مدل‌سازی رشد و عملکرد زعفران چند ساله تحت شوری‌های مختلف آب آبیاری، سطوح مختلف آب آبیاری و روش‌های کاشت

تصمیم‌گیری در مورد مدیریت کارآمد مزرعه برای تولید محصولات زراعی نیازمند مدل‌سازی رشد و عملکرد محصول، به‌ویژه در رابطه با مسائل اقلیمی متغیر است. در این راستا، مدل SYEM برای زعفران توسعه داده شده و اصلاح شده است. داده‌های مورد استفاده در این تحقیق از دسترنج و سپاسخواه (2019) به دست آمده است. در مطالعه حاضر، توانایی مدل SYEM اصلاح‌شده در شبیه‌سازی انتقال آب و نمک در خاک، رشد زعفران و اجزای عملکرد آن تحت شوری‌های مختلف آب آبیاری [0.45 (آب چاه، S1)، 1.0 (S2)، 2.0 (S3)، 3.0 (S4) دسی‌زیمنس بر متر]، سطوح آب آبیاری [100٪ (I1). 75٪ (I2) و 50٪ (I3) نیاز آبی زعفران (WR)] و روش‌های کاشت [کاشت کرتی (P1) و کاشت درون جوی و پشته‌ای (P2)] بررسی شد. با توجه به شاخص‌های NRMSE و d، مدل SYEM اصلاح‌شده، ET، E و T را با دقت خوبی شبیه‌سازی کرد (NRMSE از 10% تا 20%). همچنین، مقادیر NRMSE و d (شاخص توافق) برای پیش‌بینی ماده خشک، عملکرد زعفران و عملکرد بنه بین 10% تا 20% و 0.85 و 0.95 متغیر بود که نشان‌دهنده توانایی خوب مدل در شبیه‌سازی این پارامترها در هر دو مرحله کالیبراسیون و اعتبارسنجی بود. توانایی مدل در شبیه‌سازی LAI در طول فصل رشد در مرحله کالیبراسیون خوب بود؛ با این حال، در مرحله اعتبارسنجی نسبتاً قابل قبول بود. همچنین، مدل قادر به پیش‌بینی روزی که حداکثر LAI رخ می‌دهد، نبود. شوری آب خاک و محتوای آب خاک نیز توسط SYEM اصلاح‌شده با دقت قابل قبولی (NRMSE از 20% تا 30%) در هر دو مرحله کالیبراسیون و اعتبارسنجی شبیه‌سازی شدند. مدل، شوری آب خاک را، به‌ویژه در کاشت درون جویچه، بیش از حد تخمین زد. در نهایت، نتیجه گرفته می‌شود که مدل اصلاح‌شده SYEM ابزاری ساده و کاربرپسند برای پیش‌بینی عملکرد زعفران است و در نتیجه مدیریت بهتر مزرعه را تسهیل می‌کند.

Decision-making on efficient field management for crop production requires modeling crop growth and yield, especially in relation to varying climate issues. In this regard, the SYEM model was developed and modified for saffron. The data used in this research were obtained from Dastranj and Sepaskhah (2019). In the current study, the ability of the modified SYEM model to simulate soil water and salt transport, saffron growth and its yield components under different irrigation water salinities [0.45 (well water, S1), 1.0 (S2), 2.0 (S3), 3.0 (S4) dS m−1], irrigation water levels [100 % (I1). 75 % (I2) and 50 % (I3) of saffron water requirement (WR)] and planting methods [basin (P1) and in-furrow (P2) planting] was investigated. According to the NRMSE and d indices, the modified SYEM model simulated ET, E, and T with good accuracy (NRMSE ranging from 10 % to 20 %). Also, the values of NRMSE and d (index of agreement) for predicting dry matter, saffron yield, and corm yield varied between 10 % and 20 % and 0.85 and 0.95, which indicated a good ability of the model in simulating these parameters in both calibration and validation steps. The model’s ability to simulate LAI during the growing season was good in the calibration step; however, it was fairly acceptable in the validation step. Also, the model was not able to predict the day on which the maximum LAI occurred. Soil water salinity and soil water content were also simulated by modified SYEM with an acceptable accuracy (NRMSE from 20 % to 30 %) in both calibration and validation steps. The model overestimated the soil water salinity, especially in the in-furrow planting. Finally, it is concluded that the modified SYEM model is a simple and user-friendly tool for predicting saffron yield, thereby facilitating better field management.