Usage Dynamics of the DSSAT Crop Simulation Model and the Role of Tokat City in Agricultural Production: Celikli Basin Case

Öz

In our country, the analysis of factors affecting yield and harvest in agricultural production and the early prediction of these products are of great importance. Farmers in the Celikli basin generally use traditional methods and quantities for wheat production to increase yield. However, with the advancement of science and technology, it is necessary to analyze agricultural input uses with crop simulation models (CSM) in order to achieve high and quality yields. After the necessary evaluations, a series of adaptation and precautionary measures should be implemented. Different application methods in various times and amounts have also been tried from time to time to increase the yield of the wheat varieties grown in the Çelikli basin fields. The aim of our study was to evaluate canopy height, plant nitrogen content, evaporation and transpiration amounts, leaf area and harvest indices, biomass, and harvest weights according to 1+5 different sowing time (ST) applications with the Ekiz bread wheat variety. In the study, the effects of different wheat sowing dates (EZ1=October 7 (Actual Sowing), EZ2=October 21 (15 days later), EZ3=November 4 (30 days later), EZ4=November 18 (45 days later), EZ5=December 2 (60 days later), EZ6=December 16 (75 days later)) on relevant yields and other outputs were evaluated. According to the results obtained from the study conducted in the Central Anatolia transition zone, the most suitable planting date among different planting dates was determined to be October, although it varies based on the product output. It is predicted that significant gains will be achieved in areas such as time, environment, and cost based on the modeling results.

Anahtar Kelimeler

• CSM
• DSSAT
• Çelikli
• Ekiz
• Planting Date (EZ)

DSSAT Bitki Simülasyon Modelinin Kullanım Dinamikleri ve Tokat Tarımsal Üretimindeki Rolü: Çelikli Havzası Örneği

Öz

Ülkemizde yapılan tarımsal üretimlerde verim ve rekolteyi etkileyen faktörlerin analizi ve bu ürünlerin erken verim tahmini büyük önem arz etmektedir. Çelikli havzasındaki çiftçiler buğday üretimini artırmak amacıyla bakım yöntemlerini genellikle geleneksel metot ve miktarlar kullanarak sürdürmektedirler. Fakat, Gelişen bilim ve teknoloji ile birlikte çevreye duyarlı yüksek ve kaliteli verim elde edebilmek için bitki simülasyon modelleri (BSM) ile analizi mümkün hale getirmiştir. Gerekli değerlendirmeler sonrasında ise bir takım uyum ve önlem alma uygulamaları yapılmalıdır. Çelikli havzasındaki tarlalarda yetiştirilen buğday çeşitlerinin verimliliği artırmak için farklı zaman ve miktarlarda uygulama yöntemleri de zaman zaman denenmiştir. Çalışmamızın amacı, Ekiz ekmeklik buğday çeşidi ile 1+5 farklı Ekim Zamanı (EZ) uygulamalarına göre Kanopi yüksekliği, Bitki azot miktarı, Buharlaşma ve terleme miktarları, Yaprak alan ve Hasat indeksleri, Biyokütle ve Hasat ağırlıkları değerlendirilmiştir. Çalışmada, (EZ1=7 Ekim (Gerçek Ekim), EZ2=21 Ekim (15 gün sonrası), EZ3=4 Kasım (30 gün sonrası), EZ4=18 Kasım (45 gün sonrası), EZ5=2 Aralık (60 gün sonrası), EZ6=16 Aralık (75 gün sonrası)) gibi farklı buğday ekim etkisinin ilgili verim ve diğer çıktılara etkisi değerlendirilmiştir. İç anadolu geçit bölgesinde yürütülen ve elde edilen bu sonuçlara göre, Farklı ekim tarihleri arasında en uygun ekim tarihi ürün çıktısına göre değişmekle birlikte Ekim olarak belirlenmiştir. Modelleme sonuçlarına uygun değerlendirmeler zaman, çevre ve maliyet gibi konularda önemli kazanımlar elde edileceği öngörülmüştür.

Anahtar Kelimeler

• BSM
• DSSAT
• Çelikli
• Ekiz
• Ekim Zamanı (EZ)

Kaynakça

1. Ahmed, Zeeshan; Gui, Dongwei; Qi, Zhiming; Liu, Yi; Liu, Yunfei; Azmat, Muhammad (2022): Agricultural system modeling: current achievements, innovations, and future roadmap. In Arabian Journal of Geosciences 2022 15:4 15 (4), pp. 1–13. DOI: 10.1007/S12517-022-09654-
2. Bannayan, Mohammad; Hoogenboom, Gerrit (2009): Using pattern recognition for estimating cultivar coefficients of a crop simulation model. In Field Crops Research 111 (3), pp. 290–302. DOI: 10.1016/j.fcr.2009.01.007.
3. Gavasso‐Rita, Yohanne Larissa; Papalexiou, Simon Michael; Li, Yanping; Elshorbagy, Amin; Li, Zhenhua; Schuster‐Wallace, Corinne (2024): Crop models and their use in assessing crop production and food security: A review. In Food and Energy Security 13 (1), Article e503. DOI: 10.1002/fes3.503.
4. Gijsman, A. J.; Thornton, Philip K.; Hoogenboom, Gerrit (2007): Using the WISE database to parameterize soil inputs for crop simulation models. In Computers and Electronics in Agriculture 56 (2), pp. 85–100. DOI: 10.1016/j.compag.2007.01.001.
5. Jones, J. W.; Hoogenboom, G.; Porter, C. H.; Boote, K. J.; Batchelor, W. D.; Hunt, L. A. et al. (2003): The DSSAT cropping system model. In European Journal of Agronomy 18 (3-4), pp. 235–265. DOI: 10.1016/S1161-0301(02)00107-7.
6. Ministry of Agriculture and Forestry (2022): Crop Production Statistics. TurkStat. Ankara.
7. Özdemir, Ayfer; Volk, Martin; Strauch, Michael; Witing, Felix (2024): The Effects of Climate Change on Streamflow, Nitrogen Loads, and Crop Yields in the Gordes Dam Basin, Turkey. In Water 16 (10), p. 1371. DOI: 10.3390/w16101371.
8. Özdoğan, Mutlu (2011): Modeling the impacts of climate change on wheat yields in Northwestern Turkey. In Agriculture Ecosystems & Environment 141 (1-2), pp. 1–12. DOI: 10.1016/j.agee.2011.02.001.

9. Pequeno, Diego N. L.; Hernández-Ochoa, Ixchel M.; Reynolds, Matthew; Sonder, Kai; MoleroMilan, Anabel; Robertson, Richard D. et al. (2021): Climate impact and adaptation to heat and drought stress of regional and global wheat production. In Environ. Res. Lett. 16 (5), p. 54070. DOI: 10.1088/1748-9326/abd970.
10. Romero, Consuelo C.; Hoogenboom, Gerrit; Baigorria, Guillermo A.; Koo, Jawoo; Gijsman, A. J.; Wood, Stanley (2012): Reanalysis of a global soil database for crop and environmental modeling. In Environmental Modelling & Software 35, pp. 163–170. DOI: 10.1016/J.ENVSOFT.2012.02.018.
11. Shelia, Vakhtang; Hansen, James; Sharda, Vaishali; Porter, Cheryl; Aggarwal, Pramod; Wilkerson, Carol J.; Hoogenboom, Gerrit (2019): A Multi-scale and Multi-model Gridded Framework for Forecasting Crop Production, Risk Analysis, and Climate Change Impact Studies. In Environmental Modelling & Software 115 (February), pp. 144–154. DOI: 10.1016/J.ENVSOFT.2019.02.006.
12. 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. In Field Crops Research 143, pp. 4–17.
13. van Ittersum, M. K.; Donatelli, M. (2003): Modelling cropping systems - Highlights of the symposium and preface to the special issues. In European Journal of Agronomy 18 (3-4), pp. 187–197. DOI: 10.1016/S1161-0301(02)00095-3.
14. Vanli, O. (2019): DSSAT Bitki Simülasyon Modeli ve Uzaktan Algılama Verilerinden Elde Edilen İndisler Kullanılarak Buğday Verim Tahmini: İslahiye Ve Nurdağı Örneği. Bilişim Uygulamaları Anabilim Dalı Coğrafi Bilgi Teknolojileri Programı. Doktora Tezi. İTÜ, İstanbul. Bilişim Enstitüsü.
15. Yang, J. M.; Yang, J. Y.; Dou, S.; Yang, X. M.; Hoogenboom, G. (2013): Simulating the effect of long-term fertilization on maize yield and soil C/N dynamics in northeastern China using DSSAT and CENTURY-based soil model. In Nutrient Cycling in Agroecosystems 95 (3), pp. 287–303. DOI: 10.1007/s10705-013-9563-z.