اخبار و اعلانات

 آمار

تعداد نشریات282
تعداد نشریات سازمان80
تعداد شماره‌ها3,262
تعداد مقالات36,058
تعداد مشاهده مقاله55,181,297
تعداد دریافت فایل اصل مقاله94,181,803
سلطانی, سعید, نخ زری مقدم, علی, بنایان اول, محمد, راحمی کاریزکی, علی, کشیری, حبیب الله, نعیمی, معصومه. (1403). شناسایی محدودیت های تولید و خلأ عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز ). سامانه مدیریت نشریات علمی, 12(1), 62-82. doi: 10.22092/ijcr.2024.365582.1212
سعید سلطانی; علی نخ زری مقدم; محمد بنایان اول; علی راحمی کاریزکی; حبیب الله کشیری; معصومه نعیمی. "شناسایی محدودیت های تولید و خلأ عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز )". سامانه مدیریت نشریات علمی, 12, 1, 1403, 62-82. doi: 10.22092/ijcr.2024.365582.1212
سلطانی, سعید, نخ زری مقدم, علی, بنایان اول, محمد, راحمی کاریزکی, علی, کشیری, حبیب الله, نعیمی, معصومه. (1403). 'شناسایی محدودیت های تولید و خلأ عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز )', سامانه مدیریت نشریات علمی, 12(1), pp. 62-82. doi: 10.22092/ijcr.2024.365582.1212
سلطانی, سعید, نخ زری مقدم, علی, بنایان اول, محمد, راحمی کاریزکی, علی, کشیری, حبیب الله, نعیمی, معصومه. شناسایی محدودیت های تولید و خلأ عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز ). سامانه مدیریت نشریات علمی, 1403; 12(1): 62-82. doi: 10.22092/ijcr.2024.365582.1212

شناسایی محدودیت های تولید و خلأ عملکرد پنبه در استان گلستان ( مطالعه موردی: در سواحل دریای خزر،شهرستان‌‌های کردکوی و بندرگز )

پژوهش های پنبه ایران
دوره 12، شماره 1 - شماره پیاپی 20، شهریور 1403، صفحه 62-82    اصل مقاله (1.08 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijcr.2024.365582.1212
نویسندگان
سعید سلطانی* 1؛ علی نخ زری مقدم2؛ محمد بنایان اول3؛ علی راحمی کاریزکی4؛ حبیب الله کشیری5؛ معصومه نعیمی6
1دانشجوی دکتری دانشگاه گنبد
2استادیار گروه کشاورزی دانشگاه گنبد
3استاد گروه زراعت، دانشگاه فردوسی مشهد
4استادیار گروه امور زراعی دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس
5عضو هیات علمی موسسه تحقیقات پنبه کشور
6استادیار گروه تولیدات گیاهی دانشگاه گنبد کاووس
چکیده
سابقه و هدف: یکی از دلایل عملکرد پایین پنبه در استان گلستان اختلاف قابل توجه بین عملکرد واقعی کشاورزان و عملکرد قابل حصول می‌باشد که خلاء عملکرد نامیده می‌شود. تخمین میزان خلا عملکرد و تعیین عوامل به وجود آورنده آن مستلزم به کارگیری روش های مناسب می باشد. بنابراین، این پژوهش با هدف مستندسازی فرآیند تولید و برآورد خلاء عملکرد مرتبط با مدیریت زراعی پنبه در مناطق پنبه کاری‌ سواحل دریای خزر انجام شد.
مواد و روش‌ها : به منظور بررسی عوامل مدیریتی محدودکننده عملکرد پنبه و برآورد خلاء عملکرد آن مطالعه‌ای در سال‌های1401-1400 در مناطق پنبه کاری سواحل دریای خزر انجام شد.داده‌های جمع‌آوری شده از پایش مزارع پنبه با استفاده از رگرسیون گام به گام در نرم افزار SASمورد تجزیه و تحلیل قرار گرفت. در خاتمه با استفاده از معادله تولید به دست آمده و مقادیر مؤلفه‌های مدل، سهم هر یک از عوامل محدودکننده در ایجاد خلأ عملکرد مشخص شدند.
یافته‌ها: نتایج پژوهش حاضر نشان داد که از متغیرهای مدیریت زراعی مورد بررسی در این مزارع، با استفاده از مدل عملکرد متوسط و حداکثر عملکرد به ترتیب 2165 و 5358 کیلوگرم در هکتار تخمین زده شد. متوسط و حداکثر عملکرد مشاهده شده در مزرعه نیز برابر 5/1988 و 4500 کیلوگرم در هکتار بود. کل خلأ عملکرد تخمین زده شده برابر 3220 کیلوگرم در هکتار بود. میزان افزایش عملکرد مربوط به متغیرهای مصرف کود نیتروژن و فسفر خالص و محلول‌پاشی عناصر مکمل به ترتیب برابر 1000، 277 و 688 کیلوگرم در هکتار معادل 31، 9 و 21 درصد از کل خلأ عملکرد بود. مقدار افزایش عملکرد مربوط به حجم آبباری و خسارت آفت بترتیب 490 و 150 کیلوگرم در هکتار معادل 15 و 5 درصد از کل خلأ عملکرد بود. میزان خسارت عملکرد ناشی از دو متغیر آبیاری مرحله غنچه دهی و و غوزه‌دهی به‌ترتیب149 و 326 کیلوگرم در هکتار معادل 5 و 10 درصد از کل افزایش عملکرد بود. دو متغیر تاریخ کاشت و مصرف کود سرک نیتروژن زمان گل‌دهی با اثر منفی به‌ترتیب 69 و 72 کیلوگرم در هکتار معادل 2 و 2 درصد از کل افزایش عملکرد بودند. بر اساس نتایج میانگین عملکرد هنگامی که میانگین متغیرهای تأثیرگذار بر عملکرد در مدل قرار داده شد 2165 کیلوگرم در هکتار و هنگامی که مقدار مطلوب متغیرها در مدل وارد شد حداکثر عملکرد 5358 کیلوگرم در هکتار تخمین زده شد. مقادیر برآورد شده با مقادیر واقعی میانگین 1989 کیلوگرم در هکتار و حداکثر عملکرد مشاهده شده 4500 کیلوگرم در هکتار در مزارع نزدیک بودند.
نتیجه‌گیری: تفاوت بین عملکرد این مزارع بیان‌گر تفاوت در مدیریت زراعی و اهمیت مدیریت مزارع پنبه می‌باشد.
کلیدواژه‌ها
عملکرد؛ پنبه؛ عملکرد دست یافتنی؛ مدیریت زراعی
عنوان مقاله [English]
Identification of production constraints and yield gap cotton A case study :( The Caspian Sea, the cities of Kurdkoy and Bandargaz)
نویسندگان [English]
Saeed soltani1؛ ali nakhzari moghaddam2؛ Mohammad Banayan Avval3؛ Ali Rahemi karizaki4؛ habib kashiri5؛ Masoumeh Naeemi6
1Student ( Phd ) of Gonbad University
2Assistant Professor, Department of Agronomy, Faculty of gonbad Agricultural Sciences, Gonbad, Iran
3Professor, Department of Agronomy, Mashhad Ferdosi Agricultural Sciences University, Mashhad, Iran
4Assistant Prof. Dept. of Plant Production Gonbad University, Gonbad, Iran
5Assistant Professor, Department of Agronomy, Cotton Research Institute of Iran, Gorgan, Iran
6Crop production, Gnobad Kavous university
چکیده [English]
Background and Objective: One of the primary challenges contributing to low cotton yields in Golestan Province is the substantial yield gap the discrepancy between farmers' actual yields and the achievable potential yield. Estimating this gap and identifying its contributing factors require the application of robust analytical methods. This study aimed to document the production processes and estimate the yield gap associated with cotton agricultural management practices in the cotton-growing regions along the Caspian Sea coast, specifically in the cities of Kurdkoy and Bandarga.
 
Materials and Methods: To investigate the management factors limiting cotton yield and to estimate the yield gap, a comprehensive study was conducted during the 2021-2022 growing season in the western Golestan Province. Data on agricultural management practices, from planting to boll harvesting, were collected through direct interviews with farmers. Comparative performance analysis (CPA) was employed to identify yield gap-inducing factors. The collected data were analyzed using stepwise regression and boundary line analysis in SAS software. Quantitative variables were further evaluated through simple and boundary linear regression. The contributions of individual limiting factors to the yield gap were determined using the derived production equation and model component values.
 
Results: The analysis of agricultural management variables using the production model revealed that the average and maximum potential yields were 2165 and 5358 kg/ha, respectively. Observed average and maximum yields in the field were 1988.5 and 4500 kg/ha, respectively. The total estimated yield gap, calculated using stepwise regression, was 3220 kg/ha. Among yield-limiting factors, the contributions to the yield gap were as follows: nitrogen fertilizer (1000 kg/ha; 31%), phosphorus fertilizer (277 kg/ha; 9%), and complementary element spraying (688 kg/ha; 21%). Yield increases were attributed to irrigation volume (490 kg/ha; 15%) and pest damage reduction (150 kg/ha; 5%). Irrigation during the budding and boll formation stages contributed an additional 149 kg/ha (5%) and 326 kg/ha (10%) to yield increases, respectively. Conversely, planting date and nitrogen top-dressing during flowering negatively impacted yields, with contributions of 69 kg/ha (2%) and 72 kg/ha (6%), respectively. When influential yield-related variables were included in the model, the estimated average and maximum yields were 2165 and 5358 kg/ha, closely matching observed field values of 1988.4 kg/ha and 4500 kg/ha, respectively.
 
Conclusion: The observed yield variations among farms underscore the disparities in agricultural management practices. The use of boundary line analysis, alongside regression and performance comparison methods, proved effective in identifying production-limiting factors. The results indicate that optimizing key factors, as identified through stepwise regression and boundary line analysis, could significantly reduce the yield gap in farmers' cotton fields.
 
کلیدواژه‌ها [English]
Yield, Cotton, A ttainable yield, Crop management
مراجع
  1. Barre Jyothsna, Priyadarshini. D. K. Sinha., Nasim Ahmed., K. M. Singh., Mahesh Kumar. and S. P. Singh .2022. Yield Gap Analysis of Cotton in Bhadradri Kothagudem District of Telangana. Asian Journal of Agricultural Extension, Economics & Sociology 40(5): 60-64, 2022; Article no.AJAEES.85115 ISSN: 2320-7027. DOI: 9734/ajaees/2022/v40i530886
  2. Bednarz, C.W., Don Shurley, W., Anthony, W.S., and Nichols, R.L. 2005. Yield, quality, and profitability of cotton produced at varying plant densities. Agronomy Journal., 97: 235-240.
  3. Beza, E., Silva, J.V., Kooistra, L., and Reidsma, P. 2017. Review of yield gap explaining factors and opportunities for alternative data collection approaches. European Journal of Agronomy, 82: 206-222.
  4. Dastan, S., Nezamzadeh, S. E., Soltani, A., and Ajam Norouzi, H. 2019. Evaluation of Yield Gap Associated with Crop Management in Canola Production by CPA method in Neka Region. Applied Field Crops Research, 32(02), 76-107.
  5. Geerts, S. and Raes, D. 2009. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas. Agr. Water Manage. 96:9. 1275- 1284.
  6. Ghorbani Nasrabad, Gh. and Hezarjaribi, A. 2010. Cotton response to deficit irrigation during different growth stages. J. Plant Prod., 17(4): 129-141. (in Persian with English bstract)
  7. Haghshenas, H., Soltani, A., Ghanbari, A., Ajam Norouzi, H., and Dastan, S., 2018.Identification of effective agronomic traits on yield of local rice cultivars using multiple regression models. Journal of Agroecology, 8(2): 13-28. (in Persian with English bstract).
  8. Hajjarpour, A., A. Soltani, E. Zeinali, E. Kashiri, A. Aynehband and M. Nazari. 2018. Determination of the optimum managements ranges in order to increasing wheat yield in Golestan province. J. Crop Improv.19 (3): 577-590. (In Persian with English abstract).
  9. Hakoomat, A., Muhammad Naveed, A., Shakeel, A., and Dilbaugh, M. 2009. Effect of cultivars and sowing dates on yield and quality of Gossypium hirsutum L. crop J. Food, Agric. Environ., 7(3): 244-247.
  10. Jafaraghaei, M., and Jalali, A.H. 2014. The effects of different amounts of nitrogen and phosphorus in early cotton (Gossypium hirsutum ) cultivar. Agron. J. 102: 205-212. (In Persian)
  11. Kalimuthu Senthilkumar,2022. Closing rice yield gaps in Africa requires integration of good agricultural practices. Field Crops Research.Volume 285, 1.
  12. Mehrabadi, H.R., Netaj, M.R., and Sohrabi Meshkabadi, B. 2016. Technical manual for planting cotton in ultra narrow rows. Agricultural Research, Education and Extension Organization, National Cotton Research Institute, 15 p.)In Persian with English abstract)
  13. Mohammadi Kashka, F., Tahmasebi Sarvestani, Z.A., Pirdashti, H., Motevali, A., Nadi, M. 2022. Evaluation of management factors affecting soybean [Glycine max (L.) Merril] yield gap in Mazandaran province using comparative performance analysis (CPA). Crop Production, 15 (1), 73-100.
  14. Mondal, M.H. 2011. Causes of yield gaps and strategies for minimizing the gaps in different crops of Bangladesh. Bangl. J. Agric. Res, 36: 469-479.
  15. Nehbandani, A., Soltani, A., Rahemi-Karizaki, A., Dadrasi, A. and Noubakhsh, F. 2021. Determination of soybean yield gap and potential production in Iran using modeling approach and GIS. J. Integr. Agric. 20: 2. 395-407.
  16. Pereira, L.S., Paredes, P., Sholpankulov, E.D., Inchenkova, O.P., Teodoro, P.R. and Horst, M.G. 2009. Irrigation scheduling strategies for cotton to cope with water scarcity in the Fergana Valley, Central Asia. Agr. Water Manage. 96:5. 723–735.
  17. Pettigrew, W.T. 2004. Moisture deficit effects on cotton lint yield, yield components and boll distribution. Agron. J., 96: 377-383.
  18. Rezvantalab, N., S. Dastan, A. Soltani. 2019. Identification of production constraints and yield gap monitoring of local rice (Oryza sativa L.) cultivars in Mazandaran province. Iranian Journal of Crop Sciences. 21(2): 155-172 (In Persian with English abstract).
  19. Rong, L. B., Gong, K.Y., Duan, F.Y., Li, S. K., Zhao, M., He, J., Zhou, W. B. and Yu, Q. 2021. Yield gap and resource utilization efficiency of three major food crops in the world–a review. Journal of Integrative Agriculture, 20: 2. 349-362.
  20. Shokrgozar Darabi, Soltani, A., and Zeinali, A. Study of Cotton Yield Gap with Boundary-Line Analysis in the Aq-Qala and Ali Abad Katul cities in the Golestan Province, Iran. Crop production, 3 (11): 15-28. (In Persian with English abstract).
  21. Siebert, J.D., Stewart, A.M., and Leonard, B.R. 2006. Comparative growth and yield of cotton grown at various densities and configurations. Agron. J., 98: 562–568
  22. Sohrabi Moshkabadi, B. 2010. Determination of yield and cost function equation of new variety cotton "Sepid" in sprinkler irrigation. Elect. J. Cotton Fibre Crops., 1(1): 13-20. (in Persian with English bstract)
  23. Soltani, A., Hajjarpour, A. and Vadez, V. 2016. Analysis of chickpea yield gap and water-limited
  24. potential yield in Iran. Field Crops Res. 185: 21-30.
  25. Soltani, A., Alimagham, S. M., Nehbandani, A., Torabi, B., Zeinali, E., Zand, E., Vadez, V., van Loon, M. P. and Van Ittersum, M. K. 2020. Future food self-sufficiency in Iran: A model-based analysis. Global Food Security, 24:79-93.
  26. Soltani, A., S. Galeshi and E. Zeinali. 2000. Analysis of limitations contained in wheat production in Golestan province (Research report). Management and Planning Organization of Golestan province. (In Persian with English abstract).
  27. Soltani, S., Nakhzari Moghaddam, A. B., Mohammad., Rahemikarizaki, A., Kashiri, H., Naeimi, M. 2024. Evaluation of management factors affecting cotton yield gap in the semi-arid moderate climate conditions using comparative performance analysis (CPA). (A case study: west of Golestan Province). Iranian Journal of Cotton research of Iran. Volume 11, Number .35-53. (In Persian with English abstract).
  28. Van Ittersum, M.K., Cassman, K.G., Grassini, P., Wolf, J., Tittoneli, P and Hochm, Z. 2013.Yield gap analysis with local to global relevance–A review. Field Crops Res. 143:4-17.
  29. Van Wart, J., K.C. Kersebaum, S. Peng, M. Milner, and K.G. Cassman.2013. Estimating crop yield potential at regional to national scales. Field Crops 143: 34-43.
  30. Wang, X., Tang, C., Guppy, C.T., and Sale, P.W.G. 2010. Cotton, Wheat and white lupin differ in phosphorus acquisition from sparingly soluble sources. Environ. Exp. Bot., 69: 267- 272.
  31. Wrather, J.A., Phipps, B.J., Stevens, W.E., Phillips, A.S., and Vories, E.D. 2008. Cotton planting date and plant population effect on yield and fiber quality in the Mississippi Delta. The J. Cotton Sci., 12: 1-7.
  32. Yucheng, W., S. Peng, J. Huang, Y. Zhang, L. Feng, W. Zhao, H. Qi , G. Zhou, N. Deng. 2022. Prospects for cotton self-sufficiency in China by closing yield gaps.European Journal of Agronomy.Volume 133, 126437.
  33. Zabihi ,H., M.R. Ramazani Moghaddam and S.M. Nourihosseini. 2014. Effects of different amount of N-fertilizer and irrigation water on yield and yield components of cotton. Iranian Journal of Cotton Researches,Vol. 1, No. 2, 2014.jcri.ir 2
  34. Zhi, X.Y., Han, Y.C., LI, Y.B., Wang, G.P., DU, W.L., LI, X.X., MAO, S.C., and Lu, F. 2016. Effects of plant density on cotton yield components and quality. J. Integr. Agric., 15(7): 1469-1479.
آمار
تعداد مشاهده مقاله: 331
تعداد دریافت فایل اصل مقاله: 287


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب