ارزیابی کارائی مدل CROPWAT 8.0 در پیش‌بینی و برآورد مصرف آب و میزان عمل‌کرد محصول سویا با استفاده از داده‌های مزرعه‌ای در منطقه کرج

مقدمه

کمبود منابع آبی در کشور یکی از مهم‌ترین عوامل محدود‌کننده تولید گیاهان می‌باشد. مطالعه واکنش گیاه نسبت به شرایط تنش آبی و تعیین پارامترهای‌‌ مرتبط برای تدوین یک برنامة آبیاری کارا جهت دست‌یابی به یک مدیریت اثربخش در سطح مزرعه امری ضروری است (ایزانلو و همکاران، 1384). مدل‌های رایانه‌‌ای از‌جمله ابزارهایی هستند که این‌گونه مطالعات را امکان‌پذیر می‌نمایند. جهت انجام محاسبات مربوط به برنامه‌ریزی آبیاری، تاکنون مدل‌های رایانه ای متعددی تهیه شده که برنامه CROPWAT در زمره آن‌ها قرار دارد (FAO, 1992). در این برنامه روش‌های محاسبات مربوط به نیاز آبی محصولات مختلف و نیازمندی‌های آبیاری عمدتاً بر مبنای روش‌های ارائه‌شده در نشریات FAO در مورد آبیاری و زهکشی ( شماره 56 تحت عنوان تبخیر و تعرق گیاه) پی‌ریزی شده است (Allen et al., 1998; FAO, 1979). این برنامه امکان انجام موارد ذیل را تأمین می‌نماید: 1) تدوین و طرح‌ریزی جدول‌های شاخص آبیاری که با شرایط عملی مزرعه هم‌آهنگ و هم‌ساز گـردیده‌اند. 2) برآورد برنامه‌های آبیاری مزرعه در قالب کارایی مصرف آب و تولید محصول و هم‌چنین تنظیم مدل آبیاری مزرعه تحت شرایط کم‌آبی 3) شرایط وجود بارندگـی و استفاده از آن، آبیاری‌های تکمیلی و غیره (Karimi and Panahande, 1388; Kuo et al., 2006; Kirda, 2004; FAO, 1992; English, 1990).

محاسبات مربوط به برنامه‌ریزی آبیاری در این برنامه بر پایه تراز آبی استوار است؛ که طی آن جریان آب ورودی و خروجی (تبخیر، بارندگـی، آبیاری) در منطقه ریشه گـیاه و در خاک به‌صورت روزانه تعیین و کنترل می‌گـردد. کاربرد مدل‌های رایانه‌ای در مطالعات آبیاری و زه‌کشی زمانی نتایج قابل قبول و موفقیت‌آمیزی در بر خواهد داشت که اطلاعات اولیه مورد نیاز آن‌ها به طور دقیق برآورد شده باشد. با توجه به اهمیت این مطلب، پارامتر‌های اولیه مورد نیاز برنامه CROPWAT جهت محاسبات جدول آبیاری مورد بررسی و برآورد قرار می‌گـیرد و سپس بر پایه این اطلاعات برنامه‌ریزی آبیاری شامل محاسبه عمق آبیاری، دور آبیاری، زمان آبیاری و غیره انجام می‌شود. مدل CROPWAT می‌تواند کاهش عمل‌کرد در نتیجة اعمال کم‌آبیاری را شبیه‌سازی نماید. این مدل به درستی، حساسیت نسبی گیاه در مراحل مختلف رشد و اثر منفی تنش آبی بر عمل‌کرد محصول را نشان داده و امکان ارائه توصیه‌های عملی را برای کشاورزان و کسانی که پیوسته روی برنامه‌ریزی کم‌آبیاری تحت شرایط مختلف تأمین آب و شرایط مختلف مدیریت محصول کار می‌کنند فراهم می‌نماید (Ramezani Eatedali et al., 1388; FAO, 1992).

قابلیت مدل‌های مدیریتی آبیاری از‌جمله مدل  CROPWAT در داخل و خارج از کشور با مطالعات گسترده‌ای ارزیابی شده است. برای ارزیابی قابلیت اجرای این مدل در برنامه‌ریزی کم‌آبیاری، یک پروژة تحقیقاتی هم‌آهنگ1 تحت همکاری و کمک مالی بخش مشترک مدیریت آب و خاک و تغذیة محصول سازمان خواربار و کشاورزی سازمان ملل متحد2 و آژانس بین‌المللی انرژی اتمی3 بر روی تعداد زیادی از محصولات مزرعه‌ای (شامل: پنبه، گندم، چغندرقند، سویا، نیشکر، سیب‌زمینی و ذرت) برای چهار سال اجرا شد؛ و موارد لازم بررسی گردید. این مطالعه نشان داد که مدل مزبور می‌تواند در حد قابل قبولی تأثیر تنش آبی را پیش‌بینی نماید؛ اما صحت خروجی آن به اصلاح پارامترهای مدیریتی مدل و واسنجی پارامتر‌های اصلی گیاهی وابسته است. هم‌چنین این مدل می‌تواند در مطالعات تحقیقاتی به بهبود طراحی روش‌های تجربی و تشخیص تناقص‌ها در روش‌ها و نتایج حاصله کمک نماید. به علاوه این مدل امکان تجزیه و تحلیل اصولی‌تر نتایج و ارائه یک‌نواخت‌تر داده‌ها و نتایج قابل استنادتر را  داشته و به عنوان یک ابزار قوی در پیش‌بینی‌ برنامه‌ریزی کم‌آبیاری و نتایج حاصل از آن تحت شرایط مختلف منابع آب، خاک و مدیریت محصول مطرح می‌باشد (Smith and Kivumbi, 2004; FAO, 1992).

اسماعیلی و همکاران (1387) عمل‌کرد مدلCROPWAT را با شرایط صحرایی کم‌آبیاری ذرت در منطقه قزوین و شهرکرد مورد ارزیابی قرار دادند. نتایج حاصل از این مطالعات نشان داد که توانایی مدل در برآورد نیاز آبیاری نسبت به عمل‌کرد ماده خشک محصول، صحیح‌تر و در پیش‌بینی عمل‌کرد ماده خشک نسبت به عمل‌کرد دانه، دقیق‌تر بوده است. هم‌چنین این مدل در شبیه‌سازی نتایج مزرعه‌ای حاصل از منطقه شهرکرد نسبت به شبیه‌سازی نتایج مزرعه‌ای حاصل از منطقه قزوین عمل‌کرد مناسب‌تری از خود نشان داده است. این مسئله می‌تواند با مدیریت بهتر طرح آزمایشی و اندازه‌گیری‌های دقیق‌تر مزرعه‌ای در منطقه شهرکرد مرتبط باشد. رمضانی اعتدالی و همکاران (1388) توانایی مدل CROPWAT را در مدیریت کم‌آبیاری دو محصول گندم و جو در منطقه کرج مورد بررسی قرار دادند. این مطالعه نشان داد که کاربرد این مدل بدون واسنجی کردن ضرایب گیاهی و خصوصیات خاک می‌تواند خطا‌های قابل‌ملاحظه‌ای را ایجاد نماید. Shujiang و همکاران (2009) برای شبیه‌سازی تبخیر و تعرق مرجع، و تبخیر و تعرق گندم زمستانه در دو منطقه تگزاس در ایالات متحدة آمریکا و منطقه هینان در چین از سه مدل CROPWAT، MODWht و CERES-Wheat استفاده نمودند. نتایج نشان داد که مدل CROPWAT با حداقل داده‌های مشاهده‌ای در سطح مزرعه شامل ارتفاع متوسط گیاه، ضرایب گیاهی واقعی در چهار مرحله اصلی رشد، تاریخ کاشت، طول مراحل مختلف رشد محصول و مشخصات فیزیکی خاک می‌تواند نتایج قابل قبولی را نسبت به دو مدل دیگر که واسنجی مشکل‌تری دارند ارائه نماید.

هدف از انجام این تحقیق، ارزیابی قابلیت مدل مدیریتی CROPWAT در برآورد عمل‌کرد محصول سویا با اعمال مدیریت کم‌آبیاری با استفاده از مقایسه نتایج میدانی (مزرعه‌ای) با نتایج حاصل از شبیه‌سازی مدل در منطقه کرج بوده است.

ویژگی این تحقیق، جایگزینی مقادیر واقعی پارامترهای گیاهی مرتبط با برنامه‌ریزی آبیاری شامل: ضرایب گیاهی، متوسط ارتفاع گیاه، طول دوره‌های زمانی رشد محصول در طول فصل کشت، تاریخ کاشت برای گیاه سویا رقم ویلیامز، عمق توسعه ریشه‌ها و مشخصات فیزیکی خاک بر مبنای مقادیر اندازه‌گیری‌شده در سطح مزرعه به جای مقادیر پیش‌فرض مدل بود. 

مواد و روش‌ها

در این تحقیق برای ارزیابی توانایی مدل CROPWAT 8.0 از نتایج مطالعة صحرایی که روی گیاه سویا در مزرعه پژوهشی دانشکده کشاورزی دانشگاه تهران در دو سال زراعی 88-1387 و 89-1388 انجام شده بود استفاده شد. محل اجرای این مطالعه در محدوده طول جغرافیایی 51 درجه شمالی و عرض جغرافیایی 36 درجه شرقی و ارتفاع 1312 متر از سطح دریا واقع شده است. برای این ارزیابی یک دورة آماری 24 ساله هواشناسی (1388-1364) در نظر گرفته شد. در این دورة آماری متوسط درجه حرارت سالیانه 5/15 درجه سانتی‌گراد بود. بافت خاک مزرعه سویا، لومی، متوسط ظرفیت زراعی () 2/32% حجمی و جرم مخصوص ظاهری آن 54/1 گرم بر سانتی‌مترمکعب (برای عمق تا 60 سانتی‌متری خاک) بود. متوسط شوری خاک با توجه به آنالیز شیمیایی خاک مزرعه، 67/4 دسی‌زیمنس بر متر برآورد گردید. منبع آب مورد استفاده مزرعه دانشکده، آب زیرزمینی است که توسط پمپا‌ژ از چاه تأمین می‌گردد. کیفیت آب مورد استفاده بر اساس تقسیم بندی آزمایشگاه شوری خاک آمریکا در کلاس C₁S₁ قرار می‌گیرد. آزمایش به‌صورت طرح بلوک‌های کامل تصادفی در سه تکرار و چهار تیمار آبیاری روی رقم ویلیامز گیاه سویا انجام شده بود. هر کرت آزمایشی، 2/5 مترمربع (6/22) مساحت داشته و دارای چهار خط کاشت به طول 2 متر و دور آبیاری 7 روز بوده است. برای پیش‌بینی زمان آبیاری، از شاخص کنترلی اندازه‌گیری منظم درصد رطوبت حجمی خاک در طول فصل کشت با فواصل زمانی دو روز با استفاده از اوگر و با تعیین اختلاف بین نقصان رطوبتی خاک و ضریب تخلیه مجاز (MAD) استفاده گردید. فواصل بین ردیف‌ها 65 سانتی‌متر و فواصل بین بوته‌ها در هر ردیف 5 سانتی‌متر در نظر گرفته شد. برای حذف اثرات ناشی از نفوذ آب از تیمارهای مختلف روی یک‌دیگر و از بین بردن اثرات حاشیه‌ای، فواصل طولی و عرضی بین کرت‌ها به‌ترتیب9/0 و 75/0 متر در نظر گرفته شد؛ و اندازه‌گیری‌ها فقط از دو خط کاشت وسط هر کرت انجام شد. به علت کوتاهی جویچه‌های داخل کرت، انتهای شیارها (که در وسط پشته‌ها قرار داشتند) بسته در نظر گرفته شد. تیمارهای آبیاری شیاری اعمال‌شده شامل آبیاری بخشی منطقه ریشه (Partial Root Drying) درحد جبران 50 درصد نقصان رطوبتی خاک (PRD_50%)، آبیاری کامل ]درحد 100 درصد جبران نقصان رطوبتی خاک (FI)[، کم‌آبیاری سنتی درحد جبران 50 درصد نقصان رطوبتی خاک (DI_50%) و کم آبیاری سنتی درحد جبران 75 درصد نقصان رطوبتی خاک (DI_75%) بودند. کشت محصول در تاریخ 12 و 9 خردادماه بعد از یک شخم سطحی به‌ترتیب در سال 1387 و 1388 انجام شد. برداشت محصول در سال‌های 1387 و 1388 به‌ترتیب در هشتم و سوم مهرماه صورت گرفت. مقادیر تبخیر و تعرق مرجع و گیاهی ]که به‌ترتیب به روش فائو- پنمن- مانتیث (FAO-PM) و روش مستقیم بر اساس نمایه خاک (SMD) اندازه‌گیری گردیدند[، ضرایب گیاهی بر اساس نسبت تبخیر و تعرق گیاهی به تبخیر و تعرق مرجع، و برنامه‌ریزی آبیاری انجام‌شده (تحت شرایط مزرعه) به عنوان داده‌های پایه برای مدل CROPWAT 8.0 در نظر گرفته شدند. محاسبات تبخیر و تعرق مرجع به روش فائو- پنمن- مانتیث (FAO-PM) به‌صورت روزانه و با استفاده از داده‌های هواشناسی روزانة ایستگاه سینوپتیک کرج واقع در مزرعه دانشکده کشاورزی انجام شد. به‌منظور تعیین تبخیر و تعرق گیاهی به روش نقصان رطوبتی خاک، محاسبات روش مستقیم بر اساس نمایه خاک (SMD) و با استفاده از یک اوگر در طول فصل کشت (از سه عمق 20-0، 40-20 و 60-40 سانتی‌متری خاک) صورت گرفت. اندازه‌گیری دبی ورودی به هر شیار در هر کرت و کنترل مقدار آب آبیاری در هر تیمار با تعیین ارتفاع سطح آب داخل یک بشکه 220 لیتری که به یک مانومتر متصل شده بود انجام شد. کود مصرفی در هکتار به‌میزان 50 کیلوگرم اوره قبل از مرحله گل‌دهی و 100 کیلوگرم فسفات قبل از کشت به زمین مورد آزمایش داده شد. تیمارها در این تحقیق پس از 5 برگی شدن گیاه (در نوبت آبیاری ششم) در تاریخ هفدهم تیرماه 1387 و (در نوبت آبیاری پنجم) در تاریخ هفتم تیرماه 1388 اعمال گردیدند. در طول فصل کشت هیچ بارشی رخ نداد؛ ولی در طول دوره 24 ساله آماری، بیشینه بارش خارج از فصل کشت در فروردین‌ماه و در داخل فصل کشت در خردادماه (به‌میزان 9/2 میلی‌متر) اتفاق افتاده است. در این تحقیق برای استفاده از مدل، 6 فاکتور ذیل در نظر گرفته شد: 1) عمق توسعه ریشه‌های گیاه ]که با توجه به حداکثر عمق خاک زراعی دانشکده (حدود 6/0 تا 9/0 متر) از 1 متر پیشنهاد‌شده توسط مدل برای گیاه مزبور به 9/0 متر اصلاح گردید.[ 2) متوسط ارتفاع گیاه ]که بر اساس مشاهدات مزرعه‌ای از 6/0 به 9/0 تبدیل شد[.  3) ضرایب گیاهی سویا (به‌ترتیب از مقادیر 4/0، 15/1 و 4/0 که توسط مدل توصیه شده بود به مقادیر واقعی 34/0، 1 و 44/0 که در سطح مزرعه برآورد شده بود اصلاح شد) (Sarai Tabrizi et al., 2012; Sarai Tabrizi et al., 1389). در بخش مشخصات خاک پس از انتخاب بافت خاک (لوم)، مشخصات خاک مزرعه (شامل: مقدار اختلاف رطوبت حجمی درحد ظرفیت زراعی و رطوبت حجمی خاک درحد نقطه پژمردگی برحسب میلی‌متر بر متر و حداکثر سرعت نفوذ آب در خاک) که از طریق تجزیه فیزیکی و شیمیایی خاک تهیه شده بود، جانشین مقادیر پیش‌فرض مدل گردید. تاریخ کاشت مطابق با طرح آزمایشی انجام‌شده در مدل اصلاح شد. هم‌چنین طول دوره رشد گیاه در مراحل چهارگانه رشد (مرحلة ابتدایی رشد، مرحلة رشد و توسعة گیاه، مرحلة میانی و نهایی رشد) بر اساس مشاهدات مزرعه‌ای و رقم زراعی اصلاح گردید. در این مطالعه شبیه‌سازی مدیریت آبیاری گیاه سویا با استفاده از آخرین نسخة موجود نرم‌افزار CROPWAT 8.0 انجام شد. برنامه‌ ریزی آبیاری در این مطالعه از نظر زمانی و کمی در جدول 1 آورده شده است.

کارایی مصرف آب سویا (WUE⁴) بر اساس میزان عمل‌کرد در واحد سطح بر حجم آب مصرفی تعیین شد. شاخص کارایی مصرف آب می‌تواند برای تعیین بهترین تیمار کم‌آبیاری شاخص مناسبی باشد (رمضانی اعتدالی و همکاران، 1388). برای بررسی نتایج حاصل از مدل و مقایسه آن با نتایج مشاهده‌ای در سطح مزرعه و ارزیابی قابل اعتماد بودن مدل، از یک‌ سری شاخص‌‌ آماری شامل حداکثر خطا (ME5)، مجذور میانگین مربعات خطا (RMSE6)،  ضریب باقی‌مانده (CRM7)، ضریب تبیین (CD8)، شاخص انحراف معیار (SD9) و کارایی مدل‌سازی (EF1⁰) به شرح ذیل استفاده شد (Loague and Green, 1991):

که در روابط فوق P_iمعادلمقادیر پیش‌بینی شده،Q_i  مساوی مقادیر اندازه‌گیری‌شده (مشاهده‌ای)،  n برابر با تعداد نمونه‌های
به کار‌رفته و Q_i معادل مقدار متوسط پارامتر مشاهده شده می‌باشد. حداقل مقدارME ، RMSE و CD صفر است. حداکثر مقدار  EFبرابر یک می‌باشد.  EFو CRM می‌توانند مقادیری منفی داشته باشند. بالا بودن مقدارME نشان‌گر بدترین حالت کارکرد مدل است؛ در حالی‌که RMSE نشان می‌دهد که بر‌آورد بیش از حد و یا کم‌تر از حد مدل در مقایسه با مشاهدات (اندازه‌گیری‌ها) چقدر است. شاخص CD نسبت پراکندگی1¹ بین مقادیر پیش‌بینی‌شده و اندازه‌گیری‌شده را نشان می‌دهد. مقدار شاخصEF، مقادیر پیش‌بینی‌ها را با میانگین اندازه‌گیری‌ها مقایسه می‌کند. مقدار منفی EFبیان‌گر  آن است که میانگین مقادیر اندازه‌گیری‌شده، برآوردی بهتر از مقادیر پیش‌بینی‌شده دارد. شاخص CRM نشان‌گر تمایل مدل برای برآورد بیش از حد و یا کم‌تر از حد در مقایسه با اندازه‌گیری‌ها می‌باشد. چنان‌چه تمام مقادیر پیش‌بینی‌شده و اندازه‌گیری‌شده با هم برابر شوند، مقدار عددی شاخص‌های RMSE، ME و CRM برابر صفر و مقادیر شاخص‌هایCD  و   EF برابر یک می‌شوند. SD شاخص انحراف معیار است. اگر RMSE کم‌تر از SD باشد، نشان‌دهنده کارکرد مطلوب مدل است. هرگاه CRM منفی شود به معنی آن است که مدل تمایل به برآورد بالاتر از مقادیر اندازه‌گیری‌شده دارد. درصورتی که همه مقادیر پیش‌بینی‌شده برابر مقادیر اندازه‌گیری‌شده باشند، مقادیر شاخص‌های RMSE، MAE، SD و CRM برابر با صفر خواهند شد (Homaee et al., 2002; Loague and Green, 1991).

در این مطالعه تمامی شاخص‌های آماری بیان‌شده در مقاله برای مقایسة مقادیر درصد کاهش عمل‌کرد واقعی مشاهده شده در سطح مزرعه و هم‌چنین مقادیر درصد کاهش عمل‌کرد پیش‌بینی‌شده توسط مدل برای محصول سویا با دور آبیاری 7 روز محاسبه گردید. از نرم افزار SAS برای تجزیه آماری داده‌ها استفاده گردید؛ و با مشاهده تفاوت معنی‌دار در تجزیه واریانس (ANOVA)، مقایسه میانگین‌ها با آزمون دانکن در سطح اعتماد 95 درصد (05/0P≤) صورت گرفت.

نتایج و بحث 

مقایسة نتایج حاصل از پیش‌بینی مدل CROPWAT 8.0 با نتایج واقعی حاصل از مطالعة مزرعه‌ای (میدانی) نشان داد که مدل، درصد کاهش عمل‌کرد سویا را تحت اعمال تیمارهای مختلف آبیاری به جز آبیاری کامل (تیمار شاهد) کم‌تر از مقادیر واقعی حاصل‌شده تحت شرایط مزرعه‌ای پیش‌بینی نمود (شکل 1).

پیش‌بینی مقدار کم‌تر درصد کاهش عمل‌کرد محصول توسط مدل به عوامل مختلفی بستگی دارد.  به طور مثال این مدل تنها اثر تنش آبی را لحاظ می‌کند و دیگر تنش‌ها مانند تنش شوری را در نظر نمی‌گیرد. بر اساس شکل‌‌های 1 و 2 میزان اختلاف مقادیر مشاهده شده واقعی در سطح مزرعه و مقادیر شبیه‌سازی‌شده توسط مدل دارای اختلاف به نسبت اندکی هستند؛ و از روند مشابهی پیروی می‌نمایند. علت این امر، اصلاح ضرایب گیاهی سویا (بر مبنای مقادیر واقعی اندازه‌گیری‌شده در سطح مزرعه) در مدل مزبور بود.
به طوری که در اصلاح طول دوره رشد گیاه در مراحل چهارگانه اصلی رشد (شامل مرحلة ابتدایی رشد، مرحلة رشد و توسعة گیاه، مرحلة میانی و نهایی رشد) به‌ترتیب ضریب‌های 18، 24، 54 و 25 روز جایگزین مقادیر پیش‌فرض مدل (15، 15، 40 و 15) گردیدند؛ و در اصلاح متوسط ارتفاع گیاه، ضریب 9/0 جایگزین 6/0 متر (پیش‌فرض مدل) گردید. برای ارزیابی قابل اعتماد بودن نتایج حاصل از پیش‌بینی‌های مدل (از نظر توانایی مقایسه نتایج حاصله با نتایج واقعی مزرعه‌ای)، از شاخص‌های آماری مناسب استفاده شد. نتایج این ارزیابی در جدول 4 آمده است. مقادیر اندک شاخص‌های کمی ME و  RMSE(در همه تیمارهای آبیاری) در جدول مزبور نشان‌می‌دهد که این مدل مقدار کاهش عمل‌کرد محصول را کم‌تر از مقادیر مشاهده‌ای در سطح مزرعه برآورد کرده است. این مسئله در شکل 1 به وضوح قابل مشاهده می‌باشد. دلیل این تطابق، اصلاح برخی پارامترهای مدل است که بر برنامه‌ریزی آبیاری تأثیرگذار بوده است.  

شاخص تبیین (CD) در سال‌های زراعی 87 و 88 به‌ترتیب برابر 17/0 و 13/0 بود که با توجه به دامنه تغییرات مقادیر ضریب تبیین (0 تا 1) مقدار بسیار اندکی است که نشان می‌دهد مقادیر پراکندگی نتایج پیش‌بینی مدل و نتایج میدانی (مزرعه‌ای) برای مقادیر درصد کاهش عمل‌کرد بسیار اندک می‌باشد. چون از بین تنش‌های غیر‌زنده (تنش آبی، تنش شوری، تنش گرما، تنش تشعشع و ...) تنها تنش آبی در مدل لحاظ می‌شود و هیچ‌کدام از تنش‌های زنده (تنش حاصل از آفات، بیماری‌ها، علف‌های هرز و ...) نیز در مدل در نظر گرفته نمی‌شوند، لازم است که برای تعیین درصد کاهش عمل‌کرد در مناطق شور و سایر مناطق اقلیمی مطالعات و اصلاحات تکمیلی مدل انجام و موارد اصلاحی اعمال گردد. شاخص کارایی مدل‌سازی (EF) برای گیاه سویا با دور آبیاری 7 روز در سال‌های 87 و 88 به‌ترتیب معادل با 87/0 و 91/0 بود؛ که نشان‌دهنده کارآمدی بالای مدل در پیش‌بینی قابل قبول درصد کاهش عمل‌کرد محصول می‌باشد. شاخص ضریب باقی‌مانده (CRM) نشان می‌دهد که مقادیر این شاخص بین نتایج حاصل از شبیه‌سازی مدل و نتایج مزرعه‌ای در تمامی تیمارها منفی بوده است. این مطلب مبین این است که این مدل درصد کاهش عمل‌کرد را برای تمامی تیمارهای آبیاری به جز آبیاری کامل (تیمار شاهد) بیش‌تر از شرایط واقعی پیش‌بینی کرده است. نتایج در تیمار آبیاری کامل تقریباً مشابه با مشاهدات مزرعه‌ای بود. اثر میزان آبیاری بر عمل‌کرد محصول سویا بر اساس داده‌های مشاهده‌ای در سطح مزرعه و مقادیر شبیه‌سازی‌شده توسط مدل در شکل 2 نشان داده شده است.   

بر اساس شکل 2 ضریب تییین و معادلات تابع تولید در هر دو نمودار مقادیر مشابهی را نشان می‌دهند هم‌چنین روند هر دو نمودار نسبتاً مشابه می‌باشد. در شرایط مزرعه‌ای بیشینه میزان کارایی مصرف آب، از تیمار آبیاری بخشی منطقه ریشه (PRD) و حداقل میزان آن از تیمار آبیاری کامل به دست آمد. نتایج حاصل از پیش‌بینی‌های مدل هم همین روند را نشان می‌دهد. برای این‌که تیمار آبیاری بهینه را تحت شرایط کمبود آب تعیین نماییم یکی از شاخص‌های قابل اعتماد شاخص کارایی مصرف آب (WUE) می‌باشد. بر اساس جدول 3 با کاهش عمق مصرف آب در گیاه سویا میزان عمل‌کرد محصول کاهش ولی میزان شاخص کارایی مصرف آب افزایش یافت. ضریب RMSE برای عمل‌کرد محصول نیز در هر دوسال زراعی در حد پایین و کم‌تر از انحراف معیار بود. این مطلب نشان‌دهندة عمل‌کرد مناسب مدل در شبیه‌سازی داده‌ها و واسنجی قابل قبول آن می‌باشد. ضریب CRM کوچک و منفی است و تمایل مدل در برآورد بالاتر از مقادیر اندازه‌گیری‌شده را نشان می‌دهد (جدول‌های 2، 3، 4 و 5). نتایج این تحقیق، با یافته های اسماعیلی و همکاران (1387) و رمضانی اعتدالی و همکاران (1388) هم خوانی داشت.

مطابق شکل‌های 3 و 4 ضریب R² در هر دو سال زراعی بین مقادیر عمل‌کرد محصول شبیه‌سازی شده و مقادیر عمل‌کرد محصول اندازه‌گیری‌شده در تیمارهای مختلف آبیاری عدد قابل قبولی است. این ضریب نشان می‌دهد که مقادیر شبیه‌سازی شده و اندازه‌گیری‌شده هم‌روند بوده و مدل، مقادیر شبیه‌سازی شده را بیش تر از مقادیر اندازه‌گیری‌شده برآورد کرده است.

نتیجه‌گیری