crop Modeling Project C3MP: An Initiative of the Agricultural Model Intercomparison and Improvement Project. C3MP Protocols and Procedures. AgMIP, URL: http://research.agmip.org/ download/attachments/1998899/C3MP+Protocols+v2.pdf 3. Alexandrov, V.A., and Hoogenboom, G. 2000. The impact of climate variability and change on crop yield in Bulgaria. Agric. For. Meteorol., 104: 315- 327. 4. Araya, A., Hoogenboom, G., Luedeling, E., Hadgu, K.M., Kisekka, I., and Martorano, L.G. 2015. Assessment of maize growth and yield using crop models under present and future climate in southwestern Ethiopia. Agric. For Meteorol., 214: 252-265. 5. Bannayan, M., Kobayashi, K., Kim, H.Y., Lieffering, M., Okada, M., and Miura, S. 2005. Modeling the interactive effects of atmospheric CO2 and N on rice growth and yield. Field Crops Res., 93: 237-251. 6. Collins, M., Knutti, R., Arblaster, J., Dufresne, J.L., Fichefet, T., Friedlingstein, P., Gao, X., Gutowski, W.J., Johns, T., Krinner, G., Shongwe, M., Tebaldi, C., Weaver, A.J., and Wehner, M. 2013. Long-term climate change: Projections, commitments and irreversibility. In Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Stocker, T.F., Qin, D., Plattner, G.-K., Tignor, M., Allen, S.K., Doschung, J., Nauels, A., Xia, Y., Bex, V., and Midgley, P.M. Eds. Cambridge University Press, Pp: 1029-1136. 7. Dupuis, I., and Dumas, C. 1990. Influence of temperature stress on in vitro fertilisation and heat shock protein synthesis in maize (Zea mays L.) reproductive tissues. Plant Physiol., 94: 665–670. 8. Eyni Nargeseh, H., Deihimfard, R., Soufizadeh, S., Haghighat, M., and Nouri, O. 2016. Predicting the impacts of climate change on irrigated wheat yield in Fars province using APSIM model. EJCP., 8(4): 203-224. (In Persian) 9. Hatfield, J.L., and Prueger, J.H. 2015. Temperature extremes: effect on plant growth and development. Weather Clim. Extrem., 10: 4-10. 10. 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. Vol. 1: Overview. University of Hawaii, Honolulu, HI. 11. Huang, J.K., Pray, C., and Rozelle, S. 2002. Enhancing the crops to feed the poor. Nature., 48: 678– 684. 12. Hulme, M., Barrow, E.M., Arnell, N.W., Harisson, P.A., Jones, T.C., and Dowing, T.E. 1999. Relative impacts of human-induced climate change and natural climate variability. Nature., 397: 688- 691. 13. IPCC, 2007. Climate change 2007: the physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press: Cambridge, UK, and New York, NY, USA, 996p. 14. Keating, B.A., Carberry, P.S., Hammer, G.L., Probert, M.E., Robertson, M.J., Holzworth, D., Huth, N.I., Hargreaves, J.N.G., Meinke, H., Hochman, Z., McLean, G., Verburg, K., Snow, V., Dimes, J.P., Silburn, M., Wang, E., Brown, S., Bristow, K.L., Asseng, S., Chapman, S., McCown, R.L., Freebairn, D.M., and Smith, C.J. 2003. An overview of APSIM, a model designed for farming systems simulation. Eur. J. Agron., 18: 267– 288. 15. 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. Glob. Change Biol., 19 (11): 3481-3492. 16. Mera, R.J., Niyogi, D., Buol, G.S., Wilkerson, G.G., and Semazzi, F.H.M. 2006. Potential individual versus simultaneous climate change effects on soybean (C3) and maize (C4) crops: An agrotechnology model based study. Global Planet. Change., 54: 163–182. 17. Meza, F.J., Silva, D., and Vigil, H. 2008. Climate change impacts on irrigated maize in Mediterranean climates: evaluation of double cropping as an emerging adaptation alternative. Agric. Sys., 98: 21–30. 18. Ministry of Agriculture Jihad, 2013. Agricultural statistics. Iranian Ministry of Agriculture Jihad, Department of Planning and Economically, Center of Information and Communication Technology, first volume, Iran. (In Persian) 19. 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. 4th International Conference of Environmental and Geological Science and Engineering. Greece. 1-7. 20. Moradi, R., Koocheki, A., Nassiri Mahallati, M., and Mansoori, H. 2013. Adaptation strategies for maize cultivation under climate change in Iran: Irrigation and planting data management. Mitig. Adapt. Strat. Gl., 18: 265-284. 21. Morison, J.I.L., and Morecroft, M.D. 2006. Plant Growth and Climate Change. Blackwell Publisher, Oxford, England, 213p. 22. Moss, R.H., Edmonds, J.A., Hibbard, K.A., Manning, M.R., Rose, S.K., van Vuuren, D.P., Carter, T.R., Emori, S., Kainuma, M., Kram, T., Meehl, G.A., Mitchell, J.F.B., Nakicenovic, N., Riahi, K., Smith, S.J., Stouffer, R.J., Thomson, A.M., Weyant, J.P., and Wilbanks, T. 2010. The next generation of scenarios for climate change. The next generation of scenarios for climate change research and assessment. Nature., 463(7282): 747-756. 23. Prescott, J.A. 1940. Evaporation from a water surface in relation to solar radiation. T. Roy. Soc. South Aust., 64(1): 114-118. 24. R Core Team 2016. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. 25. Rahimi-Moghaddam, S., Deihimfard, R., Soufizadeh, S., Kambouzia, J., Nazariyan Firuzabadi, F., and Eyni Nargeseh, H. 2015d. The effect of sowing date on grain yield, yield components and growth physiological indices of six grain maize cultivars in Iran. J. Agroecology., 5(1): 72- 83 (In Persian) 26. Rahimi-Moghaddam, S., Deihimfard, R., Soufizadeh, S., Kambouzia, J., Nazariyan Firuzabadi, F., and Eyni Nargeseh, H. 2015c. Determination of genetic coefficients of some maize (Zea mays L.) cultivars of Iran for application in crop simulation models. Iran. J. Field Crops Res., 13(2): 328-339. (In Persian) 27. Rahimi-Moghaddam, S., Kambouzia, J., and Deihimfard, R. 2017b. Estimation of parameters for some dominant maize (Zea mays L.) cultivars of Iran for using in APSIM mechanistic model. EJCP., 10(1): 129-147. (In Persian) 28. Rahimi-Moghaddam, S., Kambouzia, J., and Deihimfard, R. 2018a. Adaptation strategies to lessen negative impact of climate change on grain maize under hot climatic conditions: A model-based assessment. Agric. For. Meteorol., 253: 1-14. 29. Rowhani, P., Lobell, D.B., Linderman, M., and Ramankutty, N. 2011. Climate variability and crop production in Tanzania. Agric. For. Meteorol., 151: 449-460. 30. Ruane, A.C., Cecil, L.D., and Horton, R.M. 2013. Climate change impact uncertainties for maize in Panama: farm information, climate projections, and yield sensitivities. Agric. For. Meteorol., 170: 132–145. 31. Seifert, E. 2014. OriginPro 9.1: Scientific data analysis and graphing software—software review. J. Chem. Inf. Model., 54: 1552–1552. 32. Wang, J., Wang, E., Luo, Q., and Kirby, M. 2009. Modeling the sensitivity of wheat growth and water balance to climate change in Southeast Australia. Clim. Change., 96: 79–96. 33. Wayne, G.P. 2013. The beginner’s guide to representative concentration pathways. Skeptical Sci., URL: http://www.skepticalscience.com/docs/RCP Guide. 34. Wilby, R.L., Charles, S.P., Zorita, E., Timbal, B., Whetton, P., and Mearns, L.O. 2004. Guidelines for use of climate scenarios developed from statistical downscaling methods. Supporting material of the Intergovernmental Panel on Climate Change, available from the DDC of IPCC TGCIA. Aug 27. 35. Zheng, B., Chenu, K., Dreccer, M.F., and Chapman, S.C. 2012. Breeding for the future: what are the potential impacts of future frost and heat events on sowing and flowering time requirements for Australian bread wheat (Triticum aestivium) varieties? Glob. Change Biol., 18: 2899–2914. | ||
آمار تعداد مشاهده مقاله: 1,169 تعداد دریافت فایل اصل مقاله: 750 |