دانشگاه گیلانتحقیقات غلات2252-016316120260321Simulation of irrigation and nitrogen management effects on rice yield and green/blue water productivity using ORYZA2000شبیهسازی اثر مدیریت آبیاری و نیتروژن بر عملکرد برنج و بهرهوری آب سبز و آبی با مدل ORYZA2000118954610.22124/cr.2026.31892.1882FAپروینذوالفقاریدانشآموخته دکتری، گروه علوم و مهندسی آب، دانشکده آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانابوطالبهزارجریبیدانشیار، گروه علوم و مهندسی آب، دانشکده آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانمجتبیرضاییاستادیار پژوهش، موسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایرانابراهیمامیریاستاد، گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایرانJournal Article20251005<strong>Introduction:</strong> The projected 60% increase in global food demand by 2050, along with growing limitations on water and nitrogen resources, highlights the urgent need to optimize input use in strategic crops such as rice. As a major irrigated cereal with high water requirements, rice production faces rising challenges related to water scarcity, low nitrogen use efficiency, and environmental concerns stemming from excessive fertilizer application. Effective irrigation and fertilization management—especially through distinguishing between green water (soil moisture from rainfall) and blue water (surface and groundwater withdrawals)—is essential for improving resource use efficiency. Process-based models like ORYZA2000 provide powerful tools for analyzing these management strategies. As a validated model widely used for rice systems, ORYZA2000 supports the evaluation of scenarios aimed at increasing productivity while reducing dependence on limited water resources under changing climatic conditions.<br /><br /><strong>Materials and Methods:</strong> This study was conducted over two consecutive growing seasons at the experimental farm of the National Rice Research Institute in Rasht, Iran. A split-plot arrangement within a randomized complete block design with three replications was used, with 16 treatment combinations. Irrigation treatments included continuous flooding and irrigation 1, 3, and 5 days after surface water disappearance, while nitrogen levels consisted of 0, 60, 90, and 120 kg ha⁻¹. The hybrid cultivar ‘Bahar,’ known for its high yield potential and adaptability to Gilan’s climate, was grown. Field measurements of grain yield, biomass, leaf area index, and nitrogen uptake were used to calibrate and validate the ORYZA2000 model. Outputs from water balance simulations were then used to estimate green and blue water productivity indices and major water balance components.<br /><br /><strong>Results and Discussion:</strong> The highest grain yield (7.2 t ha⁻¹) occurred under irrigation 3 days after water disappearance combined with 120 kg N per ha. The ORYZA2000 model showed strong performance in simulating grain yield (NRMSE = 7–12%), biomass (NRMSE = 6–12%), total nitrogen (NRMSE = 8–15%), grain nitrogen (NRMSE = 9–10%), and leaf area index (NRMSE = 14–29%). For all variables except leaf area index, the model efficiency (EF) exceeded 0.65, and coefficients of determination (R² > 0.70) indicated a good match between simulated and observed data. Across two years, the highest simulated water productivity indices were also obtained from the I3N4 treatment (irrigation three days after water disappearance + 120 kg N), including irrigation water productivity (WPI = 1.32), irrigation plus rainfall productivity (WPI+R = 0.84), transpiration productivity (WPT = 2.0), evapotranspiration productivity (WPET = 1.12), and evapotranspiration plus percolation productivity (WPETQ = 0.89). Separation of indices into green and blue components showed that this treatment provided the highest values for most blue and green water productivity indices. However, green water productivity (WPg) and green water transpiration productivity (WPTg) were highest under I4N4 (irrigation 5 days after water disappearance + 120 kg N) and I1N4 (continuous flooding + 120 kg N), respectively.<br /><br /><strong>Conclusion:</strong> Combined irrigation and nitrogen management plays a crucial role in enhancing rice yield and water productivity. The ORYZA2000 model demonstrated strong accuracy in simulating management scenarios and water balance components, making it a valuable decision-support tool for water and fertilizer management in rice systems. Incorporating the distinction between green and blue water further supports strategies to reduce irrigation demand and increase overall productivity under water-limited conditions. The model identified the most efficient irrigation-nitrogen combination for maximizing both blue and green water productivity. This is particularly important where irrigation water is dominant; for example, alternate wetting and drying with a three-day interval plus 120 kg N ha⁻¹ was the most effective treatment. These findings can guide resource optimization strategies at both farm and policy levels under varying levels of dependence on water sources.<strong>مقدمه:</strong> افزایش تقاضای جهانی برای غذا تا سال 2050، که حدود 60 درصد برآورد شده است، همراه با محدودیت منابع آب و نیتروژن، ضرورت بهینهسازی مصرف نهادهها در تولید محصولات استراتژیکی مانند برنج را پررنگتر کرده است. برنج آبی بهعنوان محصولی با نیاز آبی بالا، با خطر کمآبی، بهرهوری پایین نیتروژن و پیامدهای زیستمحیطی ناشی از مصرف بیش از حد کود مواجه است. مدیریت بهینه آبیاری و تغذیه نیتروژن، همراه با تفکیک منابع آبی به آب سبز و آبی، و استفاده از مدلهای فرآیندمحور مانند ORYZA2000 میتواند نقش مهمی در ارتقای بهرهوری و کاهش فشار بر منابع طبیعی داشته باشد. مدل ORYZA2000 بهعنوان ابزاری معتبر، امکان تحلیل سناریوهای مدیریتی و ارائه راهبردهای پایدار را برای تولید برنج تحت شرایط اقلیمی متغیر فراهم میکند.<br /><br /><strong>مواد و روشها:</strong> این پژوهش طی دو سال زراعی در مزرعه مؤسسه تحقیقات برنج کشور در رشت و با طرح کرتهای خردشده در قالب بلوکهای کامل تصادفی با سه تکرار انجام شد. تیمارها شامل چهار سطح آبیاری (غرقاب دائم، آبیاری 1، 3 و 5 روز پس از محو آب) و چهار سطح نیتروژن (0، 60، 90 و 120 کیلوگرم در هکتار) بود. رقم هیبرید «بهار» به دلیل عملکرد بالا و سازگاری با شرایط گیلان انتخاب شد. دادههای عملکرد دانه، زیستتوده، شاخص سطح برگ و جذب نیتروژن جمعآوری و برای واسنجی و اعتبارسنجی مدل ORYZA2000 استفاده شد. سپس خروجی مدل برای تحلیل بیلان آب و محاسبه شاخصهای بهرهوری آب آبی و سبز بهکار رفت.<br /><br /><strong>نتایج و بحث:</strong> نتایج نشان داد که بیشترین عملکرد دانه در تیمار آبیاری سه روز پس از محو آب و مصرف 120 کیلوگرم نیتروژن با مقدار 2.7 تن در هکتار بهدست آمد. مدل ORYZA2000 عملکرد دانه (NRMSE = 7–12%)، زیستتوده (6–12%)، نیتروژن کل (8–15%)، نیتروژن دانه (9–10%) و شاخص سطح برگ (14–29%) را با دقت مناسب شبیهسازی کرد. مقدار R² بالاتر از 0.70 برای تمام شاخصها و مقادیر d بیشتر از 0.65 (بهجز LAI) بیانگر برازش مناسب مدل میان دادههای اندازهگیریشده و شبیهسازیشده است. بیشترین مقادیر متوسط دوساله شاخصهای بهرهوری آب آبی و سبز نظیر بهرهوری آب آبیاری (WPI = 1.32 kg m⁻³)، بهرهوری آبیاری و باران (WPI+R = 0.84 kg m⁻³)، بهرهوری تعرق (WPT = 2.00 kg m⁻³)، بهرهوری تبخیرتعرق (WPET = 1.12 kg m⁻³) و بهرهوری تبخیرتعرق و نشت (WPETQ = 0.89 kg m⁻³) در تیمار I3N4 (آبیاری سهروزه + 120 کیلوگرم نیتروژن) مشاهده شد. تفکیک اجزای بهرهوری نشان داد همین تیمار برای اغلب شاخصهای آب آبی و آب سبز بهترین نتیجه را داشت. بااینحال بیشترین بهرهوری آب سبز (WPg) در تیمار I4N4 (آبیاری پنجروزه + 120 کیلوگرم نیتروژن) و بیشترین بهرهوری تعرق ناشی از آب سبز (WPTg) در تیمار I1N4 (غرقاب دائم + 120 کیلوگرم نیتروژن) حاصل شد.<br /><br /><strong>نتیجهگیری:</strong> مدیریت همزمان آبیاری و نیتروژن نقش اساسی در بهبود عملکرد برنج و افزایش بهرهوری آب دارد. مدل ORYZA2000 توانایی بالایی در شبیهسازی سناریوهای مدیریتی و اجزای بیلان آب نشان داد و میتواند ابزار مناسبی برای تصمیمگیری در مدیریت آب و کود در مناطق برنجخیز باشد. تفکیک منابع آب به آب سبز و آب آبی همراه با مدلسازی دقیق، امکان ارائه راهکارهایی برای کاهش مصرف آب آبی و ارتقای بهرهوری در شرایط کمآبی را فراهم میکند. یافتههای این پژوهش نشان داد که مدل میتواند بهترین تیمار را از نظر بهرهوری آب آبی و سبز به صورت تفکیکشده تعیین کند. در شرایط وابستگی زیاد به آب آبیاری، آبیاری سهروزه همراه با 120 کیلوگرم نیتروژن بهعنوان گزینه بهینه پیشنهاد میشود. این نتایج چارچوب مناسبی برای برنامهریزی مصرف آب و کود در سطوح مزرعه و سیاستگذاری کلان فراهم میسازد.دانشگاه گیلانتحقیقات غلات2252-016316120260321Carbon Footprint Analysis of Rice Cultivation in Gilan Province through Life Cycle Assessment and Traditional Knowledge Dataتحلیل رد پای کربن کشت برنج در استان گیلان با استفاده از ارزیابی چرخه عمر و دادههای دانش سنتی1934952710.22124/cr.2026.32678.1888FAمایدهامیدی نوبیجاردانشآموخته دکتری، گروه مدیریت مرتع، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانحسینبارانیدانشیار، گروه مدیریت مرتع، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانمحمد رحیمفروزهدانشیار، گروه مدیریت مرتع، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایراناحمدعابدی سروستانیدانشیار، گروه ترویج و آموزش کشاورزی، دانشکده مدیریت کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانJournal Article20251129<strong>Introduction:</strong> Rice (<em>Oryza sativa</em>) is a strategic agricultural crop that plays a pivotal role in food security and livelihoods in Iran and worldwide. In this context, a comprehensive assessment of greenhouse gas emissions from rice cultivation systems is essential for achieving sustainable production and Carbon footprint serves as an indicator for estimating both direct and indirect greenhouse gas emissions.Aligned with global efforts to mitigate climate change, the role of traditional knowledge systems in carbon management has increasingly garnered attention. The objective of this study was to investigate the carbon footprint of rice cultivation and the associated Traditional knowledge related to its influencing factors in Gilan Province during the 2022 cropping year.<br /><br /><strong>Materials and Methods:</strong> A mixed-methods design was applied, integrating quantitative and qualitative approaches. The CF was calculated for three farm sizes (<0.5 ha, 0.5–1 ha, >1 ha) using life cycle assessment based on Intergovernmental Panel on Climate Change guidelines. Traditional knowledge was explored through an ethnographic method and analyzed with coding in MAXQDA 2020. Data normality was assessed using the Shapiro-Wilk test, and due to the non-normal distribution of some data, non-parametric Kruskal-Wallis tests was conducted using SPSS software. For pairwise comparisons, Dunn’s post-hoc test with Bonferroni correction was applied at a 5% significance level.<br /><br /><strong>Results and Discussion:</strong> The average CF of rice production was 1.23 kg CO₂eq/kg.year. Although no statistically significant differences were observed among farm sizes, larger farms tended to have slightly lower CF values. The mean global warming potential of the system was 3031 kg CO₂eq/ha.year. Irrigation practices and methane emissions during the growing season accounted for approximately 64% of total emissions, while nitrogen-based fertilizers and associated N₂O emissions contributed about 10%. Additional sources included fuel, labor, and seed inputs. Farmers recognized Traditional knowledge as effective in reducing CF, particularly through organic fertilizer management (50%), mechanization (40%), and seed practices (10%).<br /><br /><strong>Conclusion:</strong> Mitigating the CF of rice production in Gilan requires an integrated strategy that merges formal scientific approaches with Traditional knowledge. Priority measures include transforming irrigation practices, optimizing fertilizer application, promoting local rice cultivars, and combining farmers’ experiential knowledge with energy-efficient mechanization.<strong>مقدمه:</strong> گیاه برنج (<em>Oryza sativa</em>) یکی از محصولات کشاورزی استراتژیک است که نقش محوری در امنیت غذایی و معیشت در ایران و جهان ایفا میکند. از این رو، ارزیابی جامع انتشار گازهای گلخانهای در سیستمهای کشت برنج برای دستیابی به تولید پایدار ضروری است و شاخص رد پای کربن ابزاری برای برآورد انتشار مستقیم و غیرمستقیم این گازها بهشمار میآید. همراستا با تلاشهای جهانی برای کاهش تغییرات اقلیمی، نقش نظامهای دانش سنتی نیز در مدیریت کربن بیش از پیش مورد توجه قرار گرفته است. هدف این مطالعه، بررسی رد پای کربن کشت برنج و دانش سنتی مرتبط با عوامل آن در استان گیلان طی سال زراعی 1401 بود.<br /><br /><strong>مواد و روشها:</strong> یک رویکرد ترکیبی (کمی و کیفی) برای مطالعه اتخاذ شد. برای محاسبه رد پای کربن برنج در ابعاد مختلف مزرعه شامل کمتر از نیم هکتار، نیم تا یک هکتار و بیشتر از یک هکتار، از روش ارزیابی چرخه عمر و دستورالعملهای هیئت بیندولتی تغییرات اقلیمی استفاده شد. همچنین بررسی دانش سنتی با روش مردمنگاری انجام و تحلیل نتایج آن با روش کدگذاری بهکمک نرمافزار MAXQDA 2020 صورت پذیرفت. برای مقایسه رد پا در گروهها، نرمال بودن دادهها با استفاده از آزمون شاپیرو-ویلک ارزیابی و با مشاهده توزیع غیرنرمال در برخی دادهها از آزمون ناپارامتریک کروسکال- والیس از نرمافزار SPSS استفاده شد. مقایسههای زوجی نیز با آزمون تعقیبی دان با اعمال اصلاح بونفرونی در سطح معنیدار پنج درصد انجام شد.<br /><br /><strong>نتایج و بحث:</strong> رد پای کربن میانگین 23/1 کیلوگرم کربن دی اکسید معادل بر کیلوگرم محصول در سال برآورد شد. همچنین با وجود عدم اختلاف معنیدار با افزایش ابعاد مزرعه، رد پای کربن کاهش یافت. میانگین پتانسیل گرمایش جهانی کل ناشی از فعالیتهای مختلف در نظام کشت برابر 3031 کیلوگرم کربن دی اکسید معادل بر هکتار در سال بود. آبیاری و انتشار متان طی فصل رشد 64 درصد، کودهای محتوی نیتروژن و انتشار N2O ناشی از کاربرد آن 10 درصد از کل گازهای گلخانهای تولیدی را در برداشت. همچنین سایر عوامل شامل سوخت، نیروی انسانی و بذر بودند. کشاورزان، دانش سنتی مدیریت کود آلی، مکانیزاسیون و بذر را با اثربخشی 50، 40 و 10 درصد، در رد پای کربن برنج مؤثر میدانند.<br /><br /><strong>نتیجهگیری:</strong> مدیریت رد پای کربن برنج در منطقه نیازمند رویکردی تلفیقی از دانش سنتی و رسمی شامل تحول در روشهای آبیاری، بهینهسازی مصرف کود، توجه به ارقام بومی و پیوند تجربه نیروی انسانی با مکانیزاسیون کممصرف است.دانشگاه گیلانتحقیقات غلات2252-016316120260321The effect of nitrogen levels on appearance traits and cooking and nutritional quality of rice grain under direct seeding in wet bedاثر سطوح نیتروژن بر صفات ظاهری و کیفت پخت و تغذیهای دانه برنج در شرایط کشت مستقیم بر بستر مرطوب3548974310.22124/cr.2026.32887.1891FAفاطمهحبیبیمؤسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایرانفرزینپورامیرمؤسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایرانمیناابراهیمیمؤسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایرانJournal Article20260103<strong>Introduction:</strong> Nitrogen (N) management is a critical factor influencing rice yield and grain quality, particularly under wet-bed direct seeding, where crop establishment and nutrient dynamics differ from conventional transplanting systems. Cooking and eating quality in rice, including amylose content, gelatinization temperature, and protein content, depends not only on the genetic characteristics of the variety but also on environmental factors, particularly the nitrogen application rate.<br /><br /><strong>Materials and Methods:</strong> This study evaluated the effects of five N application rates (0, 60, 90, 120, and 150 kg N ha⁻¹ as urea) on paddy yield, milling quality, grain physical traits, cooking and physicochemical properties, and nutritional composition of three rice cultivars, namely Hashemi, Anam, and Shiroudi. The experiment was conducted at the Rice Research Institute of Iran (Rasht) using a split-plot arrangement in a randomized complete block design with three replications. After harvest, paddy samples were dried, dehulled, milled, and head rice was separated to determine milling and quality-related traits. Data analysis was conducted using SAS software, and treatment means were separated by the Least Significant Difference (LSD) test at the 5% probability level.<br /><br /><strong>Results and Discussion:</strong> Paddy yield responded significantly to N rate and cultivar. Maximum yields of Hashemi (4.20 t.ha⁻¹) were obtained at 90 kg N ha⁻¹, whereas Anam and Shiroudi achieved their highest yields at 120 kg N ha⁻¹ (4.79 and 6.56 t.ha⁻¹, respectively), with no significant yield increase at higher N rates. Increasing N generally improved milling recovery and head rice yield, while increasing raw grain length and slenderness. In contrast, cooked grain length and elongation ratio declined with increasing N. Grain protein content increased markedly with N application, while amylose content decreased from approximately 24.8% at 0 N to 21.3% at 150 kg N ha⁻¹, accompanied by an increase in gelatinization temperature. Grain Mn concentration increased with higher N supply, whereas Fe and Zn responses varied depending on cultivar and N rate. Pasting properties were also significantly affected: peak and final viscosity decreased by 12–25% at high N rates, while setback viscosity and pasting temperature increased, indicating less desirable cooking quality under excessive N application.<br /><br /><strong>Conclusion:</strong> Overall, the results demonstrate that rice cultivars exhibit genotype-specific and non-linear responses to N under wet-bed direct seeding. Optimized N rates of approximately 90 kg N ha⁻¹ for Hashemi and 120 kg N ha⁻¹ for Anam and Shiroudi provided the best compromise between high paddy yield, milling performance, and acceptable cooking and nutritional quality, whereas excessive N application offered limited yield benefits but adversely affected grain quality.<strong>مقدمه:</strong> مدیریت نیتروژن یکی از عوامل کلیدی در تعیین عملکرد و کیفیت دانه برنج، بهویژه در شرایط کشت مستقیم بر بستر مرطوب است که از نظر استقرار گیاه و پویایی عناصر غذایی با روش نشاکاری تفاوت دارد. عوامل تعیین کننده کیفیت پخت و خوراک نظیر مقدار آمیلوز، درجه حرارت ژلاتینی شدن و پروتئین دانه به ماهیت ژنتیکی رقم بستگی دارد اما تحت تأثیر عوامل محیطی از جمله میزان نیتروژن مصرفی نیز قرار میگیرد. <br /><br /><strong>مواد و روشها:</strong> این پژوهش با هدف بررسی اثر پنج سطح نیتروژن (۰، ۶۰، ۹۰، ۱۲۰ و ۱۵۰ کیلوگرم نیتروژن در هکتار از منبع اوره) بر عملکرد شلتوک، کیفیت تبدیل، صفات فیزیکی دانه و ویژگیهای فیزیکوشیمیایی مرتبط با کیفیت پخت و تغذیهای سه رقم برنج شامل هاشمی، آنام و شیرودی انجام شد. آزمایش به صورت کرتهای خردشده در قالب طرح بلوکهای کامل تصادفی با سه تکرار در مؤسسه تحقیقات برنج کشور (رشت) اجرا شد. نمونههای شلتوک پس از برداشت خشک، پوستگیری، سفیدکنی و جداسازی برنج سالم، برای ارزیابی شاخصهای کیفی مورد استفاده قرار گرفتند. تجزیه دادهها با استفاده از نرمافزار SAS و مقایسه میانگینها با آزمون حداقل اختلاف معنیدار (LSD) در سطح احتمال 5 درصد انجام شد. <br /><br /><strong>نتایج و بحث:</strong> نتایج نشان داد که عملکرد شلتوک بهطور معنیداری تحت تأثیر سطح نیتروژن و رقم قرار گرفت. بیشترین عملکرد رقم هاشمی (۴٫۲۰ تن در هکتار) در سطح ۹۰ کیلوگرم نیتروژن در هکتار حاصل شد، در حالی که ارقام آنام و شیرودی بیشترین عملکرد خود را در سطح ۱۲۰ کیلوگرم نیتروژن در هکتار به ترتیب با عملکرد ۴٫۷۹ و ۶٫۵۶ تن در هکتار نشان دادند. با افزایش مصرف نیتروژن، به طور کلی راندمان تبدیل و درصد برنج سالم بهبود یافت و طول و ضریب رعنایی دانه خام افزایش پیدا کرد. در مقابل، طول دانه پخته و ضریب ریآمدن کاهش یافت. همچنین محتوای پروتئین دانه با افزایش نیتروژن افزایش یافت، در حالی که مقدار آمیلوز از حدود ۲۴٫۸ درصد در تیمار بدون نیتروژن به حدود ۲۱٫۳ درصد در سطح ۱۵۰ کیلوگرم نیتروژن در هکتار کاهش یافت و دمای ژلاتینه شدن افزایش نشان داد. پاسخ عناصر معدنی دانه به نیتروژن متفاوت بود؛ بهطوریکه غلظت منگنز روند افزایشی داشت، در حالی که تغییرات آهن و روی به رقم و سطح نیتروژن وابسته بود. ویژگیهای خمیری نیز به طور معنیداری تحت تأثیر نیتروژن قرار گرفتند؛ به طوری که با افزایش سطح نیتروژن، ویسکوزیته پیک و نهایی حدود ۱۲ تا ۲۵ درصد کاهش یافت، در حالی که مقدار برگشتپذیری یا پسرفت و دمای خمیری شدن افزایش یافت که بیانگر کاهش نسبی کیفیت پخت در مصرف بیش از حد نیتروژن است.<br /><br /><strong>نتیجهگیری:</strong> در مجموع، نتایج این پژوهش نشان داد که ارقام برنج در شرایط کشت مستقیم بر بستر مرطوب واکنشهای وابسته به ژنوتیپ و غیرخطی به نیتروژن نشان میدهند. بر این اساس، کاربرد حدود ۹۰ کیلوگرم نیتروژن در هکتار برای رقم هاشمی و ۱۲۰ کیلوگرم نیتروژن در هکتار برای ارقام آنام و شیرودی بهترین توازن بین عملکرد بالا، کیفیت تبدیل و ویژگیهای مطلوب پخت و تغذیهای دانه را فراهم کرد، در حالی که مصرف بیش از این مقادیر، موجب افت برخی شاخصهای کیفی دانه شد.دانشگاه گیلانتحقیقات غلات2252-016316120260321Grain and forage yield response of two maize (Zea mays L.) cultivars to planting date and nitrogen management under different environmental conditionsپاسخ عملکرد دانه و علوفه دو رقم ذرت (<i>Zea mays</i> L.) به تاریخ کاشت و مدیریت نیتروژن در شرایط محیطی متفاوت4966968710.22124/cr.2026.32918.1892FAمحسنزوارهگروه مهندسی تولید و ژنتیک گیاهی، دانشکده علوم کشاورزی، دانشگاه گیلان0000-0002-3673-8256رقیهجماییلیگروه مهندسی تولید و ژنتیک گیاهی، دانشکده علوم کشاورزی، دانشگاه گیلانمحمدرحمانیموسسه تحقیقات ثبت و گواهی بذر و نهال، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرجJournal Article20251214<strong>Introduction:</strong> Maize (<em>Zea mays</em> L.) is one of the most important field crops worldwide and plays a critical role in food security due to its high genetic diversity, broad adaptability, substantial dry matter production, and favorable nutritional value. Because maize yield and productivity are strongly influenced by environmental conditions, genetic characteristics, and agronomic management, the adoption of region-specific management strategies is essential for achieving sustainable production. Accordingly, the present study aimed to optimize the production of two maize cultivars under contrasting environmental conditions in Guilan Province through the management of planting date and nitrogen fertilizer application.<br /><br /><strong>Materials and Methods:</strong> The experiment was conducted as a factorial split-plot design within a randomized complete block design (RCBD) with four replications at two locations, Rasht and Bandar Anzali, Guilan Province. Nitrogen fertilizer levels (0, 180, and 360 kg ha⁻¹, applied as urea) were assigned to main plots, while the factorial combination of two maize cultivars (KSC704 and Kousha) and three planting dates (May 26, June 16, and July 6) was allocated to subplots. Grain yield, biomass yield, and yield components were measured. Data were subjected to analysis of variance (ANOVA) and stepwise regression analysis using SAS software.<br /><br /><strong>Results and Discussion:</strong> Combined analysis of variance revealed that the four-way interaction of planting date × nitrogen fertilizer × cultivar × location had significant effects on leaf area, ear dry weight, and biomass yield. In addition, the interaction of planting date × nitrogen fertilizer × cultivar significantly influenced the number of kernels per row and grain yield. The number of kernels per ear was significantly affected by the interactions of planting date × nitrogen fertilizer × cultivar and location × nitrogen fertilizer × cultivar. For 100-kernel weight, significant interactions were observed for location × planting date × cultivar and nitrogen fertilizer × planting date × cultivar, whereas the main effect of cultivar was significant for the number of rows per ear. Mean comparisons indicated that cultivar KSC704 consistently outperformed Kousha in terms of both grain and biomass production across all experimental conditions. The highest grain yield of KSC704 (10,579.55 kg ha⁻¹) was obtained at the May 26 planting date with the application of 360 kg ha⁻¹ nitrogen fertilizer, which was approximately 31% higher than the maximum grain yield achieved by cultivar Kousha. The highest biomass yield of KSC704 was jointly recorded at the May 26 and June 16 planting dates under 360 kg ha⁻¹ nitrogen application in Bandar Anzali. Stepwise regression analysis showed that the number of kernels per ear, 100-kernel weight, and biomass yield together explained 97% of the variation in grain yield.<br /><br /><strong>Conclusion:</strong> Given the significant superiority of cultivar KSC704 over Kousha, planting this cultivar on May 26 combined with the application of 360 kg ha⁻¹ nitrogen fertilizer is recommended to achieve maximum grain yield. However, when forage production is the primary objective, planting cultivar KSC704 in Bandar Anzali between May 26 and June 16 with 360 kg ha⁻¹ nitrogen fertilizer represents the optimal management strategy.<strong>مقدمه:</strong> ذرت بهعنوان یکی از مهمترین گیاهان زراعی جهان، بهدلیل تنوع ژنتیکی بالا، سازگاری گسترده، تولید زیاد ماده خشک و ارزش غذایی مطلوب، نقش مهمی در تأمین امنیت غذایی ایفا میکند. از آنجا که عملکرد و تولید ذرت بهشدت تحت تأثیر شرایط محیطی، ویژگیهای ژنتیکی و مدیریت زراعی قرار دارد، بهکارگیری راهکارهای مدیریتی متناسب با شرایط اقلیمی هر منطقه برای دستیابی به تولید پایدار ضروری است. بر این اساس، پژوهش حاضر با هدف بهینهسازی تولید دو رقم ذرت در شرایط محیطی متفاوت استان گیلان از راه مدیریت تاریخ کاشت و کود نیتروژن انجام شد.<br /><br /><strong>مواد و روشها:</strong> آزمایش بهصورت کرتهای یکبار خردشده فاکتوریل در قالب طرح بلوکهای کامل تصادفی با چهار تکرار در دو منطقه رشت و بندرانزلی اجرا شد. سطوح نیتروژن شامل صفر، 180 و 360 کیلوگرم در هکتار از منبع اوره در کرتهای اصلی قرار گرفت و ترکیب دو رقم ذرت (KSC704 و کوشا) و سه تاریخ کاشت (پنج خرداد، 26 خرداد و 15 تیر) بهصورت فاکتوریل در کرتهای فرعی اعمال شد. صفات عملکرد دانه، عملکرد زیستتوده و اجزای عملکرد اندازهگیری و دادهها با استفاده از تجزیه واریانس و رگرسیون گامبهگام در نرمافزار SAS تحلیل شدند.<br /><br /><strong>نتایج و بحث:</strong> نتایج تجزیه واریانس مرکب نشان داد که برهمکنش چهارگانه تاریخ کاشت، کود نیتروژن، رقم و منطقه اثر معنیداری بر سطح برگ، وزن خشک بلال و عملکرد زیستتوده داشت. همچنین، برهمکنش تاریخ کاشت × کود نیتروژن × رقم بر تعداد دانه در ردیف و عملکرد دانه معنیدار بود. تعداد دانه در بلال تحت تأثیر برهمکنشهای تاریخ کاشت × کود نیتروژن × رقم و منطقه × کود نیتروژن × رقم قرار گرفت. برای وزن صد دانه، برهمکنشهای منطقه × تاریخ کاشت × رقم و نیتروژن × تاریخ کاشت × رقم معنیدار بودند، در حالیکه اثر اصلی رقم بر تعداد ردیف در بلال معنیدار به دست آمد. مقایسه میانگینها نشان داد که رقم KSC704 در تمامی شرایط آزمایشی از توان بالاتری در تولید دانه و زیستتوده نسبت به رقم کوشا برخوردار است. بیشترین عملکرد دانه رقم KSC704 (10579.55 کیلوگرم در هکتار) در تاریخ کاشت پنج خرداد و با مصرف 360 کیلوگرم در هکتار کود نیتروژن به دست آمد که حدود 31 درصد بیشتر از بیشینه عملکرد دانه رقم کوشا بود. بیشترین عملکرد زیستتوده رقم KSC704 نیز بهطور مشترک در تاریخهای پنج و 26 خرداد و با مصرف 360 کیلوگرم در هکتار نیتروژن در منطقه بندر انزلی حاصل شد. نتایج رگرسیون گامبهگام نشان داد که تعداد دانه در بلال، وزن صد دانه و عملکرد زیست توده در مجموع 97 درصد از تغییرات عملکرد دانه را تبیین کردند.<br /><br /><strong>نتیجهگیری:</strong> با توجه به برتری معنیدار رقم KSC704 نسبت به رقم کوشا، کاشت این رقم در تاریخ پنج خرداد همراه با مصرف 360 کیلوگرم در هکتار کود نیتروژن برای دستیابی به بیشینه عملکرد دانه توصیه میشود. با این حال، در صورت هدفگذاری تولید علوفه، کاشت رقم KSC704 در منطقه بندرانزلی طی بازه زمانی پنج تا 26 خرداد همراه با مصرف 360 کیلوگرم در هکتار کود نیتروژن گزینه بهینه محسوب میشود.دانشگاه گیلانتحقیقات غلات2252-016316120260321Evaluation of grain and biological yield stability of maize lines using MGIDI index under environmental stresses conditionsارزیابی پایداری عملکرد دانه و ریستتوده لاینهای ذرت با استفاده از شاخص MGIDI در شرایط تنشهای محیطی6782969110.22124/cr.2026.33190.1895FAمونابردباردانشجوی دکتری، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایرانرضادرویشزادهاستاد، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایرانهادیعلیپوردانشیار، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایرانJournal Article20251216In this study, 86 maize genotypes sourced from multiple research centers (Razi University of Kermanshah, Agricultural Research Center of Mashhad, and Institute of Plant Breeding and Seedling Preparation of Karaj) were evaluated under four environmental conditions: non-salinity (SN), salinity stress (SS), optimal phosphorus (PN), and phosphorus deficiency stress (PS) to assess the stability of grain yield (GY) and biological yield (BY). The experiment was conducted in an open field at the College of Agriculture, Urmia University, using a completely randomized design with three replications during the 2017-2018 cropping season (1396 in the Persian calendar). The Multi-Trait Genotype Ideotype Distance Index (MGIDI) was employed as a multivariate tool for selecting stable genotypes by integrating traits such as grain yield and biological yield alongside parametric and non-parametric stability indices. Composite analysis of variance revealed that the grain yield and biological yield of the studied maize lines were significantly influenced (at P ≤ 0.01) by environment, genotype, and genotype × environment interaction. The MGIDI index for grain yield and biological yield facilitated the selection of lines that maximized selection differential and genetic gain. Heritability estimates across environments for these two traits were high, approaching 90%. Based on the results of this index, lines No. 9, 22, and 27 were desirable for grain yield, while lines No. 1, 9, 11, 13, and 27 excelled in biological yield and stability for both traits. Line No. 9 (P14L1Kahriz) and Line No. 27 (P16L12Kahriz) were present in selections for both traits and are recommended as the superior lines. Overall, the findings of the present study demonstrated that the MGIDI index can successfully select desirable maize genotypes across the four environments for the two key traits of grain yield and biological yield. Therefore, combining the MGIDI index with stability statistics provides a simple, comprehensive, and reliable approach for selecting high-yielding and stable maize lines, which can serve as a model for future studies.در این مطالعه تعداد 86 ژنوتیپ ذرت که از چندین مرکز تحقیقاتی (دانشگاه رازی کرمانشاه، مرکز تحقیقات کشاورزی مشهد و مؤسسه تحقیقات اصلاح و تهیه نهال و بذر کرج) تهیه شدند، در چهار شرایط محیطی شامل بدون شوری (SN)، تنش شوری (SS)، فسفر بهینه (PN) و تنش کمبود فسفر (PS) ارزیابی شدند تا پایداری عملکرد دانه (GY) و عملکرد بیولوژیکی (BY) بررسی شود. آزمایش در مزرعه باز دانشکده کشاورزی دانشگاه ارومیه با استفاده از طرح کاملاً تصادفی با سه تکرار در فصل زراعی 1396 انجام شد. از -شاخص فاصله چندصفتی ایدئوتیپ ژنوتیپی (MGIDI) بهعنوان ابزاری چندمتغیره برای انتخاب ژنوتیپهای پایدار با ادغام صفاتی مانند عملکرد دانه و عملکرد بیولوژیک به همراه شاخصهای پارامتری و ناپارامتری استفاده شد. نتایج تجزیه واریانس مرکب نشان داد که عملکرد دانه و عملکرد بیولوژیک لاینهای ذرت مورد مطالعه به شکل معنیداری در سطح احتمال 1/0 درصد متأثر از محیط، ژنوتیپ و همچنین برهمکنش ژنوتیپ × محیط بود. شاخص MGIDI برای عملکرد دانه و عملکرد بیولوژیک منجر به گزینش لاین-هایی شد که حداکثر دیفرانسیل گزینش و سود ژنتیکی را فرآهم آورد. مقادیر وراثتپذیری در محیطهای مختلف برای این دو صفت بالا و نزدیک 90 درصد بود. مطابق با نتایج این شاخص، لاینهای شماره 9، 22 و 27 از نظر عملکرد دانه و لاینهای شماره 1، 9، 11، 13 و 27 به لحاظ عملکرد بیولوژیک و همچنین پایداری این دو صفت مطلوب بودند. لاین شماره 9 (P14L1Kahriz) و لاین شماره 27 (P16L12Kahriz) برای هر دو صفت در هر دو نوع گزینش حضور داشتند و بهعنوان بهترین لاین توصیه میگردند. بهطور کلی نتایج مطالعه حاضر نشان داد که شاخص MGIDI به شکل موفقیتآمیزی میتواند ژنوتیپهای مطلوب ذرت را در چهار محیط از نظر دو صفت مهم مورد ارزیابی یعنی عملکرد دانه و عملکرد بیولوژیک، گزینش نماید. بنابراین، ترکیب شاخص MGIDI با آمارههای پایداری، رویکردی ساده، جامع و قابل اعتمادی برای انتخاب لاینهای ذرت با عملکرد بالا و پایدار ارائه داد که میتواند بهعنوان الگویی برای مطالعات آتی عمل نماید.دانشگاه گیلانتحقیقات غلات2252-016316120260321Optimization of maize hybrids selection in preliminary environmental trails: comparison of classical and spatial approachesبهینهسازی انتخاب هیبریدهای ذرت در آزمایشهای چند محیطی مقدماتی: مقایسه رویکردهای کلاسیک و فضایی83100968610.22124/cr.2026.33205.1896FAمحمدرضاشیریدانشیار پژوهش، موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایرانحمیدنجفینژاددانشیار پژوهش، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایرانشرارهفارغیاستادیار پژوهش، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایرانJournal Article20260116<strong>Introduction:</strong> In plant breeding, identification of high-yield genotypes and suitable stability for introducing new cultivars or selection of high potential genotypes in preliminary breeding trials is very important. However, experimental design may not be sufficient to consider field heterogeneity in the plot area. The aim of this study was to evaluate the potential of spatial models to correct spatial trends and improve prediction of genotype values and increase accuracy of selection of genotypes in comparison with classic statistical design.<br /><br /><strong>Materials and Methods:</strong> In this study, data analysis were conducted based on a two - step procedure. In the first step, the data of each experiment were modified separately using spatial correction models (SpATS, AR1×AR1 and SpATS + AR1×AR1 combined model) to remove the spatial heterogeneity and systematic environmental effects. Then, in the second step, the corrected data entered the Multi-Environment Trials based on factor Analytic (FA) to accurately model the genotype × environment interaction and to identify superior genotypes based on yield and stability. For this purpose, an experiment was conducted with 105 hybrid maize hybrids in α -lattice design with two replications and five incomplete blocks per replication in three stations of Karaj, Kerman and Kermanshah.<br /><br /><strong>Results and Discussion:</strong> The results showed that the SpATS model effectively eliminate large - scale spatial variations and decreases the error of prediction (RMSE) in comparison with raw data and other models. Comparison of SpATS spatial model with the alpha lattice design showed that the SpATS model significantly improved the accuracy of the yield and ranking of genotypes. After correction of data with SpATS, Multi-Environment Trials were performed based on factor Analytic (FA) to model the interaction of genotype × environment and genotypes with high yield and suitable stability were identified. Kermanshah station with high genetic variance, had more genotype discriminate and was the most suitable station for identification of superior genotypes. The FA2 biplot indicated that genotypes located near the origin, such as H80, H102, H33, and H22, exhibited broad adaptability and high stability. In contrast, genotypes positioned farther from the origin, including H60, H24, H86, H93, and H91, showed stronger genotype × environment interactions and greater dependence on environmental conditions. Genotypes such as H24, H35, H26, H28, and H34 demonstrated the most favorable combination of FA1 and FA2 scores. In addition, the stability index WAASB and the combined performance–stability index WASSBY were employed for genotype selection. Genotypes H24, H30, H26, and H49, with high WASSBY values, exhibited a desirable balance between yield performance and environmental stability. Based on performance and stability indices, despite the superiority of five hybrids (H24, H26, H30, H35, and H49), approximately 20% of the top-performing genotypes were advanced to the next stage of the breeding program in order to maintain genetic diversity and enhance breeding opportunities.<br /> <br /><strong>Conclusion:</strong> Overall, the results of this study suggest that the application of spatial models, particularly SpATS, while accounting for field heterogeneity in maize trials, in combination with FA analysis, improves data analysis and the prediction of genotypic values. This integrated approach provides an efficient and reliable framework for increasing the accuracy of selecting superior genotypes in multi-environment trials.<strong>مقدمه:</strong> در اصلاح نباتات، شناسایی ژنوتیپهای با عملکرد بالا و پایدار برای معرفی بهعنوان ارقام جدید و یا انتخاب ژنوتیپهای با پتانسیل بالا در مراحل مقدماتی آزمایشهای بهنژادی اهمیت ویژهای دارد. با این حال طرحهای آزمایشی ممکن است برای در نظر گرفتن ناهمگنی مزرعه در منطقه آزمایشی کافی نباشند. هدف از این بررسی، ارزیابی پتانسیل مدلهای مکانی برای تصحیح دادههای یک برنامه بهنژادی ذرت از نظر روندهای مکانی و بهبود پیشبینی مقادیر ژنوتیپی و افزایش دقت انتخاب ژنوتیپها در مقایسه با طرح آماری کلاسیک بود. <br /><br /><strong>مواد و روشها:</strong> در این مطالعه، تحلیل دادههای آزمایش مزرعهای براساس یک رویه دو مرحلهای انجام شد. در مرحله نخست، دادههای هر آزمایش بهطور جداگانه با استفاده از مدلهای تصحیح فضایی (SpATS،AR1×AR1 و مدل ترکیبی SpATS+AR1×AR1) اصلاح شدند تا ناهمگنیهای مکانی و اثرات محیطی سیستماتیک حذف گردد. سپس در مرحله دوم، دادههای تصحیحشده وارد تحلیل چندمحیطی بر پایه Factor Analytic (FA) شدند تا برهمکنش ژنوتیپ × محیط مدلسازی و ژنوتیپهای برتر بر اساس عملکرد و پایداری شناسایی شوند. بدین منظور آزمایشی با ۱۰۵ هیبرید ذرت در قالب طرح آلفا-لاتیس با دو تکرار و پنج بلوک ناقص در هر تکرار در سه ایستگاه کرج، کرمان و کرمانشاه اجرا شد.<br /><br /><strong>نتایج و بحث:</strong> نتایج نشان داد که مدل SpATS بهطور مؤثر تغییرات فضایی بزرگمقیاس را جذب کرده و نسبت به دادههای خام و سایر مدلها، خطای پیشبینی (RMSE) را بهطور قابل توجهی کاهش میدهد. مقایسه مدل فضایی SpATS با طرح آلفا-لاتیس نشان داد که مدل SpATS دقت برآورد عملکرد واقعی و رتبهبندی ژنوتیپها را بهطور چشمگیری بهبود میبخشد. پس از تصحیح دادهها با SpATS، تحلیل چندمحیطی بر پایه FA انجام شد تا برهمکنش ژنوتیپ × محیط مدلسازی شده و ژنوتیپهای با عملکرد بالا و پایداری مناسب شناسایی شوند. ایستگاه کرمانشاه (E3) با واریانس ژنتیکی بالا، قدرت تفکیک بیشتری داشت و مناسبترین ایستگاه برای شناسایی ژنوتیپهای برتر بود. نمودار بایپلات FA2 نشان داد که ژنوتیپهای نزدیک مرکز مختصات مانند H80، H102، H33 وH22 سازگاری عمومی و پایداری بالایی دارند، در حالی که ژنوتیپهای دور از مرکز مانند H60، H24، H86، H93 وH91 برهمکنش بیشتری با محیطها دارند و وابستگی آنها به شرایط محیطی بالاتر است. ژنوتیپهای ماننذ H24، H35، H26، H28 وH34 بهترین ترکیب FA1 و FA2 را نشان داشتند. علاوه بر این، شاخص پایداری WAASB و شاخص ترکیبی عملکرد–پایداری WASSBY برای انتخاب ژنوتیپها بهکار گرفته شد. ژنوتیپهای H24، H30، H26 و H49با مقادیر بالایWASSBY، تعادل مطلوبی بین عملکرد و ثبات محیطی داشتند. بر اساس عملکرد و شاخصهای پایداری، علیرغم برتری این پنج هیبرید (H24، H26، H30،H35 و H49)، به منظور حفظ تنوع ژنتیکی و فرصتهای اصلاحی، حدود ۲۰ درصد از ژنوتیپهای برتر به ادامه برنامه بهنژادی وارد شدند.<br /> <br /><strong>نتیجهگیری:</strong> بهطورکلی بر اساس نتایج این مطالعه میتوان گفت که استفاده از مدلهای فضایی، بهویژه با در نظر گرفتن ناهمگنی مزرعه در آزمایشهای مزرعهای ذرت SpATS، همراه با تحلیل FA با بهبود تجزیه و تحلیل دادهها و پیشبینی مقادیر ژنوتیپی، رویکردی کارآمد و قابل اعتماد برای افزایش دقت انتخاب ژنوتیپهای برتر در آزمایشهای چندمحیطی فراهم میکند.