Numéro |
OCL
Volume 31, 2024
|
|
---|---|---|
Numéro d'article | 19 | |
Nombre de pages | 13 | |
Section | Agronomy | |
DOI | https://doi.org/10.1051/ocl/2024016 | |
Publié en ligne | 24 septembre 2024 |
Research Article
Capacity of AquaCrop model in simulating performance variables and water use efficiency of spring rapeseed
Capacité du modèle de simulation AquaCrop à représenter les variables de performance et d’efficience de l’eau pour le colza de printemps
Department of Plant Production and Genetics, Agricultural Sciences and Natural Resources, University of Khuzestan, Ahwaz, Khuzestan, Islamic Republic of Iran
* Corresponding author: moraditelavat@yahoo.com; moraditelavat@asnrukh.ac.ir
Received:
12
February
2024
Accepted:
29
July
2024
A study was conducted to simulate the performance of rapeseed using the AquaCrop model at Khuzestan University of Agricultural Sciences and Natural Resources (Iran), over two crop years, 2021–2022 and 2022–2023. The results of the first year were used to calibrate the model, while the results of the second year were used to validate it. The research showed that the highest grain yield (1.572–1.415 tons/hectare) and water use efficiency (0.50–0.45 kg/m3) were obtained the first year from the control treatment, with a density of 110 plants m−2, and the Hayola 4815 cultivar, and the second year, with a density of 140 plants m−2. The normalized root mean square error (NRMSE) values were 1.82%, 15.36%, and 14.15% for grain yield, biomass, and water use efficiency, respectively, after the calibration phase and 15.4%, 19.99%, and 6.22%, after the validation phase. The model efficiency factor (EF) always resulted in values above 95%. According to the average relative error (RE), grain yield was overestimated both after calibration and validation steps, while biomass and water use efficiency were both underestimated. These results suggest that the simulations with AquaCrop model can be considered reliable for simulating spring rapeseed.
Résumé
Une étude a été menée pour simuler le rendement du colza à l’aide du modèle AquaCrop à l’Université des Sciences Agricoles et des Ressources Naturelles du Khuzestan (Iran) au cours de deux campagnes agricoles, 2021–2022 et 2022–2023. Les résultats de la première année ont été utilisés pour calibrer le modèle, et ceux de la deuxième année pour le valider. Cette recherche a montré que le rendement en grains le plus élevé (1,572–1,415 tonnes/hectare) et la meilleure efficience de l’eau (0,50–0,45 kg/m3) ont été obtenus pour le traitement témoin, avec une densité de 110 plantes.m−2, et le cultivar Hayola 4815. Lors de la deuxième année, ces mêmes variables ont été maximisées pour une densité de 140 plantes.m−2. Les valeurs de l’erreur quadratique moyenne normalisée (NRMSE) pour le rendement en grains, la biomasse et l’efficience de l’eau étaient de 1,82%, 15,36% et 14,15% après calibration, et de 15,4%, 19,99% et 6,22 % à l’issue de la validation. Les valeurs d’efficience du modèle(EF) étaient supérieures à 95 %. L’erreur relative moyenne (ER) indiquait une surestimation du rendement en grains simulé aussi bien à l’issue de la calibration que de la validation. Pour la biomasse et l’efficience de l’eau, les valeurs simulées étaient sous-estimées aussi bien en phase de calibration que de validation. Ces résultats suggèrent que la précision du modèle AquaCrop peut être considérée comme acceptable pour la simulation du colza de printemps.
Key words: Biomass / crop modeling / transpiration / vegetation / water use efficiency
Mots clés : Biomasse / modélisation des plantes / transpiration / végétation / efficience d’utilisation de l’eau
© H. Aboodeh et al., Published by EDP Sciences, 2024
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (https://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.
Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.
Le chargement des statistiques peut être long.