مدل‌سازي پاسخ گياه به تنش‌هاي شوري و كمبود ازت خاك

Modeling plant response to salinity and soil nitrogen deficiency

بررسي اثرات متقابل شوري و عناصرغذايي اهميتي فراوان در مديريت بهينه منابع آب و خاك در مناطق خشك و نيمه خشك دارد. هدف از اين پژوهش، مدل‌سازي واكنش گياه كلزا (Brassica napus L.) به شوري به هنگام وجود كمبود نيتروژن بود. بدين منظور، مدل‌هاي مبنايي باروري خاك شامل ليبيگ- اسپرنگل (LS) و ميچرليخ- بال (MB) كه تنها براي پاسخ گياه به يك عامل محدودكننده غذايي پيشنهاد شده‌اند، به گونه‌اي اشتقاق يافتند كه بتوان از آنها براي تنش‌هاي توامان شوري و كمبود ازت استفاده كرد. به منظور دستيابي به داده‌هاي مورد نياز و آزمون مدل‌هاي پيشنهادي، آزمايشي پنج سطح شوري آب آبياري شامل آب غيرشور، 3، 6، 9 و 12 دسي زيمنس بر متر و چهار سطح كود ازتي شامل 0، 75، 150 و 300 ميلي‌گرم ازت در كيلوگرم خاك در سه تكرار انجام شد. نتايج حاصل از خروجي مدل‌ها با استفاده از آماره‌هاي خطاي بيشينه (ME)، ريشه ميانگين مربعات خطا (RMSE)، ضريب تبيين (CD)، كارآيي مدل (EF) و ضريب خطاي تجمعي (CRM) با يكديگر مقايسه شدند. تجزيه و تحليل اين آماره‌ها نشان داد كه مدل پيشنهادي LS براي برآورد عملكرد نسبي دانه در سطوح نيتروژن خاك نسبت به ساير مدل‌ها مناسب‌تر است. حال آنكه مدل پيشنهادي MB در سطوح شوري آب آبياري و تركيب سطوح شوري و نيتروژن توانست نسبت به ديگر مدل‌ها برآوردي بهتر ارايه دهد. بدين‌ترتيب مي‌توان نتيجه گرفت كه مدل‌هاي پيشنهادي با دقتي مناسب قادر به پيش‌بيني اثرات متقابل شوري و كمبود نيتروژن مي‌باشند.

Assessment of interactive effects of salinity and nitrogen deficiency is of great importance for optimal management of soil and water resources in arid and semi- arid regions. The objective of this study was to model canola (Brassica napus L.) response to salinity under nitrogen deficiency conditions. For this reason, the soil fertility models including Liebig- Sprengel (LS) and Mitscherlich- Baule (MB) that are originally proposed for nutrient deficiency were derived such to account for simultaneous salinity and nitrogen deficiency. To obtain the required data and to assess the proposed models, an extensive experiment was conducted by different levels of salinity and nitrogen. The experimental treatments were consisted of five levels of none saline water, 3, 6, 9 and 12 dSm-1 and four nitrogen levels of 0, 75, 150 and 300 mgKg-1. Some statistics including maximum errors, root mean square error, modelling efficiency, coefficient of determination and coefficient of residual mass were used to evaluate the three proposed models. Results of these statistical analyses indicated that the proposed LS-based model can provide better estimates for relative grain yield in different nitrogen levels. The proposed MB-based model, in the salinity levels of irrigation water and interaction of salinity and nitrogen levels provided better results. It can be concluded that the proposed models can predict the interactive effect of salinity and nitrogen deficiency reasonably well.