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 منحصر‌به‌فرد مدل دیگر استفاده کند. در مدل ترکیبی توسعه‌داده‌شده با نام پیشنهادی CERES-Maize-hbased، مدل CERES-Maize از مقادیر روزانۀ رطوبت خاک، تبخیر- تعرق واقعی و پتانسیل و جذب آب توسط ریشه محاسبه‌شده توسط مدل SWAP بهره می‌گیرد و پارامتر­های روزانۀ رشد ریشه و شاخص سطح برگ را محاسبه و به آن ارسال می­کند. برای ارزیابی مدل از داده­های ذرت کشت‌شده در منطقۀ ورامین استفاده شد. مقایسۀ نسخۀ اصلی مدل و نسخۀ توسعه‌یافتۀ مدل در پیش­بینی مقدار مادۀ خشک نشان داد که هر دو مدل به‌خوبی مادۀ خشک را شبیه­سازی می‌کنند. تفاوت معناداری بین عملکرد دو مدل در مقدار متوسط و مقدار نهایی مجموع مادۀ خشک مشاهده شد. مقدار متوسط و مجموع خطای مطلق نسخۀ توسعه‌یافته و اصلی مدل در شبیه­سازی مادۀ خشک نهایی در 12 تیمار بررسی‌شده، به‌ترتیب 1021، 4207 کیلوگرم بر هکتار و 1271 و 5978 کیلوگرم بر هکتار بود. در کل به‌دلیل عملکرد موفق مدل توسعه‌یافته 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.