نوع مقاله : علمی پژوهشی - زراعت

نویسندگان

1 دانش آموخته کارشناسی ارشد، گرایش علوم علف های هرز، گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، باوی، ملاثانی، ایران

2 دانشیار، گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، باوی، ملاثانی، ایران

3 محقق، موسسه تحقیقات و آموزش توسعه نیشکر و صنایع جانبی خوزستان، اهواز، ایران

10.22055/ppd.2024.46453.2153

چکیده

یکی از مشکلات اساسی تولید محصولات زراعی در کشور ایران و بسیاری از کشورهای جهان، اختلاف بین عملکرد واقعی کشاورزان و عملکرد قابل حصول (عملکرد پتانسیل) است. به این فاصله و اختلاف عملکرد، خلأ عملکرد گفته می‌شود. از این‌رو، پژوهشی با هدف تعیین خلا عملکرد برنج در منطقه شعیبیه استان خوزستان انجام شد. این پژوهش در سال 1400 به صورت پیمایشی در 100 مزرعه از اراضی تحت کشت برنج منطقه شعیبیه شهرستان شوشتر انجام شد. برای تعیین خلا عملکرد دانه برنج از روش تحلیل مقایسه کارکرد استفاده شد. مدل‌سازی تولید دانه در مزارع برنج با بررسی رابطه بین تمامی متغیرهای مورد بررسی با عملکردهای دانه مشاهده‌شده در مزارع به روش رگرسیون گام به گام پیش‌رونده انجام شد. مدل تولید بدست‌آمده با این روش توانست 89 درصد از تغییرات عملکرد دانه مزارع برنج مطالعه‌شده را با متغیرهای مورد بررسی توجیه کند. نتایج نشان داد که بین میانگین عملکرد کشاورزان (47/5044 کیلوگرم در هکتار) و عملکردهای قابل‌دستیابی در منطقه (61/6902 کیلوگرم در هکتار) در حدود 1495 کیلوگرم در هکتار فاصله وجود داشت. از این مقدار خلاء عملکرد پیش‌بینی‌شده در منطقه، سهم عوامل سن کشاورز، شدت آلودگی مزارع به علف‌های هرز، حضور علف‌هرز بندواش در مزارع، استفاده از اصلاح‌کننده آب طی عملیات سم‌پاشی، شدت آلودگی مزرعه به آفت کرم ساقه‌خوار و شدت آلودگی مزارع به بیماری بلاست به ترتیب معادل 29/3، 29/62، 53/2، 99/6، 22/20 و 68/4 درصد بود. آنالیز خلا عملکرد برنج نشان داد که آلودگی مزارع به علف‌های هرز به‌تنهایی عامل حدود 3/62 درصد کاهش عملکردها نسبت به عملکردهای قابل‌دستیابی بود. در تمامی مزارع مورد مطالعه علف‌های هرز اویارسلام ارغوانی، درنه سرخه، لویی و قیاق مشاهده و ثبت شدند. با توجه به عدم وجود تنوع در مزارع، مدل قادر به تفکیک میزان افت عملکرد ایجاد شده توسط هر کدام از این علف‌های هرز نبود. شدت آلودگی مزارع برنج به علف‌های هرز نیز تنها در 6 درصد مزارع کم و در 94 درصد باقی‌مانده آلودگی متوسط تا بسیار زیاد مشاهده شد. برخی علف‌کش‌های مورد استفاده نظیر بن‌سولفورون-متیل و تری‌بنورون-متیل ارتباط منفی معنی‌داری با عملکردهای دانه مشاهده‌شده در مزارع برنج داشتند. از‌اینرو، به‌نظر می‌رسد کشاورزان می‌بایست در استفاده از این علف‌کش‌ها در مزارع برنج تجدید نظر نمایند. همچنین، تأخیر در کاشت و مصرف تجملی کودهای نیتروژن‌دار ارتباط نزدیکی با شدت آلودگی مزارع به علف‌های هرز و کاهش عملکرد داشت. در بررسی رابطه بین عملکردهای بدست‌آمده در مزارع برنج و تاریخ سم‌پاشی علف‌کش (31 تا 77 روز پس از کاشت) به‌وضوح رابطه منفی معنی‌داری مشاهده شد؛ یعنی با تاخیر در زمان سم‌پاشی و به‌تبع افزایش توان رقابتی علف‌های هرز که ممکن است با کاهش کارایی علف‌کش‌ها نیز همراه باشد، عملکردها به‌طور خطی کاهش یافت. در مجموع، از میان متغیرهایی که اثر معنی‌داری بر عملکردهای مشاهده‌شده در منطقه داشتند، به استثنای متغیر سن کشاورز، همگی مرتبط با عوامل کاهنده عملکرد، یعنی آفات، بیماری‌ها و علف‌های هرز بودند. بر اساس نتایج بدست آمده، عوامل کاهنده عملکرد، در مجموع، حدود 90 درصد از خلا عملکرد مشاهده‌شده در منطقه را توضیح داد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Yield gap analysis of rice in Shoaybiyeh, Khuzestan: yield-reducing factors have the greatest contribution to grain yield reduction

نویسندگان [English]

  • Ghazban Anafjeh 1
  • Elham Elahifard 2
  • Abolfazl Derakhshan 3
  • Ahmad Zare 2

1 M.Sc. Graduated in Weed Science, Department of Plant Production and Genetics, Faculty of Agriculture, Agricultural Sciences and Natural Resources University of Khuzestan, Bavi, Mollasani, Iran

2 Associate Professor, Department of Plant Production and Genetics, Faculty of Agriculture, Agricultural Sciences and Natural Resources University of Khuzestan, Bavi, Mollasani, Iran

3 Researcher, Sugarcane and By Products Development Company, Ahvaz, Iran

چکیده [English]

Introduction
One of the main issues of crop production in Iran and many countries of the world is the difference between the farmers’ yields (actual yield) and the achievable yields (potential yield). This distance and yield difference is named the yield gap. Therefore, research was conducted with the aim of determining the rice yield gap in Shoaybiyeh region of Khuzestan province.
Materials and Methods
This research was conducted in 2020 growing season as a survey in 100 rice fields in Shoaybiyeh region of Shushtar county. Comparative performance analysis method was used to determine rice grain yield gap. The modeling of grain production in rice fields was done by examining the relationship between all the investigated variables with the grain yield observed in the fields using progressive stepwise regression method. The production model obtained with this method was able to justify 89% of the grain yield changes of the studied rice fields with the studied variables.
Results and Discussion
The results showed that there was a gap of about 1495 kg ha-1 between the average yield of farmers (5044.47 kg ha-1) and the achievable yields in the region (6902.61 kg ha-1). From this value of the expected yield gap in the region, the contribution of factors such as the age of the farmer, the intensity of the weed infestation in the fields, the presence of weed in the fields, the use of adjuvants during the spraying operation, the intensity of the infestation of the field with the striped rice stemborer, and the intensity of the infestation of the fields with the blast disease were equivalent to 3.29, 62.29, 2.53, 6.99, 20.22 and 4.68%, respectively. The analysis of rice yield gap showed that the weed infestation of the fields alone accounted for about 62.3% of the yield reduction compared to the achievable yields. In all the studied fields, the weeds of purple nutsedge, junglerice, broadleaf cattail, and johnsongrass were observed and recorded. Due to the lack of diversity in the fields, the model was not able to distinguish the amount of yield loss caused by these weeds. Intensity of weed contamination of rice fields was also observed in only 6% of the fields, and in the remaining 94%, moderate to very high contamination was observed. Some used herbicides such as bensulfuron-methyl and tribenuron-methyl showed a significant negative relationship with grain yields observed in rice fields. Therefore, it seems that farmers should reconsider the use of these herbicides in rice fields. Also, the delay in sowing and laxuary consumption of nitrogenous fertilizers was closely related to the severity of weed infestation and yield reduction. Investigating the relationship between the yields obtained in rice fields and the date of herbicide spraying (31 to 77 days after planting), a significant negative relationship was clearly observed; That is, with the delay in the spraying time and the consequent increase in the competitive ability of weeds, which may be associated with the decrease in the effectiveness of herbicides, yield have decreased linearly. 
Conclusion
In general, among the variables that had a significant impact on the observed yields in the region, except for the age variable of the farmer, all of them were related to yield-reducing factors, including pests, diseases, and weeds. Based on the results, the yield reducing factors, explained about 90% of the yield gap observed in the region.

کلیدواژه‌ها [English]

  • Achievable yield
  • Actual yield
  • Comparative performance analysis
  • Weed management
  • Yield model
Absalan, M., Fateh, E., Aynehband, Y. & Derakhshan, A. (2023). Investigation of rapeseed yield gap in Dehloran city. Plant Productions, 46(3), 455-472.
Affholder, F., Poeydebat, C., Corbeels, M., Scopel, E. & Tittonell, P. (2013). The yield gap of major food crops in family agriculture in the tropics: Assessment and analysis through field surveys and modelling. Field Crops Research, 143(2013), 106-118.
Beza, E., Silva, J.V., Kooistra, L. & Reidsma, P. (2017). Review of yield gap explaining factors and opportunities for alternative data collection approaches. European Journal of Agronomy, 82(2017), 206-222.
Chauhan, B.S. & Johnson D.E. (2011). Ecological studies on Echinochloa crus-galli and the implications for weed management in direct-seeded rice. Crop Protection, 30(2011), 1385-1391.
Hajjarpoor, A., Soltani, A., Zeinali, E., Kashiri, H., Aynehband, A. & Vadez, V. (2018). Using boundary line analysis to assess the on-farm crop yield gap of wheat. Field Crops Research, 225(2018), 64-73.
Habibi, E., Niknezhad, Y., Fallah, H., Dastan, S. & Barari Tari, D. (2020). Estimation of yield gap of rice by comparative performance analysis (CPA) in Amol and Rasht regions. Plant Production, 42(4), 551-562. [In Persian]
Kayiranga, D. (2006). The Effect of land factors and management practices on rice yield (Case Study in Cyili Inland Valley, Gikonko District, Rwanda). International Institute for Geo-Information Science and Earth Observation Enschede (ITC). The Netherlands. Master of Science Thesis. 85p.
Lan, K., Chen, X., Ridoutt, B.G., Huang, J. & Scherer, L. (2021). Closing yield and harvest area gaps to mitigate water scarcity related to China’s rice production. Agricultural Water Management, 245(2021), 106602.
Monzon, J.P., Lim, Y.L., Tenorio, F.A., Farrasati, R., Pradiko, I., Sugianto, H., Donough, C.R., Rattalino Edreira, J.I., Rahutomo, S., Agus, F., Slingerland, M.A., Zijlstra, M., Saleh, S., Nashr, F., Nurdwiansyah, D., Ulfaria, N., Winarni, N.L., Zulhakim, N. & Grassini, P. (2023). Agronomy explains large yield gaps in smallholder oil palm fields. Agricultural Systems, 210(2023), 1-13.
Paul, J., Choudhary, A.K., Suri, V.K., Sharma, A.K., Kumar, V. & Shobhna. (2014). Bioresource nutrient recycling and its relationship with biofertility indicators of soil health and nutrient dynamics in rice-wheat cropping system. Communications in Soil Science and Plant Analysis, 45(7), 912-924.
Savary, S., Willocquet, L., Elazegui, F.A., Castilla, N.P. & Teng, P.S. (2000). Rice pest constraints in tropical Asia: Quantification of yield losses due to rice pests in a range of production situations. Plant Disease. Special Report. 357-369.
Sobhani, A.A., Zaefarian, F., Kaveh, M. & Abbasian, A. (2022). Response of rice and weeds to seed priming under different weed management in direct seeded. Plant Production, 45(3), 421-434.
Soltani, A., Hajjarpour, A. & Vadez, V. (2016). Analysis of chickpea yield gap and water-limited potential yield in Iran. Field Crops Research, 185(2016), 21-30.
Stuart, A.M., Pame, A.R.P., Silva, J.V., Dikitanan, R.C., Rutsaert, P., Malabayabas, A.J.B., Lampayan, R.M., Radanielson, A.M. & Singleton, G.R. (2016). Yield gaps in rice-based farming systems: Insights from local studies and prospects for future analysis. Field Crops Research, 194(2016), 43-56.
Tseng, M.C., Roel, Á., Macedo, I., Marella, M., Terra, J., Zorrilla, G. & Pittelkow, C.M. (2021). Field-level factors for closing yield gaps in high-yielding rice systems of Uruguay. Field Crops Research, 264(2021), 1-12.
Touhidur Rahman, M.d., Khalequzzaman, M. & Ataur Rahman Khan, M. (2004). Assessment of infestation and yield loss by stem borers on variety of rice. Journal of Asia-Pacific Entomology, 7(1), 89-95.
van Ittersum, M.K., Cassman, K.G., Grassini, P., Wolf, J., Tittonell, P. & Hochman, Z. (2013). Yield gap analysis with local to global relevance—A review. Field Crops Research, 143(2013), 4-17.
Wangmo, P., Thinley, K., Nakashima, T. & Kato, Y. (2024). Agronomic assessment of the yield variability and yield gap of maize in Bhutan. Crop and Environment, 3(1), 25-32.