Tác giả

Trần Thị Tâm 1* , Nguyễn Đăng Mậu 1 , Trịnh Hoàng Dương 1 , Nguyễn Thị Ngọc Anh 2 , Phạm Đình Thản 2 , Lê Duy Linh 2

Đơn vị công tác

1 Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu; trantam1810@gmail.com; mau.imhen@gmail.com; hoangduongktnn@gmail.com
2 Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội; anhnguyenngoc.inest@gmail.com; thandinhpham1906@gmail.com; lebadao25082003@gmail.com
*Tác giả liên hệ: trantam1810@gmail.com; Tel.: +84–979920926

Tóm tắt

Các mô hình cây trồng có vai trò lớn trong việc hỗ trợ quản lý nhằm tăng năng suất và xác định sự cân bằng giữa năng suất, hiệu quả sử dụng tài nguyên và tác động của môi trường. Bài báo ứng dụng mô hình DSSAT - CERES - RICE (Decision Support System for Agrotechnology Transfer - Crop Environment Resource Synthesis (CERES) - Rice) là hệ thống hỗ trợ quyết định chuyển giao công nghệ nông nghiệp với mô đun tổng hợp tài nguyên môi trường của cây lúa nhằm dự báo năng suất lúa ở các tỉnh thuộc vùng đồng bằng sông Hồng trong giai đoạn 2017-2021. Kết quả mô phỏng cho thấy: Trong vụ đông xuân, chênh lệch giữa năng suất mô phỏng và năng suất thực tế dao động trong khoảng 4,92-6,09 tạ/ha; Trong vụ mùa mức chênh lệch này dao động từ 4,32-4,81 tạ/ha. Sai số tuyệt đối trung bình (MAE) trong vụ đông xuân là 0,05 tạ/ha, trong vụ mùa là 0,07 tạ/ha. Sai số quân phương (RMSE) trong vụ đông xuân là 0,37 tạ/ha và trong vụ mùa là 0,47 tạ/ha. Kết quả nghiên cứu của bài báo là cơ sở khoa học trong ứng dụng mô hình cho các hoạt động nghiên cứu, trao đổi và cung cấp thông tin giữa các đơn vị nghiên cứu và các đơn vị ứng dụng. Đồng thời, các kết quả trong bài báo này cũng là cơ sở để hoạch định các kế hoạch sản xuất nông nghiệp phù hợp ở vùng đồng bằng sông Hồng và các vùng có khả năng áp dụng.

Từ khóa

DSSAT - CERES - RICE; Dự báo năng suất lúa.

Trích dẫn bài báo

Tâm, T.T.; Mậu, N.Đ.; Dương, T.H.; Anh, N.T.N.; Thản, P.Đ.; Linh, L.D. Ứng dụng mô hình DSSAT dự báo năng suất lúa ở đồng bằng sông Hồng. Tạp chí Khí tượng Thuỷ văn 2024, 757, 1-10.

Tài liệu tham khảo

1. Khảm, D.V. Nghiên cứu ứng dụng công nghệ viễn thám và gis phục vụ giám sát trạng thái sinh trưởng, phát triển và dự báo năng suất lúa ở đồng bằng sông hồng. Báo cáo đề tài nghiên cứu khoa học và công nghệ cấp bộ. Bộ Tài nguyên và Môi trường, 2011.

2. Khảm, D.V. Xây dựng mô hình dự báo năng suất, sản lượng lúa ở đồng bằng sông hồng bằng dữ liệu ảnh modis. Tạp chí Khí tượng Thủy văn 2011, 609, 25­­–34.

3. Tổng cục thống kê. Niên giám thống kê năm 2021. Nhà xuất bản Thống kê, 2021.

4. Thạnh, B.; Phương, N.T.; Nam, B.C.; Hoàng, T.T. Nghiên cứu đánh giá ảnh hưởng của biến đổi khí hậu đến năng suất lúa ở đồng bằng sông cửu long. Tạp chí khí tượng thủy văn 2011, 611, 1–5.

5. Dương, T.H. Nghiên cứu ứng dụng mô hình ORYZA 2000 để đánh giá rủi ro khí hậu nông nghiệp và đề xuất các phương án quản lý sản xuất lúa thích hợp phục vụ phát triển nông nghiệp bền vững ở ĐBSH. Báo cáo đề tài nghiên cứu khoa học và công nghệ cấp cơ sở. Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu, 2014.

6. Battisti, R.; Sentelhas, P.C. Drought tolerance of Brazilian soybean cultivars simulated by a simple agrometeorological yield model. Exp. Agric. 2015, 51, 285–298.

7. Boote, K.J.; Jones, J.W.; Batchelor, W.D.; Nafziger, E.D.; Myers, O. Genetic coefficients in the CROPGRO-soybean model: link to field performance and genomics. Agron. J. 2003, 95, 32–51.

8. White, J.W.; Hoogenboom, G.; Kimball, B.A.; Wall, G.W. Methodologies for simulating impacts of climate change on crop production. Field Crops Res. 2011, 124, 357–368.

9. Hoogenboom, G.; Porter, C.H.; Shelia, V.; Boote, K.J.; Singh, U.; White, J.W.; Jones, J.W. Decision Support System for Agrotechnology Transfer (DSSAT). 4.7. Gainesville, FL: DSSAT Foundation. J. Intell. Inf. Syst. J. 2018.

10. Hoogenboom, G.; Porter, C.; Boote, K.; Shelia, V.; Wilkens, P.; Singh, U.; Jones, J. The DSSAT crop modeling ecosystem. In Advances in crop modeling for a sustainable agriculture. 2019.

11. Jones, J.W.; He, J.; Boote, K.J.; Wilkens, P.; Porter, C.H.; Hu, Z. Estimating DSSAT cropping system cultivar-specific parameters using Bayesian techniques. In Methods of introducing system models into agricultural research. Madison, WI: ASA, CSSA, SSSA. Advances in Agricultural Systems Modeling Series 2, 2011, pp. 2363–393. https://doi.org/10.2134/advagricsystmodel2.c13. 2011.

12. Chinaza, B.; Henry, O. Model for Predicting Rice Yield from Reflectance Index and Weather Variables in Lowland Rice Fields. Agriculture 2011, 12, 130. https:// doi.org/10.3390/agriculture12020130.

13. Gumel, D.Y.; Ahmad Makmom Abdullah, A.M.; Sood, A.M.; Rasheida E. Elhadia, R.E.; Jamalani, M.A.; Youssef, K.A.A.B. Assessing Paddy Rice Yield Sensitivity to Temperature and Rainfall Variability in Peninsular Malaysia Using DSSAT Model. Int. J. Appl. Environ. Sci. 2017, 12(8), 1521–1545.

14. Jones, J.W.; Hoogenboom, G.; Porter, C.H.; Boote, K.J.; Batchelor, W.D.; Hunt, L.A.; Wilkens, P.W.; Singh, U.; Gijsman, A.J.; Ritchie, J.T. The DSSAT cropping system model. Europ. J. Agronomy. 2003, 18, 235–265.

15. Thorp, K.R.; DeJonge, K.C.; Kaleita, A.L.; Batchelor, W.D.; Paz, J.O. Methodology for the use of DSSAT models for precision agriculture decision suppor. Comput. Electron. Agric. 2008, 64, 276–285.

16. Goswami, P. Evaluation of DSSAT model (CERES rice) on rice production: A review. Int. J. Chem.Stud. 2020, 8(5), 404–409.

17. Amnuaylojaroen, T.; Chanvichit, P. Application of the WRF-DSSAT modeling system for assessment of the nitrogen fertilizer used for improving rice production in northern Thailand. Agriculture 2022, 12(8), 1213.

18. Islam, S.S.; Sanitchon, J.; Hasan, A.K. Rice phenology and growth simulation using DSSAT-CERES-Rice crop model under the different temperatures changing with climatic condition. Int. J. Agr. Sci. Tech. 2021, 2710–3366. https://doi.org/10.51483/IJAGST.1.2.2021.1-11.

19. Viện Thổ nhưỡng Nông hóa. Tính chất lý, hóa học các nhóm đất chính vùng đông bằng sông Hồng.

A. Sakamoto, K.T.; Yokozawa, M. Determining the Spatial Pattern of Rice Cropping Schedules using Time-Series Satellite Imagery of the Red River Delta, Vietnam. Int. J. Geoinformatics. 2007, 3(4), 366–374.

20. Tổng cục thống kê. Niên giám thống kê năm 2017, Nhà xuất bản Thống kê, 2017.

21. Tổng cục thống kê. Niên giám thống kê năm 2018, Nhà xuất bản Thống kê, 2018.

22. Tổng cục thống kê. Niên giám thống kê năm 2019, Nhà xuất bản Thống kê, 2019.

23. Tổng cục thống kê. Niên giám thống kê năm 2020, Nhà xuất bản Thống kê, 2020.

24. Hoogenboom, G.; Wilkens, P.W.; Tsuji, G.Y. Concepts for calibrating crop growth models. In Hoogenboom G. et al. (ed.) DSSAT v3. Univ. of Hawaii, Honolulu. Univ. Hawaii, Honolulu. 1999, 4, 179–200.

25. Choudhury, A.K.; Ishtiaque, S.; Sen, R.; Jahan, M.A.H.S.; Akhter, S.; Ahmed, F.; Biswas, J.C.; Manirruzaman, M.; Hossain, M.B.; Miah, M.M.; Rahman, M.M.; Zahan, T.; Khan, A.S.M.M.R. and Kalra, N. Calibration and validation of DSSAT model for simulating wheat yield in Bangladesh. J. Saudi. Life Sci. 2018, 3(4), 356–364.