نوع مقاله : مقاله پژوهشی
نویسندگان
دانشگاه فردوسی مشهد
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
نویسندگان [English]
Abstract
Strategies to enhance local adaptation capacity are needed to mitigate climate change impacts and to maintain regional stability of food production. The objectives of this study were to simulate the climate change effects on phenology stages, Leaf Area Index (LAI), biomass and grain yield of maize in the future and to explore the possibilities of employing planting dates as mitigating options to decrease the climate change impacts on maize production in Khorasan Razavi province. For this purpose, we employed two types of General Circulation Models ((United Kingdom Met. Office Hadley Center: HadCM3) and (Institute Pierre Simon Laplace: IPCM4)) and three scenarios (A1B, A2 and B1) for three time period as 2020, 2050 and 2080. LARS-WG was used to produce daily climatic parameters as one stochastic growing season for each projection period and CERES-Maize model was used to simulate maize growth. The results of model evaluation showed that LARS-WG had appropriate prediction for climatic parameters and simulation of stochastic growing season in future climate change conditions. Time period from cultivation until anthesis and maturity were reduced in majority of scenarios as affected by climate change. The results indicated that the grain yield of maize may be reduced 11% to 38% as affected by climate change based on common planting date in baseline. In general, earlier planting date (1 May) caused higher yield compared with other planting dates (10 and 20 May). It seems that management of planting dates can be regarded as appropriate approach to reduce adverse effects of climate change on grain yield of maize.
کلیدواژه‌ها [English]
مقدمه
تغییر جهانی اقلیم یکی از مواردی است که در دهههای اخیر توجه محققان را به خود معطوف کرده است و بسیاری از مطالعات اخیر حاکی از تاثیر چشمگیر انسان بر اقلیم جهانی است (وولف 2002). نتایج مطالعات مربوط به تغییر اقلیم که در طی سالهای اخیر در ایران انجام شده است همگی موید بروز این پدیده در کشور بوده اند (کوچکی و کمالی 1389). البته این تحقیقات عمدتاً بر شاخصهای اقلیمی تمرکز داشته و اثرات این تغییرات بر تولیدات کشاورزی کمتر مورد توجه قرار گرفته است. دستیابی به اطلاعات دقیق تر در مورد پدیده تغییر اقلیم در ایران، مستلزم انجام مطالعات گسترده در مقیاس منطقه ای و پیش بینی واکنش سیستم های تولید کشاورزی هر منطقه به این تغییرات می باشد (کوچکی و نصیری 1387). با این حال در ایران تنها مطالعات اندکی در رابطه با تغییر اقلیم در بخش کشاورزی صورت گرفته است (کوچکی و همکاران 1380، نصیری محلاتی و کوچکی 1384، نصیری محلاتی و همکاران 1385، کوچکی و کمالی 1389).
با وجودی که در طی سال های اخیر، آزمایشهای انجام شده در محیط های کنترل شده اطلاعات زیادی را در مورد تاثیر افزایش درجه حرارت و یا غلظت دی اکسید کربن بر فرایندهای رشد و نمو گیاهان فراهم کرده است، ولی این نوع مطالعات بسیار پر هزینه بوده و اجرای آنها به وجود ابزار دقیق وابسته است (کوچکی و همکاران 1380). توسعه روش های مدلسازی جایگزینی مناسب و کم هزینه برای این نوع مطالعات است که در حال حاضر مورد توجه محققین قرار گرفته است. مدل های گردش عمومی (GCM[1]) ابزار مناسب و در عین حال دقیقی برای پیش بینی شرایط اقلیمی آینده بوده و داده های لازم برای اجرای مدل های شبیه سازی رشد و نمو محصولات زراعی تحت شرایط تغییر اقلیم را فراهم می سازند (جانز و همکاران 2003). بنابراین با در اختیار داشتن اطلاعات خروجی از مدل های رشد گیاهان زراعی می توان فرایندهای مرتبط با تغییر اقلیم را با سرعت زیاد و هزینه کم پیش بینی نمود. با این حال این نوع مطالعات در ایران از سابقه چندانی برخوردار نیست و اطلاعات اندکی در مورد پاسخ محصولات زراعی به شرایط اقلیمی آینده ایران در اختیار میباشد. رشد و نمو گیاهان زراعی تحت تاثیر تغییرات اقلیمی میتواند بوسیله مدل هایی چون DSSAT، WOFOST، SUCROS، APSIM و غیره مورد ارزیابی قرار گیرد (ریدزما و همکاران 2010).
از آنجائی که تولید محصولات زراعی مستقیما به شرایط اقلیمی وابسته است، کشاورزی یکی از اولین بخشهایی است که تحت تاثیر تغییرات اقلیمی قرار می گیرد (سالینگر 2005، متا و باریر 2005). اگرچه کشاورزان قادر نیستند شرایط اقلیمی را کنترل کنند، ولی مدیریت و تغییر در فاکتورهایی چون، آبیاری، خاک، رقم محصول، فعالیت ها و تکنولوژی های مورد استفاده در کشت محصولات زراعی، میتواند در کاهش اثرات مضر تغییر اقلیم بر رشد، نمو و عملکرد محصولات کشاورزی نقش بسزایی داشته باشد.
(اُزکان و آکائوز 2002). تخفیف[2] و سازگاری[3] دو روش شناخته شده برای کاهش اثرات منفی تغییر اقلیم میباشد. استراتژی های تخفیف به کاهش انتشار گازهای گلخانه ای از طریق فعالیت های مدیریتی مختلف از قبیل کاهش کاربرد کودهای شیمیایی (ورج و همکاران 2007)، مکانیزاسیون، افزایش ترسیب کربن، کشت و کار گیاهان زرراعی با هدف تولید سوخت های زیستی (پالسون و همکاران 2001، اُگلی و همکاران 2005، فالون و بت 2010)، حرکت به سمت کشاورزی ارگانیک (شیفرا و همکاران 2009) و غیره اشاره دارد. منظور از سازگاری نیز استراتژی های است که رشد و نمو گیاه طوری تنظیم شود که کمتر در معرض تغییرات اقلیمی بوقوع پیوسته قرار بگیرد (روزنویگ و توبیلو 2007). راهکارهای سازگاری بسته به سیستم کشاورزی، منطقه و سناریوهای تغییر اقلیمی متفاوت میباشد. از جمله این استراتژی ها می توان به تغییر تاریخ کاشت، تراکم کاشت (بیندی و اُلسن 2000، ترنکا و همکاران 2004)، استفاده از ارقام مقاوم به شرایط گرمتر، تغییر در تناوب کاشت، مدیریت آبیاری و غیره اشاره کرد (اسمیت و اسکینر 2002، توبیلو و همکاران 2002).
ذرت گیاهی است از خانواده گرامینه و از غلات مهم مناطق گرمسیری و معتدل جهان میباشد و از نظر تولید جهانی بعد از گندم و برنج مقام سوم را به خود اختصاص داده است (کاظم پور وتاج بخش 1381) و با توجه به روند تغییرات اقلیمی اخیر و گرم شدن هوا (کوچکی و نصیری 1387)، بنظر میرسد، کشت کار این گیاه بعنوان یک گونه با مسیر فتوسنتزی C4 اهمیت بیشتری پیدا کرده است. حساسترین مرحله رشد ذرت به دمای بالا، مرحله گلدهی آن میباشد، که افزایش دما، طول این دوره را کاهش می دهد (خابا و همکاران 2001). بنابراین، اگر کشاورزان استراتژی های سازگاری مناسب را در نظر نگیرند، بدلیل کوتاه شدن دوره گلدهی و از طرفی طول فصل رشد ذرت تحت تاثیر تغییرات اقلیمی و گرمایش زمین، ممکن است عملکرد دانه ذرت در این شرایط کاهش یابد (نونحیبل 1996، ترنکا و همکاران 2004).
بنابراین اهدف این تحقیق عبارت بودند از 1) ارزیابی کارایی مدل CERES-maize در تاریخ های مختلف کاشت؛ 2) شبیه سازی اثرات تغییر اقلیم بر مراحل فنولوژیک، شاخص سطح برگ (LAI)، زیست توده و عملکرد دانه ذرت؛ 3) بررسی پتانسیل کاهش اثرات تغییر اقلیم بر تولید ذرت توسط مدیریت تاریخ کاشت در استان خراسان رضوی.
مواد و روش ها
مدل اقلیمی و جمع آوری اطلاعات
دو مدل گردش عمومیِ HadCM3[4] (میشل و همکاران 1995) و IPCM4[5] (سیمنو و استراتونوویچ 2010) تحت تاثیر سه سناریوی SRES-A2 که شامل شرایط بسیار ناهمگن محیطی، رشد بالای جمعیت، توسعه ناچیز اقتصادی و تغییرات کند تکنولوژیکی میباشد. بر اساس این سناریو غلظت CO2 حدود 30 گیگاتن در سال افزایش یافته و دما بین 2 تا 4/5 درجه سانتی گراد افزایش خواهد یافت (پرودهوم و همکاران 2010)، SRES-B1 که شامل جهانی همگرا بوده که بیشترین رشد جمعیت در اواسط قرن حاضر اتفاق افتاده و رشد سریع در بخش اقتصادی و تکنولوژیکی وجود دارد. بر اساس این سناریو غلظت CO2 تغییر چندانی نداشته و دما بین 1/1 تا 9/2 درجه سانتی گراد افزایش خواهد یافت (وترهال و همکاران 2009) و SRES-A1Bکه نشان دهنده رشد سریع اقتصادی جهان، حداکثر رشد جمعیت در اوتسط قرن حاضر وجود داشته و تکنولوژی با کارایی بالا بر اساس تعادل انرژی موجود میباشد. بر اساس این سناریو غلظت CO2 حدود 15 گیگاتن در سال افزایش یافته و دما بین 7/1 تا 4/4 درجه سانتی گراد افزایش خواهد یافت (اُلسن و همکاران 2011) برای این تحقیق انتخاب شد. همچنین برای تهیه پارامترهای اقلیمی بصورت روزانه به منظور شبیه سازی فصل رشد احتمالی در هر دوره اقلیمی مورد بررسی از مدل LARS-WG استفاده شد. داده های اقلیمی روزانه شامل تشعشع، بارندگی و دمای حداکثر و حداقل برای 4 دوره زمانی (1385-1360 (سال مبنا)، 1400، 1430 و 1460) توسط این مدل شبیه سازی گردید.
جهت پیشبینی شرایط زراعی آینده در دشت مشهد دادههای اقلیمی روزانه شامل: دمای حداقل و حداکثر، بارش و ساعات آفتابی مربوط به ایستگاه سینوپتیک مشهد در طول دوره 1360 تا 1385 جمع آوری شد. به منظور شبیه سازی فصل رشد احتمالی در هر دوره اقلیمی مورد بررسی، از مدل LARS-WG استفاده شد و سپس خروجی مدل برای سالهای مشاهده شده (مبنا) با استفاده از رفتار آب و هوای منطقه و سری های زمانی تست شد. دقت خروجی های مدل LARS-WG با استفاده از آزمون میانگین مربعات ریشه (RMSE[6]) برای ایستگاه مورد نظر اعتبار سنجی شد. سپس با استفاده از مدل LARS-WG داده های اقلیمی یک سال نمونه برای ایستگاه مشهد در سه دوره زمانی 2010 تا 2040، 2041 تا 2070 و 2071 تا 2100 با استفاده از دو مدل گردش عمومی HadCM3 و IPCM4 تحت سه سناریو استاندارد A2، B1 و A1B برآورد شد.
واسنجی مدل
به منظور شبیه سازی پارامترهای مختلف رشدی ذرت، مدل سیستم گیاهی ذرت (CERES-Maize) توسط نرم افزار [7]DSSAT مورد استفاده قرار گرفت. مدل با استفاده از داده های آزمایشی که در سال زراعی 89-88 در مزرعه تحقیقاتی کشاورزی دانشگاه فردوسی مشهد واقع در 10 کیلومتری شرق مشهد با عرض جغرافیایی 36 درجه و 16 درجه شمالی و طول جغرافیایی 59 درجه و 36 دقیقه شرقی و ارتفاع 985 متری از سطح دریا انجام گرفته بود، واسنجی شد (کوچکی و همکاران، 1391). این آزمایش بصورت فاکتوریل در قالب طرح بلوک های کامل تصادفی با 3 تکرار اجرا شد. تیمارها شامل کود نیتروژن در چهار سطح: صفر، 50، 100 و 150 کیلوگرم بر اساس اوره و الگوی کاشت نیز در 3 سطح کشت خالص ذرت، کشت خالص پنبه و کشت مخلوط یک در میان پنبه و ذرت بود. کاشت در تاریخ 15 اردیبهشت ماه سال 1389 در کرتهایی به ابعاد 4×3 متر با فاصله ردیف 60 سانتی متر انجام گرفته بود. فاصله دو بوته ذرت (رقم سینگل کراس 704) روی ردیف 20 سانتی متر و فاصله دو بوته پنبه (رقم ورامین) بر روی ردیف 15 سانتی متر در نظر گرفته شد. کود اوره (46 درصد نیتروژن) در دو نوبت قبل از کاشت و 50 روز بعد از کاشت به زمین اضافه شد. آبیاری بلافاصله بعد از کاشت و بعد از آن هر 10 روز یکبار بصورت نشتی و مبارزه با علف هرز توسط وجین دستی در 3 نوبت انجام گرفته بود. رقم مورد استفاده در این بررسی سینگل کراس 704 بود که ضرایب ژنتیکی آن در جدول 1 نشان داده شده است.
اعتبارسنجی مدل
برای اعتبار سنجی مدل رشد ذرت نیز از داده های آزمایشی که در سال زراعی 1390-1389 در مزرعه دانشکده کشاورزی دانشگاه فردوسی مشهد بصورت کرت های خرد شده بر پایه طرح بلوک های کامل تصادفی در سه تکرار انجام گرفت، استفاده گردید. در این آزمایش اثرات سطوح مختلف نیتروژن و آبیاری بر عملکرد و اجزای عملکرد ذرت مورد بررسی قرار گرفت. تیمارهای آزمایش شامل 3 سطح آبیاری (450، 550 و 650 میلیمتر) بعنوان فاکتور اصلی و 4 سطح کود نیتروژن (0، 150، 300 و 450 کیلوگرم در هکتار) بعنوان فاکتور فرعی در نظر گرفته شد. کاشت ذرت در تاریخ 20 اردیبهشت ماه سال 1390 انجام گرفت. رقم ذرت مورد استفاده سینگل کراس 704 بود. کود نیتروژنه مورد استفاده کود اوره (46 درصد نیتروژن) بود که در دو نوبت قبل از کاشت و در زمان گل دهی ذرت انجام گرفت. عملکرد دانه و بیومس، شاخص سطح برگ و طول دوره زایشی (روز تا گل دهی) بعنوان صفات مورد ارزیابی برای اعتبار سنجی مدل رشد ذرت در نظر گرفته شدند.
جدول1- ضرابی ژنتیکی رقم سینگل کراس 704 مورد استفاده در مدل CSM-CERES-Maize
|
P2 (days) |
P5(°C day) |
G2 (Nr) |
G3(mg day-1) |
PHINT(°C day) |
P1(°C day) |
|
6/0 |
800 |
900 |
8 |
50 |
230 |
P1: زمان دمایی(Thermal time) از ظهور گیاهچه تا پایان مرحله جوانی( juvenile phase) ،
P2: میزان تاخیر در نمو ذرت در صورت عدم تامین طول روز مطلوب،
P5: طول دوره پر شدن دانه، G2: حداکثر تعداد دانه تولید شده در بوته،
G3: سرعت پر شدن دانه در مرحله پر شدن خطی دانه تحت شرایط مطلوب رشد،PHINT
G1: فاصله زمانی بین ظهور نوک دو برگ متوالی (فیلوکرون)
تعیین اعتبار مدل
در این تحقیق از جذر میانگین مربعات خطا (RMSE)، جذر میانگین مربعات انحراف ها (RMSD)، کارایی مدل (ME)، خط 1:1 و رگرسیون خطی برای مقایسه نتایج مدل با واقعیت استفاده شد، که از روابط زیر محاسبه شدند (لاگو و گرین 1991):
|
]1 [ |
RMSE = |
||||
|
]2 [ |
RMD = |
|
|||
|
]3 [ |
ME = |
|
|||
Pi : مقادیر پیشبینی شده، Oi : مقادیر اندازه گیری شده، n : تعداد مشاهدات و : میانگین داده های اندازه گیری شده.
همچنین معادله رگرسیون برازش داده شده بین دادههای مشاهده شده[8] و پیش بینی شده[9] که معادله آن در زیر آمده است (معادله4) با خط 1:1، توسط تست t (t-test) تست شد.
|
]4 [ |
Simulated = a + b × Observed |
b=1 بعنوان فرض صفر (H0) و b≠1 بعنوان فرض یک () در تست t در نظر گرفته شد. اگر فرض صفر پذیرفته شود به این معنی است که اختلاف بین داده های شبیه سازی شده و مشاهده شده معنی دار نسیت و فرض یک نیز عکس این موضوع را نشان می دهد.
به منظور تعیین اعتبار مدل مورد استفاده، صفات عملکرد دانه، زیست توده، حداکثر شاخص سطح برگ و تعداد روز تا گلدهی انتخاب و مورد بررسی قرار گرفت. مدل پس از تعیین اعتبار جهت پیش بینی رشد و نمو ذرت در سناریوهای مختلف تغییر اقلیم مورد استفاده قرار گرفت.
مدیریت تاریخ کاشت بعنوان استراتژی سازگاری
به منظور تخفیف اثرات منفی تغییر اقلیم بر رشد و نمو گیاه ذرت، تغییر در تاریخ کاشت بعنوان یک راهکار سازگاری در نظر گرفته شد. تاریخ کاشت رایج برای ذرت بر اساس آزمایش انجام گرفته در بالا برای منطقه مشهد 20 اردیبهشت بود. همانطور که قبلا اشاره شد، از آنجایی که حساسترین مرحله رشد ذرت به گرما، مرحله گلدهی آن میباشد. برای سازگاری ذرت به گرمایش هوا، راهکارهای سازگاری بصورتی در نظر گرفته شد، که این مرحله با حداکثر دمای هوا مواجه نشود. بدین منظور تاثیر دو تاریخ کاشت 10 اردیبهشت و اول خرداد بر کاهش اثرات تغییر اقلیم مورد بررسی قرار گرفت.
نتایج و بحث
بررسی روند تغییرات درازمدت میانگین دما برای منطقه مشهد
بررسی روند تغییرات 45 ساله دما (2005-1960) برای منطقه مشهد نشان داد که با گذشت زمان میانگین سالانه دمای این منطقه روند افزایشی داشته است (شکل1). بطوریکه سالانه حدود 05/0 درجه سانتی گراد به میانگین دمای منطقه افزوده شده است و بالاترین میانگین دمای ثبت شده برای دشت مشهد در سال 1998 با حدود 3/16 درجه سانتی گراد بود (شکل1). این نتایج موضوع تغییر اقلیم برای این منطقه را تصدیق می کند.
شکل 1- روند تغییرات درازمدت میانگین درجه حرارت سالانه برای منطقه مشهد
اعتبار سنجی داده های حاصل از LARS-WG
نتایج اعتباردهی داده های حاصل از LARS-WG نشان داد که LARS-WG دقت بیشتری در شبیه سازی دمای ماکزیمم در مقایسه با دمای مینیمم و بارندگی داشت (شکل2). ماکزیمم دمای شبیه سازی شده توسط LARS-WG با اختلاف 7/1%± از داده های مشاهده شده برآورد گردیدند، بطوریکه RMSE به دست آمده برای ماکزیمم دما برابر 7/1 بود که بیانگر دقت بالای LARS-WG در شبیه سازی دمای ماکزیمم میباشد (شکل2). با توجه به RMSE محاسبه شده برای بارندگی (11%) و مینیمم دما (19%)، می توان بیان کرد که LARS-WG میزان بارندگی را با دقت بالاتری در مقایسه با مینیمم دما برای منطقه مشهد شبیه سازی کرد (شکل2)، بطوریکه میزان بارندگی با اختلاف 11%± از داده های مشاهده شده شبیه سازی شد و این اختلاف برای مینیمم دما برابر 19%± بود (شکل2). با توجه به شکل2، مقدار مینیمم دما در تمام ماه های سال بیشتر از مقدار واقعی پیش بینی شده بود[10] که منجر به پایین بودن دقت LARS-WG در شبیه سازی مینیمم گردید. بطور کلی نتایج اعتبارسنجی نشان داد که LARS-WG قابلیت خوبی در شبیه سازی داده های اقلیمی (بارندگی، دمای ماکزیمم و مینیمم) دارد و می توان از این داده های اقلیمی برای شبیه سازی فصل رشد احتمالی در شرایط آینده تغییر اقلیم و مطالعات مربوط به تاثیر این عوامل اقلیمی بر رشد و نمو گیاهان زراعی استفاده کرد.
شکل2- اختلاف بین داده های اقلیمی (دمای حداکثر، دمای حداقل و بارندگی) مشاهده شده و پیش بینی شده حاصل از LARS-WG و تعیین اعتبار آنها با استفاده از RMSE.
اعتباردهی مدل رشد
نتایج ارزیابی مدل رشد نشان داد که مدل برآورد مناسبی برای پیش بینی صفات حداکثر شاخص سطح برگ، روز تا گلدهی، زیست توده و عملکرد دانه داشت (جدول2). میزان حداکثر شاخص سطح برگ، روز تا گلدهی، عملکرد دانه و بیولوژیک با اختلاف 22/5 ±، 61/2 ±، 60/6 ± و 34/5 ± از داده های اندازه گیری شده توسط مدل شبیه سازی شد (جدول2). همبستگی معنی داری بین داه های اندازه گیری شده و شبیه سازی شده برای صفات مذکور مشاهده شد (جدول3). با توجه به مقادیر ME و RMD می توان بیان کرد که مدل تمام صفات مورد مطالعه را با دقت بالایی شبیه سازی کرده است (جدول2). بیشترین همبستگی بین داده های اندازه گیری شده و شبیه سازی شده مربوط به عملکرد دانه با ضریب همبستگی 97/0 و کمترین همبستگی مربوط به صفت روز تا گلدهی با ضریب همبستگی 55/0 بود (جدول3). نتیجه آزمون تست t برای تمام صفات نشان داد که فرض صفر برای شیب معادله رگرسیونی برازش داده قابل قبول بوده و این بدان معناست که اختلاف معنی داری بین خط 1:1 (y=x) و رگرسیون برازش داده شده بین داده های مشاهده شده و شبیه سازی شده وجود ندارد (جدول3 و شکل3).
شکل3- مقایسه مقادیر شبیه سازی شده و مشاهده شدهِ صفات مورد بررسی در ذرت با استفاده از خط 1:1
جدول 2- مقایسه میزان مشاهده شده و برازش داده شده صفات مورد بررسی در ذرت بوسیله RMSE، ME و RMD
|
RMD |
ME |
RMSE |
صفات |
|
23/3 |
85/0 |
34/5 |
وزن دانه |
|
71/2 |
89/0 |
60/6 |
زیست توده |
|
79/0 |
87/0 |
22/5 |
حداکثر LAI |
|
0 |
52/0 |
61/2 |
روز تا گلدهی |
جدول3- نتایج تست t برای مقایسه معادله رگرسیون بین میزان مشاهده شده و برازش داده شده داده ها با خط 1:1 ( y = a + bx)
|
صفات |
|
R2 |
|
t |
|
b |
|
|
|
|
tb |
|
Std. Error |
مقدار |
||
|
عملکرد دانه |
|
97/0 |
|
43/1 |
|
21/1 |
15/0 |
|
زیست توده |
|
92/0 |
|
15/0 |
|
03/1 |
21/0 |
|
حداکثر LAI |
|
90/0 |
|
26/0 |
|
06/1 |
25/0 |
|
روز تا گلدهی |
|
55/0 |
|
93/1 |
|
66/0 |
17/0 |
اثر تغییر اقلیم بر رشد و نمو ذرت
مراحل فنولوژیک
تعداد روز از کاشت تا گلدهی ذرت در تمام مدلهای گردش عمومی و کلیه سالهای پیش بینی شده بجز دوره 2020 در سناریوی B1 برای مدل گردش عمومی HadCM3 و دوره 2020 در سناریوی A2 برای مدل گردش عمومی IPCM4 نسبت به شرایط کنونی منطقه مشهد کاهش نشان داد (جدول4). دو سنارویوی A1B و A2 در سال 2080 برای مدل گردش عمومی HadCM3 (با دارا بودن به ترتیب 53 و 54 روز) دارای کمترین تعداد روز تا گلدهی بودند (جدول4). بطوریکه بر اساس این دو سناریو، تعداد روز تا گلدهی ذرت به ترتیب حدود 17 و 15 درصد نسبت به شرایط کنونی در سال 2080 کاهش نشان داد. بطور کلی نتایج نشان داد که تعداد روز از کاشت تا گلدهی ذرت در منطقه مشهد تحت تاثیر تغییرات اقلیمی پیش رو نسبت به وضعیت کنونی کاهش خواهد یافت (جدول4)، که بنظر میرسد دلیل اصلی این امر افزایش دمای هوا بین 1 تا 5 درجه سانتی گراد (IPPC، 2007) بر اساس سناریوهای مذکور باشد. مشاهده پیش بینی تعداد روز تا گلدهی ذرت در تمامی سناریوها و هر دو مدل گردش عمومی مورد استفاده نشان داد که در کلیه سناریوها، با افزایش زمان، تعداد روز در گلدهی در گیاه ذرت کاهش یافت، بطوریکه سال 2080 در کلیه سناریوها و مدل های گردش عمومی، شامل تعداد روز تا گلدهی کمتری نسبت به سال های 2020 و 2050 بود (جدول4). تعداد روز از کاشت تا رسیدگی فیزیولوژیک ذرت نیز از همین روند پیروی کرد (جدول4).
سوتوورد و همکاران (2000) گزارش کردند که افزایش دما بطور غیر مستقیم و از طریق تاثیر بر طول مراحل فنولوژیکی و نیز مراحل حساس رشد ذرت مثل تولید تاسل و ابریشم منجر به کاهش عملکرد ذرت در این شرایط می گردد. مزا و همکاران (2008) نیز با بررسی تاثیر تغییرات اقلیمی بر عملکرد و مراحل فنولوژیکی ذرت گزارش کردند
که افزایش درجه حرارت باعث تسریع در مراحل فنولوژیکی این گیاه می شود و اشاره کردند که در محدوده بین 10 تا 35 درجه سانتی گراد، افزایش درجه حرارت منجر به تسریع در سرعت نمو ذرت شده ولی در دمای بالای 41 درجه سانتی گراد تمام ارقام ذرت مورد مطالعه بشدت تاثیر پذیرفته و باعث کاهش در سرعت نمو و بعبارتی اختلال در رشد ذرت شد. ایشان تایید کردند که در شرایط شبیه سازی شده تغییر اقلیم در کلیه سناریوهای مورد بررسی، مشاهده شد که تعداد درجه روز رشد (GDD) مورد نیاز برای تکمیل رشد ذرت در زمان کوتاهتری تامین شد.
عملکرد دانه
نتایج شبیه سازی شده نشان داد که بطور کلی عملکرد دانه ذرت در شرایط آینده تغییر اقلیم در منطقه مشهد کاهش خواهد یافت، بطوریکه، این صفت تحت تاثیر کلیه سناریوهای مورد استفاده برای هر دو مدل گردش عمومی و در تمامی دوره مورد بررسی، نسبت به شرایط کنونی کاهش نشان داد (جدول4). دوره 2050 در سناریوی B1 تحت تاثیر مدل گردش عمومی IPCM4 با 4708 کیلوگرم عملکرد دانه ذرت، کمترین اختلاف را با شرایط کنونی (5317 کیلوگرم در هکتار) نشان داد (جدول4). بطوریکه میزان کاهش عملکرد در این سناریو نسبت به شرایط کنونی حدود 11 درصد بود (جدول4). دوره زمانی 2080 در سناریوی A2 تحت تاثیر مدل گردش عمومی HadCM3 کمترین عملکرد (3316 کیلوگرم در هکتار) دانه ذرت را بر اساس پیش بینی ها برای شرایط اقلیمی آینده نشان داد و بعد از آن نیز دوره 2080 برای سناریوی A1B در مدل گردش عمومی HadCM3 کمترین عملکرد پیش بینی شده ذرت را برای شرایط آب و هوایی مشهد نشان داد (جدول4). بطور کلی نتایج نشان داد که سناریوی B1 در مدل گردش عمومی HadCM3 نسبت به دیگر سناریوها دارای کمترین کاهش عملکرد در مقایسه با شرایط کنونی بود (جدول4).
|
جدول4- تاثیر تغییرات اقلیمی شبیه سازی شده تحت تاثیر سناریوها و مدل های گردش عمومی در دوره های مختلف بر تعدادی از صفات ذرت نسبت به شرایط کنونی در منطقه مشهد |
|||||||
|
مدل |
سناریو |
دوره |
زمان گلدهی |
زمان رسیدگی فیزیولوژیک |
عملکرد دانه (Kg ha-1) |
زیست توده (Kg ha-1) |
حداکثر شاخص سطح برگ |
|
|
|
زمان کنونی |
62 |
105 |
5317 |
18374 |
11/5 |
|
HadCM3 |
A1B |
2020 |
61 |
102 |
4433 |
18947 |
94/4 |
|
2050 |
58 |
96 |
3896 |
16847 |
47/4 |
||
|
2080 |
56 |
91 |
3857 |
16623 |
58/4 |
||
|
A2 |
2020 |
60 |
101 |
4288 |
18073 |
60/4 |
|
|
2050 |
58 |
96 |
4608 |
18314 |
45/4 |
||
|
2080 |
55 |
90 |
3316 |
15283 |
35/4 |
||
|
B1 |
2020 |
62 |
103 |
4570 |
19007 |
86/4 |
|
|
2050 |
58 |
97 |
4227 |
18228 |
76/4 |
||
|
2080 |
57 |
94 |
4361 |
17912 |
41/4 |
||
|
IPCM4 |
A1B |
2020 |
60 |
101 |
4105 |
18116 |
70/4 |
|
2050 |
58 |
96 |
3950 |
17345 |
61/4 |
||
|
2080 |
54 |
90 |
4013 |
16829 |
52/4 |
||
|
A2 |
2020 |
62 |
103 |
4106 |
18407 |
55/4 |
|
|
2050 |
58 |
96 |
4148 |
17592 |
41/4 |
||
|
2080 |
53 |
88 |
4055 |
16926 |
40/4 |
||
|
B1 |
2020 |
60 |
101 |
4081 |
18184 |
65/4 |
|
|
2050 |
58 |
97 |
4708 |
18123 |
19/4 |
||
|
2080 |
57 |
94 |
4045 |
17574 |
47/4 |
||
الکساندر و هوگمبوم (2000) نیز اثر تغییرات اقلیمی را بر عملکرد ذرت برای دوره 2020، 2050 و 280 شبیه سازی کردند و ایشان نیز گزارش کردند که کاهش عملکرد در دوره 2080 نسبت به دو دوره دیگر کمتر بود، بطوریکه حداکثر عملکرد شبیه سازی شده در سه دوره به ترتیب حدود 7، 2/6 و 3/5 تن در هکتار گزارش کردند.
لی و همکاران (2011) با بررسی تغییرات اقلیمی تا سال 2030 بر عملکرد ذرت در چین و آمریکا گزارش کردند که افزایش دما تا سال 2030 منجر به کاهش عملکرد ذرت در آمریکا و چین به ترتیب حدود 8 و 23 درصد خواهد شد. همچنین سوتوورد و همکاران (2000) بیان کردند که افزایش درجه حرارت در مناطق میانی آمریکا منجر به تغییر عملکرد ذرت در این منطقه بین 5- تا 50- درصد تا 50 سال آینده خواهد شد در حالیکه در نواحی شمالی آمریکا منجر به بهبود عملکرد ذرت تا 20درصد خواهد شد. مرا و همکاران (2006) تایید کردند که افزایش درجه حرارت بیشترین تاثیر را بر مرحله گلدهی ذرت گذاشته و با کاهش درصد و دوره تلقیح گل، منجر به کاهش عملکرد ذرت شده است. ایشان اشاره کردند که افزایش 2 درجه دما باعث کاهش دوره گلدهی ذرت از 10 به 8 روز شده که خود تاثیر بسزایی در کاهش تعداد دانه تشکیل شده و عملکرد ذرت دارد. از طرفی مزا و همکاران (2008) تاکید کردند که تغییرات اقلیمی بیشترین تاثیر را بر میزان فتوسنتز گیاهان زراعی گذاشته و از این طریق بر عملکرد تاثیر می گذارد. الکساندر و هوگمبوم (2000) نیز با بررسی افزایش درجه حرارت در شرایط آینده گزارش کردند که تحت این شرایط عملکرد دانه ذرت حدود 10 درصد کاهش یافته که ایشان دلیل این تغییر را، کاهش طول دوره رشد ذرت بیان کردند. نتایج مشابه نیز توسط کوکولینو و همکاران (1999) برای کشور رومانی و توسط کاپاتانکی و روسنزوینگ (1997) برای مصر گزارش شد. بر اساس نتایج شبیه سازی در تحقیق ما نیز بنظر میرسد افزایش دما تحت سناریوهای مورد بررسی بر طول فصل رشد، مرحله گلدهی و فتوسنتز ذرت تاثیر منفی گذاشته و از این طریق منجر به کاهش 37-11 عملکرد ذرت (جدول4) تحت تاثیر سناریوهای مختلف و مدل های گردش عمومی شده است.
زیست توده
زیست توده ذرت در دوره 2020 برای مدل گردش عمومی HadCM3 در دو سناریوی A1B و B1 و مدل گردش عمومی IPCM4 برای سناریوی A2 نسبت به شرایط کنونی اقلیم مشهد افزایش نشان داد و در بقیه سناریوها و مدل های گردش عمومی نسبت به شرایط کنونی کاهش نشان داد (جدول4). از بین کلیه سناریوها و مدل های گردش عمومی مورد استفاده، سناریوی A2 در دوره زمانی 2080 تحت تاثیر مدل گردش عمومی HadCM3 بیشترین کاهش عملکرد بیولوژیک را نسبت به عملکرد بیولوژیک کنونی ذرت در مشهد نشان داد و بعد از آن نیز سناریوهای A1B در هر دو مدل گردش عمومی و A2 در مدل گردش عمومی IPCM4 در دوره 2080 بیشترین میزان کاهش این صفت را دارا بودند (جدول4).
نتایج شبیه سازی نشان داد که با گذشت زمان میزان بیومس تولیدی اختلاف بیشتری با مقدار این صفت در شرایط کنونی مشهد نشان داد و در دوره 2080 در کلیه سناریوها و مدل های گردش عمومی کمتر از دو دوره قبلی بود (جدول4)، که بنظر میرسد خود تحت تاثیر افزایش بیشتر درجه حرارت با گذشت زمان بر اساس سه سناریوی مورد استفاده باشد که درجه حرارت بالاتر با افزایش سرعت نمو (مرا و همکاران 2006)، کاهش فتوسنتز (مزا و همکاران 2008) و همچنین کوتاه کردن مراحل فنولوژیکی ذرت (الکساندر و هوگمبوم 2000) باعث کاهش تولید ماده خشک این گیاه شده است. همچنین بنظر میرسد، از آنجایی که، تغییرات اقلیمی آینده منجر به کاهش فصل رشد گیاه می گردد، بنظر می رسد کاهش طول فصل رشد منجر به کاهش دریافت تشعشع فتوسنتزی (ویلر و همکاران 2000) و در نتیجه کاهش تولید بیومس و عملکرد بیولوژیک شده است. لائوکس و همکاران (2010) نیز با شبیه سازی اثرات تغییر اقلیم بر تولید گیاهان زراعی توسط سناریوها و مدل های گردش عمومی مختلف تایید کردند که بیومس گیاه ذرت در سناریوی A2 و B2 تحت تاثیر مدل گردش عمومی HadCM3 برای دوره 2080 کاهش بیومس بیشتری را نسبت به دوره 2020 نشان داد و تاکید کردند که اثرات مضر افزایش دما با گذشت زمان چشم گیرتر خواهد بود.
حداکثر LAI
پیش بینی این صفت نیز تحت تاثیر تغییرات اقلیمی نیز نشان داد که در تمامی سناریوها و مدل های گردش عمومی و دوره های مورد بررسی حداکثر شاخص سطح برگ نسبت به مقدار این صفت در شرایط کنونی مشهد کاهش می یابد (جدول4). در این میان، سناریوی B1 برای مدل گردش عمومی IPCM4 در دوره 2050 و سناریوی A2 در دو مدل گردش عمومی HadCM3 و IPCM4 برای دوره 2080 به ترتیب با 19/4، 35/4 و 4/4 حداکثر شاخص سطح برگ، بیشترین کاهش را نسبت به شرایط کنونی (11/5) در مورد این صفت نشان دادند. از طرفی کمترین کاهش حداکثر شاخص سطح برگ به ترتیب برای دوره 2020 در دو سناریوی A1B و B1 برای مدل گردش عمومی HadCM3 حاصل شد (جدول4).
البته باید خاطر نشان شد که ما در این سناریوها، بدلیل عدم وجود اطلاعات کافی از وارد کردن تغییرات CO2 صرفنظر کرده ایم و شاید اگر تلفیق افزایش درجه حرارت و CO2 در نظر گرفته می شد، نتایج تا حدودی تفاوت نشان می داد. اما باید خاطر نشان شد که در اکثر مطالعات صورت گرفته، تایید شده است که هنگامی که اثر متقابل درجه حرارت و CO2 در نظر گرفته می شود، اثر منفی افزایش درجه حرارت به مراتب بیشتر از اثر مثبت دی اکسید کربن بوده و باز هم عملکرد، بیومس و شاخص سطح برگ گیاهان زراعی مورد استفاده کاهش نشان داده است (چنگ و همکاران 2009). البته گزارش شده است که گیاهان C4 مانند ذرت که دارای آناتومی کرانز می باشند، در شرایط کنونی با کمبود CO2 مواجه نبوده و به همین دلیل افزایش غلظت این عنصر تاثیر معنی داری بر عملکرد این گیاه نمی گذارد (روزنویگ و هیل 1998، سوتوورد و همکاران2000).
تاثیر تغییر تاریخ کاشت بعنوان راهکار سازگاری بر کاهش اثرات تغییر اقلیم
فنولوژی ذرت
صفات روز تا گلدهی و رسیدگی فیزیولوژیک به عنوان مهمترین مراحل فنولوژیکی ذرت در نظر گرفته شدند. طول دوره بین کاشت تا گلدهی ذرت تحت سناریوها و تاریخ کاشت های مختلف از 4+ تا 11- روز در مقایسه با سال مبنا متفاوت بود (جدول5). نتایج شبیه سازی نشان داد که طول دوره رشد رویشی در کاشت زود هنگام ذرت (10 اردیبهشت) افزایش می یابد، در صورتی که تاریخ کاشت های دیر هنگام (20 اردیبهشت و 1 خرداد) باعث کاهش طول این دوره در تمام سناریوها و زمان های مختلف گردید (جدول5). سناریوی A2 کوتاهترین طول دوره کاشت تا گلدهی را بویژه در مدل گردش عمومی HadCM3 نشان داد، بطوریکه کوتاهترین طول دوره رویشی (52 روز) در تاریخ کاشت اول خرداد تحت سناریوی A2 در سال 2080 برای هر دو مدل گردش عمومی شبیه سازی گردید (جدول5). دامنه تغییرات طول دوره رسیدگی فیزیولوژیکی ذرت در شرایط تغییر اقلیم آینده نسبت به سال مبنا (105 روز) از 1+ تا 18- روز بود به عبارتی از 106 تا 87 روز متغیر بود (جدول5). نتایج شبیه سازی طول دوره مراحل فنولوژیکی ذرت نشان داد که کشت دیرهنگام ذرت باعث کاهش طول این دوره در شرایط تغییر اقلیم آینده می شود. تاکید شده است که کاشت دیرتر ذرت، بطوریکه مرحله گلدهی این گیاه با اوج گرمایی منطقه کشت این گیاه تطابق نداشته باشد، تا حدود زیادی میتواند در کاهش اثرات مضر تغییر اقلیم و گرمایش زمین بر عملکرد ذرت نقش داشته باشد (سوتوورد و همکاران 2000). همچنین ایشان بیان کردند با توجه به گرمایش زمین و افزایش نسبی دما در اوایل پاییز در آینده تغییر اقلیم کاشت دیر هنگام ذرت دیگر با خطر سرمای آخر فصل مواجه نخواهد شد و از این لحاظ مشکلی پیش نخواهد آمد.
حداکثر شاخص سطح برگ و زیست توده
بیشترین حداکثر شاخص سطح برگ در تاریخ کاشت 20 اردیبهشت در سناریوی A1B با مدل گردش عمومی HadCM3 و کمترین مقدار مربوط به کشت ذرت در تاریخ 10 اردیبهشت تحت سناریوی A1B در مدل گردش عمومی IPCM4 در سال 2020 بود (جداول4و5). در اکثر تیمارهای مختلف تاریخ کاشت و در زمان های مختلف، حداکثر شاخص سطح برگ در سناریوی A1B نسبت به سایر سناریوها بالاتر بود (جدول4و5). تغییرات بیوماس پیش بینی شده در شرایط تغییر اقلیم آینده نسبت به سال مبنا (18374 کیلوگرم در هکتار) از 42/3+ تا 84/16- درصد متغیر بود، بطوریکه بیشترین مقدار مربوط به تاریخ کاشت 20 اردیبهشت تحت سناریوی B1 در سال 2020 و کمترین مقدار در کشت 20 اردیبهشت در سناریوی A2 در سال 2080 در مدل گردش عمومی HadCM3 بود (جداول4و5).
|
جدول 5- مقادیر شبیه سازی شده صفات مورد بررسی در ذرت تحت تاثیر سناریوها و مدل های گردش عمومی در |
||||||||
|
مدل |
سناریو |
دوره |
|
زمان گلدهی |
زمان رسیدگی فیزیولوژیک |
عملکرد دانه (Kg ha-1) |
زیست توده (Kg ha-1) |
حداکثر شاخص سطح برگ |
|
|
|
زمان کنونی |
|
62 |
105 |
5317 |
18374 |
11/5 |
|
HadCM3 |
A1B |
2020
|
10 اردیبهشت |
65 |
101 |
4891 |
18050 |
21/4 |
|
1خرداد |
59 |
105 |
4277 |
18246 |
42/4 |
|||
|
2050
|
10 اردیبهشت |
60 |
98 |
4838 |
18505 |
69/4 |
||
|
1خرداد |
55 |
94 |
4608 |
18314 |
45/4 |
|||
|
2080
|
10 اردیبهشت |
58 |
95 |
4225 |
17445 |
43/4 |
||
|
1خرداد |
54 |
89 |
3782 |
17554 |
78/4 |
|||
|
A2 |
2020
|
10 اردیبهشت |
65 |
106 |
4786 |
17391 |
95/3 |
|
|
1خرداد |
57 |
99 |
3642 |
17220 |
34/4 |
|||
|
2050
|
10 اردیبهشت |
60 |
98 |
4838 |
18505 |
69/4 |
||
|
1خرداد |
55 |
94 |
3896 |
16867 |
47/4 |
|||
|
2080
|
10 اردیبهشت |
56 |
91 |
3390 |
16336 |
53/4 |
||
|
1خرداد |
52 |
87 |
3735 |
16744 |
51/4 |
|||
|
B1 |
2020
|
10 اردیبهشت |
65 |
105 |
4546 |
17671 |
11/4 |
|
|
1خرداد |
59 |
101 |
3763 |
17170 |
08/4 |
|||
|
2050
|
10 اردیبهشت |
61 |
99 |
4518 |
17697 |
39/4 |
||
|
1خرداد |
56 |
95 |
4617 |
18394 |
44/4 |
|||
|
2080
|
10 اردیبهشت |
61 |
98 |
4880 |
18181 |
38/4 |
||
|
1خرداد |
56 |
93 |
3475 |
17000 |
61/4 |
|||
|
IPCM4 |
A1B |
2020
|
10 اردیبهشت |
66 |
106 |
4791 |
17386 |
93/3 |
|
1خرداد |
59 |
101 |
3847 |
17294 |
25/4 |
|||
|
2050
|
10 اردیبهشت |
60 |
97 |
3724 |
17367 |
62/4 |
||
|
1خرداد |
55 |
93 |
3635 |
17251 |
63/4 |
|||
|
2080
|
10 اردیبهشت |
58 |
94 |
3996 |
16820 |
34/4 |
||
|
1خرداد |
53 |
89 |
4289 |
18123 |
76/4 |
|||
|
A2 |
2020
|
10 اردیبهشت |
65 |
106 |
4162 |
17611 |
26/4 |
|
|
1خرداد |
59 |
102 |
3740 |
17620 |
65/4 |
|||
|
2050
|
10 اردیبهشت |
61 |
99 |
4954 |
18309 |
34/4 |
||
|
1خرداد |
55 |
94 |
3746 |
16824 |
55/4 |
|||
|
2080
|
10 اردیبهشت |
56 |
92 |
3955 |
16637 |
36/4 |
||
|
1خرداد |
52 |
87 |
3316 |
15349 |
25/4 |
|||
|
B1 |
2020
|
10 اردیبهشت |
64 |
104 |
5227 |
18548 |
19/4 |
|
|
1خرداد |
58 |
100 |
3913 |
17254 |
10/4 |
|||
|
2050
|
10 اردیبهشت |
62 |
100 |
4851 |
18187 |
32/4 |
||
|
1خرداد |
55 |
96 |
4215 |
17701 |
68/4 |
|||
|
2080
|
10 اردیبهشت |
58 |
95 |
4194 |
17171 |
11/4 |
||
|
1خرداد |
54 |
91 |
3558 |
16908 |
55/4 |
|||
عملکرد دانه
کمترین کاهش عملکرد دانه مربوط به سناریوی B1 در مدل گردش عمومی IPCM4 در سال 2050 (4708 کیلوگرم در هکتار) و بیشترین کاهش عملکرد دانه تحت سناریوی A2 در مدل گردش عمومی HadCM3 در سال 2080 (3316 کیلوگرم در هکتار) شبیه سازی شد (جدول5). در اغلب موارد کاشت زود هنگام ذرت باعث کاهش اثرات منفی تغییر اقلیم بر عملکرد گردید، بطوریکه کمترین کاهش عملکرد در تاریخ کاشت 10 اردیبهشت تحت سناریوی B1 در مدل گردش عمومی IPCM4 در سال 2020 به میزان 69/1 درصد کاهش در مقایسه با سال مبنا شبیه سازی شد (شکل4). کاهش عملکرد ذرت به دلیل افزایش دما و کاهش بارندگی در شرایط تغییر اقلیم آینده گزارش شده است (مال و همکاران 2004). بر اساس شکل5 مشاهده می شود که در این تاریخ کاشت، دوره گلدهی ذرت (حدود 60 روز پس از کاشت) با حداکثر دمای هوا در طول فصل رشد آن مطابقت داشت. همانطور که قبلا اشاره شد، از آنجاییکه حساسترین مرحله رشد ذرت به گرما، مرحله گلدهی آن میباشد، برای سازگاری ذرت به گرمایش هوا، راهکارهای سازگاری بصورتی در نظر گرفته شد، که این مرحله با حداکثر دمای هوا مواجه نشود. بنابراین می توان نتیجه گرفت که کشت زودتر ذرت باعث عدم انطباق گلدهی ذرت با وقوع حداکثر دما گردیده و اثرات منفی گرما در مرحله حساس گلدهی تعدیل شده و افزایش عملکرد را نسبت به تاریخ کاشت های دیگر باعث می شود. همچنین کشت دیر هنگام ذرت (1 خرداد) نشان داد که در بیشتر موارد کاهش عملکرد افزایش یافته و اثرات منفی تغییر اقلیم تشدید یافته است. بیشترین کاهش عملکرد در تاریخ کاشت 1 خرداد تحت سناریوی A2 از مدل گردش عمومی IPCM4 در سال 2080 پیش بینی شد که باعث کاهش 63/37 درصدی از عملکرد دانه در مقایسه با عملکرد شبیه سازی شده در سال مبنا گردید (شکل4). اگر چه در سناریوی B1 در مدل گردش عمومی HadCM3 در سال 2050، کشت دیر هنگام ذرت (1 خرداد) کمترین کاهش عملکرد دانه را در مقایسه با سایر تاریخ های کاشت نشان داد که نسبت به سال مبنا کاهش 16/13 درصدی در عملکرد را شامل شد، درحالیکه این کاهش عملکرد برای تاریخ کشت های 10 و 20 اردیبهشت به ترتیب برابر با 03/15 و 5/20 درصد نسبت به سال مبنا بود (شکل4).
شکل4- میزان تغییر در عملکرد دانه ذرت بوسیله تغییر تاریخ کاشت تحت تاثیر دو مدل گردش عمومی HadCM3 و IPCM4 و سناریوهای A1B، A2 و B1 در مشهد برای سه دوره مورد بررسی
شکل5- روند حداکثر دمای روزانه برای دشت مشهد و زمان تاریخ کاشت رایج و وقوع گلدهی ذرت
)