بهینه‌سازی مقدار آب آبیاری و کود نیتروژن در برنج راتون با استفاده از مدل‌سازی سطح-پاسخ

نوع مقاله : پژوهشی

نویسندگان

1 استادیار، گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

2 استادیار، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گیلان، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران

3 استادیار، مؤسسة تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

برنج از جمله غلات بسیار مهم و ضروری برای جمعیت در حال رشد ایران است. به همین دلیل توجه به کمیت و کیفیت این گیاه زراعی بسیار اهمیت دارد. کشت راتون برنج که در برخی مناطق شمال کشور رایج شده است، امکان تولید مجدد برنج را در ادامۀ فصل زراعی میسر می‌کند. با توجه به اثرگذاری دو عامل مقدار آب آبیاری و کود نیتروژن بر خصوصیات کمی و کیفی راتون برنج، در این تحقیق بهینه‌سازی آن‌ها با استفاده از روش سطح-پاسخ انجام شد. محل آزمایش، مزرعه تحقیقاتی مؤسسة تحقیقات برنج واقع در عرض جغرافیایی 37 درجه و 16 دقیقة شرقی و طول جغرافیایی 49 درجه و 63 دقیقة شرقی در شهرستان رشت با ارتفاع هفت متر پایین‌تر از سطح دریای آزاد بود. عوامل مورد مطالعه شامل مقدار آب آبیاری (با سطوح بالا و پایین صفر میلی‌متر ترک‌ (یا غرقابی) و پنج میلی‌متر ترک) و کود نیتروژن (با سطوح بالا و پایین 90 و صفر کیلوگرم در هکتار نیتروژن خالص) بود. نتایج نشان داد که مدل رگرسیونی برای پیش‌بینی صفات ارتفاع بوته، عملکرد کاه، قوام ژل و ری آمدن دچار خطای کم‌برآوردی (0> MBE) و برای سایر صفات دچار خطای بیش‌برآوردی شد (0< MBE). مقدار آمارة NRMSE کم‌تر از 1/0 بود. بنابراین مدل رگرسیونی درجة دوم برای همة پارامترها دارای صحت عالی بود. دو آمارۀ EF و d که نشان‌دهندۀ کارایی مدل رگرسیونی است دارای مقادیر قابل‌قبول (0.90< d و 0< EF) بود. پس از بهینه‌سازی، عملکرد دانه و زیست‌توده به‌ترتیب 5/10 و 5/0 درصد بیش‌تر از میانگین مقادیر این پارامترها در شرایط مشاهداتی بود. تعداد پنجه، طول خوشه و شاخص برداشت، در شرایط بهینه به‌ترتیب 9/1، 4/1، 6/3 درصد بیش‌تر از مقادیر مشاهداتی و ارتفاع بوته و وزن هزار دانه در هر دو حالت بهینه و مشاهداتی مقادیر تقریباً برابری داشت. تغییرات مقادیر شاخص‌های کیفی درجة ژلاتینی شدن، قوام ژل، درصد آمیلوز و ری‌آمدن در شرایط بهینه نسبت به مقادیر مشاهده شده به‌ترتیب 8/1 (کم‌تر)، 0/4 (بیش‌تر)، صفر و 2/6 (بیش‌تر) درصد بود. مقدار آب آبیاری و کود نیتروژن در شرایط بهینه به‌ترتیب 5/3 میلی‌متر ترک‌خوردگی و 68 کیلوگرم بر هکتار بود.

کلیدواژه‌ها

موضوعات


Ahmadee, M., Ghanbarpouri, M., & Egdernezhad, A. (2021). Applied irrigation water of wheat using sensitivity analysis and evaluation of AquaCrop. Water Management in Agriculture, 8(1), 15-30. dor:20.1001.1.24764531.2021.8.1.2.0. [In Persian]
Ahmadee, M., Khashei Siuki, A., & Sayyari, M.H. (2015). Comparison of efficiency of different equations to estimate the water requirement in saffron (Crocus sativus L.) (Case study: Birjand Plain, Iran). Journal of Agroecology, 8(4), 505-520. doi:10.22067/jag.v8i4.40517. [In Persian]
Aslan, N. (2007). Application of response surface methodology and central composite rotatable design for modeling the influence of some operating variables of a multi-gravity separator for chromite concentration. Powder Technology, 86, 769–776. doi:10.1016/j.powtec.2007.10.002
Azeez, M.A., & Shafi, M. (1966). Quality of Rice Dept. of Agriculture Bulleting, Pakistan, 50 pp.
Box, G.E.P., & Hunter, J.S. (1957). Multi-factor experimental designs for exploring response surfaces. The Annals of Mathematical Statistic, 28(1), 195-241.
Box, G.E.P., & Wilson, K.B. (1951). On the experimental attainment of optimum conditions. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 13, 1–45. doi:10.1007/978-1-4612-4380-9_23
Cagampang, G.B, Perez, C.M., & Juliano, B.O. (1973). A gel Consistency test for eating quality of Rice. Journal of the Science of Food and Agriculture, 24, 1589-1594. doi:10.1002/jsfa.2740241214
Ebrahimipak, N., Egdernezhad, A., Tafteh, A., & Ahmadee, M. (2019). Evaluation of AquaCrop, WOFOST, and CropSyst to simulate rapeseed yield. Iranian Journal of Irrigation and Drainage, 13(3-75), 715-726. dor:20.1001.1.20087942.1398.13.3.14.4. [In Persian]
Egdernezhad, A., Ebrahimipak, N., Tafteh, A., & Ahmadee, M. (2019). Canola irrigation scheduling using AquaCrop model in Qazvin Plain. Water Management in Agriculture, 5(2), 53-64. dor:20.1001.1.24764531.1397.5.2.7.2. [In Persian]
Goodarzi, F., Delshad, M., Mansouri, H., & Soltani, F. (2021). Optimization of nitrogen fertilizer and plant spacing on the row parameters in spinach cv. “Harrier” using response surface methodology. Iranian Journal of Horticultural Science, 52(1), 139-151. doi:10.22059/ijhs.2019.283357.1663. [In Persian]
Hamid, Z., Soltani-Mohammadi, A., & Ahmadee, M. (2022). Evaluation of full factorial, taguchi and central composite design methods in reducing nitrate leaching from soil under zeolite treatment. Journal of Irrigation and Water Engineering, 13(49), 90-107. doi:10.22125/iwe.2022.158509. [In Persian].
Islam, M.S., & Mirza, H. (2008). Ratoon rice response to different fertilizer doses in irrigated condition. Agriculturae Conspectus Scientificus (Poljoprivredna Znanstvena Smotra), 73(4), 197-202. https://hrcak.srce.hr/31230
Jahan, M., Amiri, M.B., & Noorbakhsh, F. (2017). Evaluation of the increased rates of water super absorbent and humic acid application under deficit irrigation condition on some agroecological characteristics of zea mays using response surface methodology. Iranian Journal of Field Crops Research, 14(4), 746-764. doi:10.22067/gsc.v14i4.48347. [In Persian]
Jahan, M., Nassiri-Mahallati, M., Khalilzade, H., Bigonah, R., & Razavi, A.R. (2016).  Optimizing of nitrogen, phosphorus and cattle manure fertilizers application in winter wheat production using response-surface methodology (RSM). Iranian Journal of Field Crops Research, 13(4), 823-839. doi:10.22067/gsc.v13i4.39788. [In Persian]
Khashei Siuki, A., Hashemi, S.R., & Ahmadee, M. (2017). Application of the taguchi approach in the evaluation of saffron (Crocus sativus L.) emergence affected by zeolite and irrigation scheduling. Journal of Saffron Research, 4(2), 266-278. doi:10.22077/jsr.2017.524. [In Persian]
Koocheki, A., Nassiri, M., Moradi, R., & Mansouri, H. (2014). Optimizing water, nitrogen, and crop density in canola cultivation using response surface methodology and central composite design. Soil Science and Plant Nutrition, 1, 1-13. doi:10.1080/00380768.2014.893535
Little, R.R,, Hilder, G.B., & Dawson, E.H. (1958). Differential effect of dilute alkali on 25 varieties of milled white rice. Cereal Chemistry, 35, 111-126.
Mansouri, H., Bannayan, M., Rezvani-Moghaddam, P., & Lakzian, A. (2015). Management of nitrogen, irrigation, and planting density in Persian shallot (Allium hirtifolium) by using central composite optimizing method. Agricultural Science and Sustainable Production, 24(4), 41-60. doi:10.22055/jise.2021.34154.1922. [In Persian]
Mansouri, H., Noshad, H., & Hassani, M. (2021). Optimization of nitrogen fertilizer and water consumption in sugar beet by using response-surface method. Journal of Agroecology, 13(1), 57-72. doi:10.22067/jag.v13i1.79767. [In Persian]
Montgomery, D.C. (2001). Design and Analysis of Experiments, Fifth Ed., John Wiley & Sons, New York. 734 p.
Mostafazadeh-Fard, T.B, Jafari, F., Musavi, S.F., & Yazdani, M.R. (2010). Effects of irrigation water management on yield and water use of rice in cracked paddy soils. Australian Journal of Crop Science. 4(3), 136-141.
Shiraki, S.h, Cho, T.M., Htay, K.h.M., & Yamaoka, K. (2020). Effects of the double-cutting method for ratooning rice in the salibu system under different soil moisture conditions on grain yield and regeneration rate. Agronomy, 10, 1621-1634. doi:10.3390/agronomy10111621
Wu, C.F.J., & Hamada, M. (2009). Experiments: Planning, analysis, and parameter design optimization. Second Edition, John Wiley and Sons, New York, 853p.
Ziaeifar, S., Khozeymehnezhad, H., Alinezhad, H., & Darzi-Naftchali, A. (2022). Evaluation of the influnce of water management and different methods of nitrogen application on rice yield and water use efficiency. Journal of Water and Soil Conservation, 29(2),135-154. doi:10.22069/jwsc.2022.19993.3540. [in Persian] 
Zulkali, M.M.D, Ahmad, A.L., & Norulakmal, N.H. (2006). Oryza sativa L husk as heavy metal adsorbent: optimization with lead as model solution. Bioresource Technology, 97, 21-25. doi:10.1016/j.biortech.2005.02.007.