توسعۀ مدل گیاهی ترکیبی بر پایۀ 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 نیاز­های داخلی کشور، مدل­های پرکاربرد csm-ceres-maize از بستۀ نرم­افزاری dssat نسخۀ 4 و مدل swap به یکدیگر متصل شدند تا هر یک از مدل­ها از ویژگی­های منحصر به فرد مدل دیگر استفاده کند. در مدل ترکیبی توسعه داده شده با نام پیشنهادی ceres-maize-hbased، مدل ceres-maize از مقادیر روزانۀ رطوبت خاک، تبخیر- تعرق واقعی و پتانسیل و جذب آب توسط ریشه محاسبه شده توسط مدل swap بهره می گیرد و پارامتر­های روزانۀ رشد ریشه و شاخص سطح برگ را محاسبه و به آن ارسال می­کند. برای ارزیابی مدل از داده­های ذرت کشت شده در منطقۀ ورامین استفاده شد. مقایسۀ نسخۀ اصلی مدل و نسخۀ توسعه یافتۀ مدل در پیش­بینی مقدار مادۀ خشک نشان داد که هر دو مدل به خوبی مادۀ خشک را شبیه­سازی می کنند. تفاوت معناداری بین عملکرد دو مدل در مقدار متوسط و مقدار نهایی مجموع مادۀ خشک مشاهده شد. مقدار متوسط و مجموع خطای مطلق نسخۀ توسعه یافته و اصلی مدل در شبیه­سازی مادۀ 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 شبیه­سازی پارامتر هدف (مادۀ خشک)، می­توان نتیجه گرفت که اتصال دو مدل با موفقیت صورت گرفته و مدل ترکیبی جدید، آمادۀ استفاده در پژوهش­های مرتبط با رشد ذرت است.