การจำลองการตอบสนองของข้าว กข43 ต่อวิธีการปลูกและความอุดมสมบูรณ์ของดินด้วยแบบจำลอง AquaCrop Modeling RD43 Rice Responses to Planting Methods and Soil Fertility Using the AquaCrop Model

บทคัดย่อ

         การจัดการน้ำและธาตุอาหารอย่างมีประสิทธิภาพ ถือเป็นหัวใจสำคัญของการทำนาข้าวได้ผลดี ทั้งนี้เพราะปัจจัยดังกล่าวส่งผลโดยตรงต่อการเจริญเติบโตของข้าว ปริมาณผลผลิต ตลอดจนประสิทธิภาพในการใช้ทรัพยากร งานศึกษานี้เป็นการทดลองปลูกข้าวในถังเพื่อศึกษาผลต่อชีวมวล ผลผลิตและการใช้น้ำของข้าวพันธุ์ กข43 จากปัจจัยวิธีการปลูกแบบหว่านน้ำตมและแบบปักดำและปัจจัยระดับความอุดมสมบูรณ์ของดินตามปริมาณการใส่ปุ๋ยเคมี 3 ระดับ ประกอบด้วย ปริมาณตามคำแนะนำ (75.94 kg N ha^-1) ครึ่งหนึ่งของคำแนะนำ และไม่ใส่ปุ๋ย และประเมินสมรรถนะแบบจำลอง AquaCrop ในการจำลองการตอบสนองของข้าวต่อความเครียดจากการความอุดมสมบูรณ์ของดิน พารามิเตอร์ของแบบจำลอง AquaCrop ปรับเทียบโดยใช้จากผลการทดลองทั้งที่ปรับวิธีการปลูกและระดับการใส่ปุ๋ย ผลการศึกษาพบว่าทั้งวิธีการปลูกและระดับความอุดมสมบูรณ์ของดินมีผลอย่างมีนัยสำคัญต่อชีวมวล ผลผลิต และการใช้น้ำของข้าว แบบจำลอง AquaCrop จำลองวิธีการปลูกและการตอบสนองของข้าวต่อระดับความอุดมสมบูรณ์ของดิน โดยสมรรถนะของแบบจำลองอยู่ในเกณฑ์ดีกรณีความอุดมสมบูรณ์ของดินสูง แต่แบบจำลองประมาณความเสียหายของผลผลิตต่ำกว่าความเป็นจริงกรณีการขาดธาตุอาหารที่รุนแรง ผลการศึกษาช่วยให้การใช้งานแบบจำลองในสภาพแวดล้อมของไทยและข้าวสายพันธุ์ไทยมีความน่าเชื่อถือเพิ่มขึ้น

               Rice cultivation heavily depends on effective water and nutrient management. This study examined the effects of planting methods (direct seeding and transplanting) and three levels of chemical fertilizer application (recommended rate, half of the recommended rate, and no fertilizer) on biomass, yield, and water use of the RD43 rice cultivar under controlled conditions. Experimental data were used to calibrate and validate the AquaCrop model, aiming to assess its ability to simulate rice responses to nutrient stress. Results indicated that both planting methods and nutrient levels significantly influenced rice biomass, yield, and water use. The AquaCrop model accurately simulated the effects of planting methods by appropriately setting model parameters. It also effectively predicted biomass and yield under high nutrient conditions. However, its performance declined when modeling rice responses to severe nutrient deficiencies, underestimating yield losses compared to experimental observations. This study enhances the reliability of applying the AquaCrop model to Thai rice cultivars and local environments. Future research should expand the dataset for calibration and validation under a wider range of growing conditions to further refine the model's accuracy.