گل
دهی

شروع­ پیری ­پوشش گیاهی

رسیدگی
فیزیولوژیکی

حداکثر
عمق ریشه

۸ روزگی

۵۶ روزگی

۱۴۰ روزگی

۱۹۰

۲۵ سانتی متر

۳-۲-۴-۴ عوامل مدیریتی
راهبردهای مدیریتی که می­توانند روی مدیریت مصرف آب و کم­آبیاری تاثیر گذار باشند و از طریق مدل مورد ارزیابی قرار گیرند شامل تاریخ کاشت، حاصلخیزی خاک، خصوصیات سطح مزرعه، زمان آبیاری، حجم آب آبیاری، سیستم­های آبیاری، مدیریت بقایا و … است.
۳-۳ دوره شبیه­سازی
در این بخش نحوه شبیه­سازی طول دوره رشد، به مدل معرفی گردید که ممکن است دوره شبیه­سازی طولانی­تر از دوره رشد گیاه باشد و یا اینکه ممکن است قبل از شروع و یا بعد از رسیدگی فیزیولوژیکی گیاه و برداشت نهایی باشد.
شکل ۳-۱۷ معرفی طول دوره شبیه­سازی به مدل
۳-۳-۱ شرایط اولیه (Initial Condition)
در این بخش به معرفی میزان رطوبت خاک قبل از کشت در اعماق نمونه­برداری شده، پرداخته شد.
شکل۳-۱۸ معرفی شرایط رطوبتی اولیه به مدل
۳-۳-۲ اجرای شبیه­سازی
بعد از مراحل فوق، به اجرای شبیه­سازی پرداخته شد. با کلیک بر دستور RUN و سپس دستور START، (درگام­های زمانی با دوره چند روزه یا به­ طور یک مرتبه) انجام شد. در شبیه­سازی گام به گام، میتوان روند تأثیر تنش آبی بر شاخص­ هایی همچون توسعه برگ، بسته­شدن روزنه­ها و پیری زودرس را مشاهده کرد. در این بخش، نتایج به صورت عددی و گرافیکی نمایش داده می­ شود.
شکل ۳-۱۹ نمایش نمونه ­ای از نتایج عددی مدل
شکل ۳-۲۰ نمایش نمونه ­ای از نتایج گرافیکی مدل
۳-۴ ارزیابی مدل AquaCrop و بررسی صحت مدل
بر اساس داده ­ها و اطلاعات حاصل از تیمار آبیاری کامل آزمایش در بهترین تاریخ کاشت، مدل AquaCrop واسنجی^[۱۷۴] و با بهره گرفتن از داده ­ها و اطلاعات تیمارهای دیگر مدل مورد ارزیابی یا صحت سنجی^[۱۷۵] قرار گرفت. برای مقایسه داده‌های شبیه‌سازی شده با داده‌های به دست آمده از آزمایش­ مزرعه‌ای و صحت­یابی نتایج و ارزیابی قابل اعتماد بودن مدل از یکسری شاخص‌های ارزیابی مزرعه­ای که شامل: ریشه میانگین مربعات اشتباه (RMSE)، ریشه میانگین مربعات اشتباه نرمال شده (N-RMSE)، شاخص توافق ویلموت (d)، رگرسیون خطی، روش رگرسیون ۱:۱ و ضریب تبیین) (r² استفاده شد (اندرزیان و همکاران، ۲۰۰۸).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

الف) ریشه میانگین مجموع مربعات اشتباه^[۱۷۶] RMSE
معادله: ( ۳-۶)
ب) جذر میانگین مربعات اشتباه نرمال شده^[۱۷۷] NRMSE
معادله: (۳-۷)
پ) شاخص توافق ویلموت^[۱۷۸] (d) که توسط ویلموت ( ۱۹۸۱) برای ارزیابی کارکرد مدل­ها پیشنهاد شد.
معادله: (۳-۸)
که P_i و O_i به ترتیب مقادیر پیش‌بینی شده و مشاهده شده: : n تعداد مشاهدات و O_iavg میانگین مقادیر مشاهده است. RMSEبه صورت درصد اختلاف نسبی مقادیر پیش ­بینی شده در برابر مقادیر واقعی بیان می­ شود و بر اساس تعریف، قدرت پیش ­بینی مدل در صورتی که مقدار RMSE کمتر از ۱۰% باشد عالی، اگر بین ۱۰ تا ۲۰ % باشد، خوب، اگر بین ۲۰ تا ۳۰% باشد، متوسط و اگر بالاتر از ۳۰% باشد، ضعیف برآورد می­ شود (رینالدی^[۱۷۹] و همکاران، ۲۰۰۴ ).
ت) رگرسیون خطی: در این روش معادله همبستگی y=ax+b بین داده ­های شبیه­سازی شده (به عنوان متغیر مستقل) و واقعی بدست می ­آید. در این روش، هر چه اندازه مقدار a به صفر نزدیکتر و مقدار شیب خط رگرسیون (b) به یک نزدیکتر باشد مدل از کارایی بهتری برخوردار است.
ث) روش رگرسیون یک به یک: در این روش، خط رگرسیون ۱:۱ بین داده ­های شبیه­سازی شده با داده ­های واقعی ترسیم می­گردد. از این روش بطور وسیعی برای ارزیابی مدل­ها استفاده می­ شود.
ج) شاخص همبستگی پیرسون®: این شاخص، میزان تشابه یا عدم تشابه متغیر Y در مقابل X را بیان می­ کند. ضریب همبستگی به عنوان معیاری برای سنجش تغییرات مقادیر شبیه­سازی شده و واقعی نسبت به هم دارای خواص مطلوبی است:
۱) به مبدا و واحد اندازه ­گیری متکی نیست. ۲) بین صفر و یک متغیر است. اگر به یک نزدیک باشد، یافته­های اطراف یک خط راست هستند و اگر صفر باشد متغیرها ناهمبسته­اند. همچنین ضریب تبیین^[۱۸۰]) (r² ،که بیان کننده درصد تغییرات توسط مدل است را می­توان از این شاخص برآورد نمود.
برای برازش معادلات و انجام محاسبات آماری، از نرم­افزار Sigmaplot و Sigmastat استفاده شد.
۳-۵ تجزیه آماری و منطقه­بندی
داده ­های هواشناسی بلند مدت ( ۱۰ ساله ) مربوط به هر منطقه، از ایستگاه­های هواشناسی مربوطه تهیه و با بهره گرفتن از نرم­افزار Excel براساس فرمت مدل تنظیم و وارد مدل گردید. سپس مدل برای هر سال اجرا و پتانسیل عملکرد نیز شبیه­سازی گردید. پس از اجرای مدل، نتایج خروجی مدل برای آنالیز ریسک تولید توسط نرم­افزارهای Easyfit و Sigmaplot تجزیه و تحلیل شد. همچنین پتانسیل عملکرد شبیه­سازی شده، به روش تجزیه خوشه­ای با بهره گرفتن از نرم­افزار Minitab، گروه بندی و مناطق دارای پتانسیل عملکرد مشابه در یک گروه قرار گرفته که در پایان مناطق بر مبنای پتانسیل و ریسک تولید به گروه ­های مختلف تقسیم ­بندی شدند.
۳-۶ روند تغییرات عملکرد دانه
به منظور ارزیابی تغییرات سالیانه پتانسیل عملکرد، مدل طی یک دوره ۱۰ ساله برای شهرستان­های مورد نظر اجرا و پتانسیل عملکرد برآورد گردید.
۳-۷ تاریخ کاشت تحت شرایط دیم
اگر چه در زراعت فاریاب تاریخ کاشت منحصراً توسط درجه حرارت تعیین می­گردد و با مناسب شدن شرایط دمایی در هر منطقه کشاورزان اقدام به کشت نموده و بلافاصله مزارع را آبیاری و بذور جوانه زده و گیاهچه­ها استقرار می­یابند، لیکن در شرایط دیم تاریخ کاشت علاوه بر دما به بارندگی وابستگی تام دارد (بنایان و همکاران، ۲۰۱۳). لذا در شرایط دیم بارندگی نقش اصلی را در تعیین تاریخ کاشت ایفا می­نماید. معمولا در دامنه دمایی مناسب تاریخ کاشت زمانی صورت می­گیرد که رطوبت موجود در خاک برای جوانه زنی و استقرار گیاهچه­ها کافی باشد در صورت کشت بعد از بارندگی بدون توجه به میزان ذخیره شدن آن درخاک ممکن است موجبات جوانه­زنی بذور را فراهم نموده اما به دلیل تأخیر در بارندگی­های بعدی و ناکافی بدون ذخیره رطوبت خاک، بذور جوانه زده با خشکی مواجه شده و گیاهچه­های تولید شده تلف شده و در نهایت منجر به عدم موفقیت در زراعت گردد. لذا تحت شرایط دیم کاشت توام با ریسک است. لذا به منظور کاهش ریسک در زمان کاشت و تضمین استقرار گیاهچه­ها و دستیابی به عملکرد اقتصادی، معیارها و متدولوژی­هایی برای تعیین تاریخ کاشت تحت شرایط دیم معرفی شده است (آرایا و همکاران ، ۲۰۱۱).
یکی از معیارهایی که برای تعیین تاریخ کاشت هم اکنون در دنیا بطور وسیعی مورد استفاده قرار می­گیرد، معیار DEPTH است که توسط ریس و همکاران معرفی شده است (ریس و همکاران، ۲۰۰۶: آرایا و همکاران، ۲۰۱۱). این معیار برای گیاه کینوا توسط گرتس و همکاران (۲۰۰۹)، چنین معرفی شده است، در دامنه دمایی مناسب زمانی که مقدار بارندگی طی چهار روز متوالی معادل یا بیشتر از ۲۰ میلی­متر باشد، اولین روز از این دوره چهار روزه به عنوان تاریخ کاشت تلقی می­گردد. این مقدار بارندگی رطوبت کافی رابرای جوانه زنی و استقرار گیاهچه­های کینوا تا ۳۰ روز بعد از کاشت فراهم می­نماید. با توجه به تغییرات سالانه شرایط آب و هوایی به ویژه بارندگی (زمان و شدت بارندگی ) این تاریخ کاشت بایستی برمبنای آنالیز فراوانی بلند مدت (بالای ۲۰ سال) داده ­های هواشناسی برای هر منطقه انجام گیرد تا زمان کاشت مناسب برای آن منطقه معرفی گردد. برای تعیین تاریخ کاشت در هر منطقه با بهره گرفتن از این معیار (DEPTH) از مدل AquaCrop استفاده شد (ریس و همکاران، ۲۰۰۹). با تنظیم داده های هواشناسی (آب وهوای) به فرمت نرم افزار، مدل اجرا و اولین تاریخ کاشت برای هر سال تعیین شد. پس از اجرای مدل برای همه سال­های هر منطقه، تاریخ کاشت­های تعیین شده برای هر سال به­ صورت روز از سال میلادی( Jolian day of year) تبدیل شده و توسط نرم افزار RAINBOW (ریس و همکاران، ۲۰۰۶) مورد آنالیز احتمالات وقوع (آنالیز احتمال تجمعی) قرارگرفته و براساس احتمال وقوع بیش از ۸۰ درصد اولین تاریخ کاشت برای هر منطقه معرفی گردید (موگالاوی^[۱۸۱] و همکاران، ۲۰۰۸).
۳-۸ پایان دوره رشد و طول دوره رشد