بررسی اثرات زیست‌محیطی چهار رقم ذرت بر مبنای میزان مصرف کود نیتروژن با استفاده از ارزیابی چرخه حیات (LCA)

علوم و تکنولوژی محیط زیست، دورهبیست و دوم، شماره شش، شهریور  ماه 99

بررسی اثرات زیست­محیطی چهار رقم ذرت بر مبنای میزان مصرف کود نیتروژن با استفاده از ارزیابی چرخه حیات (LCA)

سیدمصطفی صادقی*[1]

sadeghisafa777@yahoo.com

سیدعلی نورحسینی[2]

چکیده

زمینه و هدف: مصرف کودهای شیمیایی اثرات منفی زیادی بر محیط زیست تحمیل می­کنند. لذا به منظور ارزیابی بررسی اثرات زیست­محیطی چهار رقم ذرت بر مبنای مصرف کود نیتروژن تحقیقی با استفاده از روش ارزیابی چرخه حیات در منطقه لاهیجان انجام گرفت.

روش بررسی: بدین­منظور، آزمایش مزرعه­ای به صورت اسپلیت پلات در قالب طرح بلوک­های کامل تصادفی در سه تکرار اجرا شد. تیمارها شامل سطوح مختلف کود نیتروژن (300، 400 و 500 کیلوگرم اوره در هکتار) به عنوان عامل اصلی و چهار رقم ذرت (KSC 647، KSC 700، KSC 704 و Local) به عنوان عامل فرعی بودند. در این مطالعه، شش گروه تأثیر گرمایش جهانی، اسیدیته، اوتریفیکاسیون خشکی، تخلیه منابع فسیلی، تخلیه منابع فسفات و تخلیه منابع پتاسیم بررسی شدند. اثرات در قالب واحد عملکردی تولید یک تن ذرت مطالعه شد.

یافته­ها: نتایج این مطالعه نشان داد که بالاترین شاخص زیست­محیطی (53/1) و شاخص تخلیه منابع (11/1) در تولید یک تن ذرت رقم محلی با مصرف 500 کیلوگرم کود اوره در هکتار به‌دست آمد. کم­ترین مقدار شاخص زیست­محیطی (39/0) و شاخص تخلیه منابع (45/0) نیز در تیمار مصرف 300 کیلوگرم کود اوره در تولید یک تن رقم KSC 647 مشاهده شد.

بحث و نتیجه گیری: در این مطالعه هرچند بین تیمارهای مختلف نیتروژن تفاوتی از لحاظ عملکرد ذرت وجود نداشت، اما انتخاب رقم برتر (KSC 647) از لحاظ عملکرد با کاهش مصرف نیتروژن باعث کاهش آسیب به محیط زیست شد.

واژه­های کلیدی: اوتریفیکاسیون، تخلیه منابع، کود اوره، گرمایش جهانی، سوخت دیزل

Investigating the Environmental Impacts for Four Varieties of Corn Based on Nitrogen Fertilizer Consumption through Life Cycle Assessment (LCA)

Seyyed Mustafa Sadeghi^[3]*

sadeghisafa777@yahoo.com

 Seyyed Ali Noorhosseini^[4]

Abstract

Background and Objective: The use of chemical fertilizers has many negative effects on the environment. Therefore, in order to evaluate the environmental effects of four maize cultivars based on the use of nitrogen fertilizer, research was conducted using the life cycle assessment method in Lahijan region.

Method: For this purpose, a field experiment was performed as a split plot in a randomized complete block design with three replications. Treatments were consisted different nitrogen levels (300, 400 and 500 kg/ha urea) as the main plot and four varieties of corn (KSC 647, KSC 700, KSC 704 and Local) as the subplots. In this studysix groups were investigated; the global warming, acidification, terrestrial eutrophication, the depletion of fossil resources, the depletion of potassium and the depletion of phosphate. Production of one ton of corn was considered as a functional unit to evaluate the environmental impacts.

Findings: The results showed that maximum environmental index (1.53) and resources depletion index (1.11) was in production of one-ton local variety of corn with treatment 500 kg/ha urea. The minimum environmental index (0.39) and resources depletion index (0.45) was in production of one ton KSC 647 variety of corn with treatment 300 kg/ha urea.

Discussion and Conclusion: Although there was not a difference between the different treatments of nitrogen in terms of corn yield, but the selection of superior varieties in terms of yield, by reducing nitrogen consumption, reduced damage to the environment.

Keywords: Eutrophication, Depletion of Resources, Urea Fertilizer, Global Warming, Diesel Fuel

مقدمه

در قرن بیست و یکم، تولیدات کشاورزی به سمت محصولات کشاورزی با ارزش غذایی بالا به همراه کم­ترین آسیب به چرخه حیات سوق داده شده است (1). در این بین استفاده از به نژادی در تولید ژنوتیپ­هایی که حداکثر محصول­دهی و کم­ترین آسیب را به محیط زیست وارد می­کنند از اهمیت ویژه­ای برخوردار شده است. نقش به نژادگران با تولید ارقامی که مقاوم به آفات و بیماری­ها هستند (حذف سموم نباتی) و با خصوصیات مرفولوژیکی مناسب که قابلیت داشت و برداشت سریع توسط ادوات کشاورزی (مصرف سوخت کم­تر) را فراهم نماید به همراه قابلیت محصول­دهی بالا در مصرف بهینه کودهای شیمیایی و متحمل به تنش­های محیطی بسیار مهم است (2). تعدادی از محققین بر این عقیده هستند ارقام پیشرفته­ای که در شرایط مصرف بالای انواع کودهای شیمیایی، مصرف سموم و آبیاری بهترین رشد و عملکرد دارند، قادر نیستند در سیستم­های محدود ورودی و تنش­های محیطی عملکرد مناسبی داشته باشند (1، 2، 3، 4، 5 و 6) در حالی­که تعدادی دیگر از محققین بر این عقیده­اند که ارقام با پتانسیل محصول­دهی بالا در شرایط غنی، توانایی غلبه بر تنش­های محیطی را نیز دارند که می­تواند در انتخاب ژنوتیپ­ها، با حداقل مشکلات زیست­محیطی موثر واقع گردد (7 و 8). یکی از روش­های به نژادی معرفی ارقام است که می­تواند در انتخاب ژنوتیپ­های برتر با کم­ترین اثرات زیست­محیطی باشد (9 و10). مصرف گسترده کودهای شیمیایی بالاخص کودهای ازته در مزارع یکی از مهم­ترین مشکلات زیست­محیطی در جهان به شمار می­آید و سهم عمده­ای از آمونیاک محیط پیرامون را به خود اختصاص داده است (11). بخش کشاورزی به عنوان یکی از بخش­های مهم مصرف کننده انرژی در ایران حدود 40 درصد انتشار کلN₂O  را به خود اختصاص داده است، در حالی که سهم بخش کشاورزی در انتشار دو گاز دیگرCO₂  و  CH₄ حدود دو درصد است (12).

یکی از روش­هایی که می توان از طریق آن به ارزیابی اثرات زیست­محیطی مرتبط با یک محصول پرداخت روش LCA (ارزیابی چرخه حیاتی) است که به بررسی کل چرخه حیات یک فرآیند تولید محصول زراعی از مرحله استخراج و یا جمع آوری مواد خام، تا مرحله مصرف و سپس بازیافت و یا امحا ضایعات حاصل از آن می­پردازد. در این روش با بررسی دقیق کلیه منابع مصرف شده برای تولید محصول و کلیه مواد منتشره به محیط زیست کمی و ارزیابی می­شود (13).LCA  روشی است که برای ارزیابی ظرفیت اثرات زیست­محیطی در امر تولید محصول یا فرآیند خاص به وسیله دو مولفه مصرف منابع و انتشار آلاینده ها به محیط زیست تعریف می­شود (14). افزایش تولیدات کشاورزی منوط به استفاده گسترده از نهاده­های کشاورزی هم­چون کودهای شیمیایی، سموم، ماشین آلات کشاورزی می­باشد که منجر به مشکلات زیست­محیطی مثل یوتریفیکاسیون شده است (15 و 16).

آلاینده­های زیادی محصول کشاورزی مدرن می­باشند که محیط زیست را آلوده می­کنند (17 و 18). در سال­های اخیر تحقیقات زیادی بر روی ارزیابی زیست­محیطی تولید محصولات زراعی صورت گرفته است (17، 19، 20، 21 و 22). در منطقه گرگان در بررسی صورت گرفته بر اساس ارزیابی چرخه حیات برای تعیین اثرات زیست محیطی تولید گندم، نتایج نشان داد تولید محصول در آن منطقه دارای اثرات زیست­محیطی قابل توجهی از نظر تخلیه انرژی غیر تجدید شونده، اوتریفیکاسیون، اکسیداسیون فتوشیمیایی و اسیدیته است (11). در تحقیق دیگری بر روی گندم در مرودشت از بین اثرات زیست­محیطی مورد بررسی اوتریفیکاسیون خشکی بیش­ترین پتانسیل آسیب به محیط زیست را داشته است (23). در بررسی که بر روی بیلان انرژی در زراعت جو انجام شده، کارایی انرژی این محصول را پایین گزارش کردند که دلیل آن را مصرف بالای کودهای شیمیایی و ماشین آلات عنوان کرد (24). خان و همکاران (25) مصرف کودهای شیمیایی در نظام های تولید برنج و گندم را 43 و 47 درصد از کل انرژی ورودی برآورد کردند. اگرچه دامنه کاربرد روش LCA در زمینه فعالیت­های کشاورزی در سال­های اخیر افزایش به جهت اهمیت مشکلات زیست­محیطی افزایش یافته است ولی هنوز با توجه به سطح زیرکشت غلات، بالاخص ذرت، تاکنون نتایج منتشر شده زیادی در این خصوص در کشور وجود ندارد. از طرف دیگر نقش ژنوتیپ­های مختلف (اصلاح شده و بومی) در رهیافت LCA مورد ارزیابی قرار نگرفته است. هدف از این تحقیق، محاسبه و مقایسه LCA برای ژنوتیپ­های متفاوت و براساس میزان مصرف نیتروژن و تعیین مقدار بهینه مصرف کود ازته با کم­ترین اثرات زیست­محیطی برای کشت ذرت در منطقه گیلان است. 

روش بررسی

منطقه مورد مطالعه و اجرای طرح آزمایشی

این تحقیق در سال زراعی 1394 در مزرعه تحقیقاتی دانشگاه آزاد اسلامی واحد لاهیجان واقع در روستای کته شال (در محدوده­ی عرض جغرافیایی ´12°37 شمالی و طول جغرافیایی ´01°50 شرقی با ارتفاع متوسط 2/34 متر از سطح دریا) اجرا شد. این پژوهش با استفاده از یک آزمایش مزرعه­ای به صورت کرت­های خرد شده در قالب طرح بلوک­های کامل تصادفی در سه تکرار اجرا شد. تیمارها شامل سطوح مختلف کود نیتروژن (300، 400 و 500 کیلوگرم اوره در هکتار) به عنوان عامل اصلی و چهار رقم ذرت (KSC 647، KSC 700، KSC 704 و Local) به عنوان عامل فرعی بودند. میزان بهینه مصرف کود اوره (حاوی 46 درصد نیتروژن خالص)، سوپرفسفات تریپل (حاوی 46 درصد P₂O₅) و سولفات پتاسیم (حاوی 50 درصد K₂O) با توجه به توصیه کودی مرکز نهال بذر کرج و آزمایش خاک به ترتیب 400، 300 و 50 کیلوگرم در هکتار تعیین گردید. در این مطالعه برای مقایسه اثرات زیست­محیطی برمبنای کود نیتروژن به ازای میزان عملکرد ذرت، از سطح پایین­تر (300 کیلوگرم در هکتار) و سطح بالاتری (500 کیلوگرم) از کود نیتروژن در مقابل مقدار توصیه شده­ی آن به عنوان تیمار استفاده شد. تمام کود فسفاته و پتاسه و یک دوم از کود اوره به صورت پایه و پیش از کاشت و یک دوم دیگر کود اوره در مرحله 5 تا 7 برگی به خاک اضافه شد. ارقام مورد استفاده در این طرح شامل سه رقم هیبرید (KSC 647، KSC 700، KSC 704) تهیه شده از بخش ذرت شهرک بذر و نهال کرج و یک رقم بومی شده شهرستان آستانه اشرفیه (Local) بودند.

اجرای طرح در اردیبهشت ماه در زمینی به مساحت 540 متر مربع آغاز گردید. جهت تهیه بستر کاشت، پس از شخم نسبتاً عمیق، از دیسک و کولتیواتور دوار استفاده شد. به دلیل آبیاری سنگین و همچنین برای جلوگیری از مخلوط شدن و برهم خوردن میزان کود مورد استفاده در کرت­های فرعی از طرح کرت­های خرد شده، در حالتی که میزان کود نیتروژن در قالب طرح پایه بلوک­های کامل تصادفی پیاده می­گردید، اجرا شد. ابتدا مزرعه به سه بلوک تقسیم و هر بلوک به سه کرت اصلی (برای سطوح مختلف کود نیتروژن) تقسیم شد. سپس هر یک از کرت­های اصلی به چهار کرت فرعی تقسیم گردید که چهار رقم ذرت به صورت تصادفی به کرت­های فرعی اختصاص داده شد. مزرعه آزمایشی دارای 36 کرت فرعی به ابعاد 75/2×3 متر بود. هر کرت فرعی شامل چهار خط به طول سه متر و فاصله خطوط (ردیف کشت) از یکدیگر 75 سانتی­متر و فاصله بوته­ها بر روی خطوط 25 سانتی­متر تعیین گردید. مابین کرت­های فرعی 50 سانتی­متر فاصله قرار داده شد. تعداد ردیف­های کشت در هر کرت فرعی، در هر کرت اصلی و در هر بلوک به ترتیب 4، 16 و 48 ردیف (در مجموع 144 ردیف در کل مزرعه) بود.  در طول داشت عملیات خاک­دهی در پای بوته­ها در مرحله دوبرگی انجام شد. وجین و مبارزه با علف­های هرز به صورت دستی و مکانیکی در مرحله 5 تا 7 برگی انجام شد. عملیات برداشت در تاریخ 26 مرداد سال 1394 انجام شد. در انتها نمونه­برداری با حذف اثرات حاشیه­ای صورت گرفت. برای تعیین صفات وزنی عملکرد و اجزای عملکرد، نمونه­ها به مدت 48 ساعت داخل آون و در دمای 70 درجه سانتی­گراد قرار داده شدند. سپس وزن خشک­های مدنظر با استفاده از ترازوی دارای دقت یک صدم گرم تعیین گردید. صفات شمارشی و طولی مورد مطالعه نیز از نمونه­برداری و میانگین گرفتن از پنج بوته در هر کرت محاسبه گردید.

روش ارزیابی چرخه حیات

این روش برپایه استاندارد ISO 14040 اجرا می‌شود و به طور کلی به چهار بخش بیان هدف و تعیین واحد عملکردی (Functional unit)، ممیزی چرخه حیات، ارزیابی اثرات زیست‌محیطی و تفسیر آن‌ها تقسیم‌بندی می‌شود (20 و 26). در ذیل این چهار بخش به تفکیک آورده شده است:

بیان هدف و واحد عملکردی

در روش ارزیابی چرخه حیات ابتدا هدف و واحد عملکردی مشخص شود. نقش واحد عملکردی این است که ورودی­ها و خروجی‌ها را به هم مرتبط کرده و شرایط را برای مقایسه فراهم می­نماید (27 و 28). هدف از این پژوهش بررسی اثرات زیست محیطی تولید ارقام مختلف ذرت برمبنای سطوح مختلف مصرف کود نیتروژن در قالب گروه­های تأثیر گرمایش جهانی، اسیدیته، اوتریفیکاسیون خشکی، تخلیه منابع فسیلی، تخلیه منابع فسفات، تخلیه منابع پتاسیم در بخش زراعی و خشک کردن ذرت است. واحد عملکردی در این مطالعه تولید یک تن ذرت است.

ممیزی چرخه حیات

در این بخش تمام منابع و مقادیری که در تولید محصول مورد مطالعه نیاز است و همچنین تمامی مقادیر آلاینده‌های انتشاریافته به محیط‌زیست در اثر استفاده از این نهاده‌ها، بر مبنای واحدهای مرجع محاسبه می‌شوند:

ورودی­های سامانه

به طور کلی در تولید محصولات در ایران، چهار نهاده سوخت دیزل، کودهای شیمیایی نیتروژن، فسفات و پتاسیم به عنوان ورودی­های با پتانسیل آلایندگی زیست­محیطی در نظر گرفته می­شوند (23، 29 و 30). در مجموع 230 لیتر گازووئیل در واحد سطح هکتار برآورد شد. شایان ذکر است که برای تعیین دقیق میزان مصرف سوخت گازوئیل برای تولید ارقام مختلف ذرت و همچنین خشک کردن آن، از روش باک پر استفاده شد. به این صورت که در باک سوخت تمام ماشین­آلات مورد استفاده به طور کامل پر شد و میزان کاهش آن در هر مرحله یادداشت گردید. مقادیر مصرف کودهای شیمیایی در واحد­های عملکردی نیز بر مبنای طرح آزمایشی اجرا شده برآورد شد. در نهایت میزان مصرف چهار نهاده سوخت دیزل، کود نیتروژن، کود فسفر و کود پتاسیم به ازای تولید یک تن ذرت برآورد شد.

انتشار آلاینده‎ها

مطابق روش ارزیابی چرخه حیات، آلاینده‌های منتشر شده در

جریان تولید ذرت در قالب آلاینده‌های انتشار یافته خارج از مزرعه و آلاینده‌های منتشر شده در داخل مزرعه مورد بررسی قرار گرفت (31).

انتشار آلاینده‎ها قبل از ورود نهاده‌ها به مزرعه

انتشار آلاینده‎ها قبل از ورود نهاده‌ها به مزرعه شامل آلاینده‌ای منتشر شده در استخراج، پالایش و حمل و نقل نهاده‌های مصرفی از دیتابیس  SPINE@CPM اخذ گردید (32).

انتشار آلاینده‎ها در مزرعه

انتشار آلاینده­های ناشی از مصرف گازوئیل در مزرعه

میزان انتشار مهم­ترین گازهای گل­خانه­ای شامل N₂O، CO₂ و CH₄ از سوختن هر لیتر گازوئیل طبق مطالعات صورت گرفته (33) برابر 73/2 کیلوگرم دی اکسید کربن، ^6-10×1/18 کیلوگرم اکسید نیتروژن و ^6-10×173 کیلوگرم متان است و میزان انتشار آلاینده­های NO_X و SO₂ به ازای سوختن هر لیتر گازوئیل به ترتیب برابر ^3-10×2/22 و ^3-10×4 کیلوگرم است (34).

میزان انتشار مستقیم انواع ترکیبات نیتروژنه از اوره

یکی از آلاینده­های اصلی انتشار یافته از مصرف کود نیتروژن، آمونیاک است. نزدیک به 90 درصد میزان جهانی تصعید آمونیاک مربوط به بخش کشاورزی است (31). فاکتور انتشار آمونیاک از اوره در این مطالعه به علت عدم وجود بررسی­های لازم، برابر متوسط اروپا و آمریکا در نظر گرفته شد. بر این اساس حدود 17 درصد از کل نیتروژن خالص مصرفی در قالب کود معدنی اوره به صورت NH₃-N تصعید می­شود (31  و 35). انتشار N₂O از میزان نیتروژن خاک تبعیت می­کند و همین­طور به تعامل بین رطوبت خاک و در دسترس بودن نیتروژن خاک بستگی دارد (36). براساس گزارش مجع بین­المللی تغییرات آب و هوایی (IPCC) در سال 2006، یک درصد از کل نیتروژن کود نیتروژن مصرف شده در هکتار به صورت N₂O-N انتشار می­یابد (36). نتایج تحقیقات نشان می­دهد میزان انتشار NO_X به اتمسفر برابر 10 درصد میزان N₂O است (37).

ارزیابی اثرات

هدف از ارزیابی اثرات، تفسیر ورودی­ها و خروجی­های سامانه تولید

ذرت است که دارای سه مرحله طبقه­بندی، نرمال­سازی و وزن­دهی است (15).

طبقه­بندی

در این مرحله هرکدام از مقادیر انتشار یافته به محیط زیست و همین‌طور منابع استفاده شده در چرخه حیات محصول، به اثر زیست­محیطی مربوطه نسبت داده شده، به این صورت که هر اثر زیست­محیطی به شکل یک گروه تأثیر فرض کرده و ترکیبات مؤثر در آن قرار داده­می­شوند. در این مطالعه شش گروه تأثیر گرمایش جهانی، اسیدیته، اوتریفیکاسیون خشکی، تخلیه منابع فسیلی، تخلیه منابع فسفات و تخلیه منابع پتاسیم بررسی شد. در این مرحله پس از طبقه­بندی اثرات باید شاخص هرگروه تأثیر محاسبه شود. شاخص هر گروه تأثیر i، با استفاده از رابطه 1 محاسبه شد.

(1)                       ICI_i = 16i[(Ej or Rj) أ—CFj,i]">

E_j یا R_j: انتشار ترکیب j یا مصرف منبع j بر هر واحد کارکردی، 16CFj,i">  فاکتور طبقه­بندی برای ترکیب j سهیم در هر گروه تأثیر i است. فاکتور طبقه­بندی در هر گروه تأثیر نشان­دهنده پتانسیل آن ترکیب در ایجاد اثر مربوطه است. کارایی هر ترکیب در جدول 1 آورده شده است.

جدول 1- طبقه­بندی اثرات

Table 1 - Classification of impacts

نرمال­سازی

پس از تعیین شاخص طبقه­بندی هر گروه تأثیر برای درک بهتر اهمیت مقادیر به دست آمده از مرحله نرمال­سازی استفاده شد و شاخص طبقه­بندی هر گروه با شاخص­های مرجع مقایسه می­شود. در واقع هدف این مرحله بی­بعد کردن داده­ها است (15). فاکتور نرمال­سازی گروه­های تأثیر مختلف در جدول 2 ارایه شده است. برای بدست آوردن شاخص­های نرمال­سازی، شاخص­های طبقه­بندی بر فاکتورهای نرمال­سازی تقسیم می­گردد.

وزن­دهی

فاکتورهای وزن­دهی پتانسیل آسیب هر گروه تأثیر را نشان می­دهد. بزرگ­تر بودن این فاکتور نشان می­دهد که این گروه، پتانسیل بیش­تری برای لطمه به محیط زیست دارد. فاکتور وزن­دهی گروه­های تأثیر در جدول 2 ارایه شده است. در انتها با ضرب کردن شاخص­های نرمال­سازی بر فاکتورهای وزن­دهی، شاخص نهایی بدست می­آید (39).

جدول 2- فاکتورهای وزن­دهی و نرمال­­سازی

Table 2 - Weighting and normalization factors

تفسیر اثرات

گروه­های تأثیر زیست­محیطی گرمایش جهانی، اسیدیته و اتریفیکاسیون خشکی جزء گروه­های شاخص­ زیست­محیطی [5] محسوب می­شوند. این در حالی است که گروه­های تأثیر تخلیه منابع فسیلی، تخلیه منابع فسفات و تخلیه منابع پتاسیم جز گروه­های تأثیر تخلیه منابع [6]می­باشند. گروه­های تأثیر تخلیه منایع، چالشی برای آیندگان محسوب می­شوند، در حالی که اثرات زیست­محیطی گروه­های تأثیر شاخص زیست­محیطی، در مدت زمان نسبتاً کوتاه­تری قابل مشاهده­اند (39).

شاخص زیست­محیطی (EcoX)

هرچه شاخص زیست­محیطی بزرگ­تر باشد، نشان­دهنده­ی پتانسیل بیش­تر در آسیب به محیط زیست است. با ضرب کردن نتایج نرمال­سازی هر گروه تأثیر در فاکتور وزن­دهی مربوط به آن و سپس جمع آن­ها، شاخص زیست­محیطی برای یک محصول یا سامانه خاص طبق رابطه­ی 2 بدست می­آید (27).

(2)                                  EcoX = 16i [Eiأ—WFi]">

EcoX: شاخص زیست­محیطی در واحد کارکردی برای تأثیرات زیست­محیطی، N_i: نتایج نرمال­سازی برای گروه تأثیر i در هر واحد کارکردی و WF_i: فاکتور وزن­دهی برای هرگروه تأثیر i است.

شاخص تخلیه منابع (RDI)

هرچه گروه­های تأثیر مربوط به تخلیه منابع بیش­تر باشد، برای آیندگان مخاطرات بیش­تری را به همراه خواهند داشت. همانند شاخص زیست­محیطی با ضرب کردن نتایج نرمال­سازی هر گروه تأثیر تخلیه منابع در فاکتور وزن­دهی مربوط به آن و سپس جمع آن­ها، شاخص تخلیه منابع برای یک محصول یا سامانه خاص طبق رابطه­ی 3 بدست می­آید (15).

(3)                                     RDI = 16i [Eiأ—WFi]">

  RDI: شاخص شاخص تخلیه منابع برای هر واحد کارکردی است، N_i: نتایج نرمال­سازی برای گروه تأثیر i در هر واحد کارکردی و WF_i: فاکتور وزن­دهی برای هرگروه تأثیر i است.

در این مطالعه تحلیل آماری داده­ها با استفاده از نرم­افزار MSTAT-C انجام شد و مقایسه میانگین­ها با استفاده از آزمون چند دامنه­ای دانکن در سطح احتمال 5 درصد صورت گرفت. تحلیل‌های مربوطه به روش ارزیابی چرخه حیات نیز با استفاده از نرم افزارMATLAB2014b  انجام گردید.

یافته­ها و بحث

نتایج تجزیه واریانس بیان­گر عدم تاثیر سطوح متفاوت کود نیتروژن بر کلیه صفات مورد ارزیابی به جز طول دانه است در حالی­که بین ژنوتیپ­های مورد مقایسه برای تمامی صفات در سطح احتمال یک درصد اختلاف معنی­دار مشاهده گردید. برهم­کنش معنی­داری بین کود نیتروژن و ژنوتیپ نیز برای کلیه صفات مورد ارزیابی به جز عرض دانه مشاهده نگردید. نتایج تجزیه واریانس بیان­گر اختلاف معنی­دار برای تمامی صفات مورد ارزیابی در بین چهار ژنوتیپ مورد بررسی است و در بین ژنوتیپ­ های مورد بررسی هیبرید KSC 647 بیش­ترین عملکرد با  49/14تن در هکتار به خود اختصاص داده است و از این نظر با سایر ژنوتیپ­ها اختلاف معنی­داری را نشان داده است (جدول 2). این هیبرید از نظر صفات تعداد ردیف در بلال، تعداد دانه در بلال، طول  دانه،  و وزن بلال نیز نسبت به سایر ژنوتیپ­ها از برتری برخوردار بوده و به نظر می­رسد این صفات به عنوان اجزا عملکرد نقش موثری بر عملکرد دانه ذرت دارند. در تحقیق حاضر برهم­کنش نیتروژن و ژنوتیپ برای اکثر صفات معنی دار نشده است (جدول1)

در جدول 5 میزان مصرف چهار نهاده سوخت دیزل، کود نیتروژن، کود فسفر و کود پتاسیم به­ازای تولید یک تن ذرت آورده شده است. نتایج نشان داد که برای تولید و خشک کردن یک تن ذرت در تیمار مصرف 500 کیلوگرم اوره در هکتار برای تولید یک تن ذرت رقم محلی بیش­ترین مقادیر سوخت دیزل (315/43 لیتر)، کود نیتروژن (315/43 کیلوگرم)، کود فسفر (989/25 کیلوگرم) و کود پتاسیم (708/4 کیلوگرم) مصرف شد. در حالی که کم­ترین مقادیر مصرف سوخت دیزل (530/17 لیتر)، کود نیتروژن (518/10 کیلوگرم)،کود فسفر (518/10 کیلوگرم) و کود پتاسیم (905/1 کیلوگرم) مربوط به تیمار مصرف 300 کیلوگرم در هکتار کود اوره برای تولید ذرت رقم KSC 647 بود. همان‌طور که مشاهده می­شود برای تولید هر تن محصول با افزایش مقدار مصرف نیتروژن، مقدار کم‌تری نهاده­های سوخت و NPK مصرف می­گردد.

میزان آلاینده‌های انتشار یافته در تولید ارقام مختلف ذرت بر مبنای تیمارهای مختلف نیتروژن در جدول 6 ارایه شده است. بیش­ترین مقادیر انتشار آلاینده­­های NH₃، N₂O، NO_X، CO₂، CH₄ و SO₂ متعلق به تولید یک تن ذرت رقم محلی در تیمار مصرف 500 کیلوگرم کود اوره بود که به ترتیب 890/8، 518/1، 313/1، 085/192، 268/0 و 514/0 کیلوگرم به ازای هر تن ذرت محاسبه گردید. به همین ترتیب کم­ترین مقادیر انتشار این آلاینده­ها مربوط به تیمار مصرف 300  کیلوگرم اوره در هکتار یرای تولید ذرت رقم KSC 647 بود که به ترتیب 159/2، 369/0، 449/0، 305/71، 103/0 و 210/0 کیلوگرم به ازای هر تن تولید مشاهده شد. همان­طور که ملاحظه می­شود با افزایش مصرف نیتروژن در هکتار انتشار این آلاینده­ها روند افزایشی به ازای تولید هر تن ذرت داشت. در عین حالی رقم برتر از لحاظ عملکرد کاهش انتشار این آلاینده­ها را سبب شد.

شاخص­های طبقه­بندی گروه­های تاثیر و تخلیه به ازای تولید یک تن ذرت در جدول 7 آورده شده است. شاخص­های نرمال­سازی و شاخص‌های وزن داده شده نیز در این جداول قابل مشاهده است که در انتها برای محاسبه شاخص زیست­محیطی (EcoX) و شاخص تخلیه منابع (RDI) مورد استفاده قرار می­گیرند. بیش­ترین پتانسیل گرمایش جهانی، تاثیر اسیدیته و تأثیر اوتریفیکاسیون خشکی در تولید هر تن ذرت متعلق به تیمار 500 کیلوگرم اوره در تولید رقم محلی (به ترتیب برابر با 26/668 کیلوگرم معادل CO₂، 530/15 کیلوگرم معادلSO₂  و 692/40 کیلوگرم معادل NO_x) بود. همچنین کم­ترین این مقادیر در تیمار 300 کیلوگرم اوره برای تولید یک تن ذرت رقم KSC 647 (به ترتیب برابر با 86/187 کیلوگرم معادل CO₂، 955/3 کیلوگرم معادل SO₂  و 099/10 کیلوگرم معادل NO_x) بدست آمد. بیش­ترین تخلیه منابع فسیلی، تخلیه منابع فسفات و تیمارها تخلیه منابع پتاسیم (به ترتیب 04/2439 بر حسب MJ، 497/6 برحسب kgP₂O₅eq و 494/0 برحسب kgK₂Oeq) نیز در تیمار 500 کیلوگرم اوره در تولید رقم محلی بود. کم­ترین مقادیر تخلیه این منابع نیز به ترتیب با مقادیر 14/987 بر حسب MJ، 630/2 برحسب kgP₂O₅eq و 200/0 برحسب kgK₂Oeq متعلق به تیمار 300 کیلوگرم اوره برای تولید یک تن ذرت رقم KSC 647 بود.

پس از دسته­بندی نتایج نرمال­سازی ارایه شده در جدول 5، شاخص زیست­محیطی (EcoX) در تولید یک تن ذرت ارقام مختلف برای تیمارهای مختلف نیتروژن و رقم محاسبه گردید که در شکل 1 مشاهده می­شود. نتایج نشان داد که شاخص زیست­محیطی (EcoX) در تولید یک تن ذرت با در نظر گرفتن گرمایش جهانی، اسیدیته و اوتریفیکاسیون خشکی برای تیمار مصرف 500 کیلوگرم کود اوره درهکتار برای تولید رقم محلی به مقدار 53/1 به‌دست آمد که بالاترین شاخص را نسبت به سایر
تیمارها نشان داد. کم­ترین مقدار (39/0) نیز در تیمار مصرف 300 کیلوگرم کود اوره در تولید رقم KSC 647 مشاهده شد. شاخص تخلیه منابع (RDI) نیز برای تولید یک تن ذرت با در نظر گرفتن مصرف سوخت دیزل، مصرف کود فسفات و مصرف کود پتاسیم برای تیمار مصرف 500 کیلوگرم کود اوره درهکتار برای تولید رقم محلی دارای بیش­ترین مقدار (11/1) بود و کم­ترین مقدار (45/0) در تیمار مصرف 300 کیلوگرم کود اوره در تولید رقم KSC 647 محاسبه شد (شکل 2).

جدول 3- تجزیه واریانس اثر نیتروژن بر عملکرد و اجزای عملکرد ژنوتیپ­های ذرت

Table 3- Analysis of variance (mean squares) of the effect of nitrogen on yield and yield components of maize genotypes

جدول 4- مقایسه میانگین برای عملکرد و اجزای عملکرد ارقام ذرت

                   Table 4- Means comparison for yield and yield components of maize genotypes 

بحث و نتیجه­گیری

نتایج این مطالعه بیان­گر این موضوع است که مقادیر متفاوت کودهای نیتروژن تاثیر یک­سانی در میزان عملکرد ژنوتیپ­های مختلف ذرت مورد مطالعه در تحقیق حاضر داشته است به عبارت دیگر دو عامل ژنوتیپ و کود نیتروژن به­طور مستقل از هم عمل می­کنند. با توجه به نتایج، افزایش کود نیتروژن منجر به افزایش صفات اقتصادی مهم از جمله عملکرد در ژنوتیپ­های مورد بررسی نشد. لذا با توجه سطوح کود نیتروژنه در نظر گرفته شده برای ژنوتیپ­های مورد نظر، حداقل کود مصرفی (300  کیلوگرم کود اوره) به­دلیل عدم اختلاف معنی­دار با سطوح بیش­تر از آن، مقدار مناسب برای تمام ژنوتیپ­های مورد مقایسه است و افزایش بیش از این مقدار نه تنها بر صفات مهم اقتصادی تاثیر مثبت ندارد بلکه امکان دارد اثرات سوء زیست­محیطی بر جای گذارد که در بخش بعدی در این خصوص صحبت خواهد شد. نیاز گیاهان به نیتروژن زیاد بوده و مصرف متعادل و مناسب آن ضروری است. این عنصر جزء اصلی ترکیبات حیاتی چون اسیدهای نوکلئیک، پروتئین­ها، آنزیم ها و ترکیباتی مانند آدنوزین تری فسفات (ATP) که منبع انرژی شیمیایی برای سلول است، می­باشد (40). در تحقیقی اثرات پنج میزان کود نیتروژن (100، 140، 180، 220 و 260 کیلوگرم نیتروژن خالص) را بر عملکرد دانه و اجزای آن و همچنین درصد پروتئین دانه ذرت هیبرید S.C 704 بررسی شد و مشخص گردید افزایش میزان نیتروژن باعث افزایش معنی دار درصد پروتئین دانه، وزن هزاردانه، تعداد دانه در بلال و عملکرد دانه می­گردد. در این تحقیق نشان داده شد که با توجه به مسایل زیست­محیطی و اقتصادی و همچنین کارایی مصرف نیتروژن میزان 160 کیلوگرم نیتروژن کندرها در هکتار را برای این هیبرید پیشنهاد می­شود (41). برطبق نظر مارشنر (42) وجود مقادیر زیاد نیتروژن در گیاه حساسیت آن را نسبت به بیماری­ها و ورس افزایش می­دهد. مصرف مواد غذایی به ویژه نیتروژن به اندازه کافی و به روش مناسب با توجه به خصوصیات فیزیولوژیک رشد و نمو گیاه یکی از راهکارهای مدیریتی بهبود عملکرد اغلب گیاهان به خصوص در گیاه ذرت می­باشد (43). جوکلای و رندل (44) گزارش نمودند که با افزایش مصرف نیتروژن از صفر تا 150 کیلوگرم در هکتار، عملکرد دانه به طور معنی­داری افزایش یافت، اما با افزایش بیش­تر آن تا 225 کیلوگرم در هکتار، افزایش معنی­داری در عملکرد دانه مشاهده نشد. در تحقیق حاضر عدم معنی­داری برهمکنش نیتروژن و ژنوتیپ برای اکثر صفات بیان­گر مستقل بودن دو عامل است در حالی­که مول و همکاران (45) اختلاف ژنتیکی در کار آیی مصرف نیتروژن در هیبریدهای ذرت را گزارش داده­اند. مقدار کود مورد نیاز گیاه بسته به فراهم بودن رطوبت در طول دوره رشد، نوع خاک و حاصل­خیزی آن، و نوع رقم متفاوت است (46). کمی کارآیی نیتروژن به دلیل هدر رفت آن از طریق نیترات زدایی، آب­شویی و تصعید آمونیوم می­باشد. این هدر رفت نه تنها منجر به کاهش کارآیی استفاده از نیتروژن می­گردد بلکه امروزه یکی از دلایل اساسی آلودگی محیط زیست، سهم قابل توجه بخش کشاورز ی به دلیل استفاده نادرست از کودهای شیمیایی به ویژه کود نیتروژن است. این امر ضرورت تجدید نظر در روش­های افزایش تو لید را بیش از پیش مشخص می­سازد. انتخاب ارقام مناسب و توصیه دقیق کودی با توجه به نیاز گیاه از جمله راه­های افزایش کارآیی استفاده از نیتروژن، کاهش آلودگی محیط زیست و افزایش عملکرد دانه هستند.

در عین حال مصرف کودهای شیمیایی و سوخت فسیلی در تولید ذرت مقادیر قابل توجهی از تخلیه منابع را نشان می­دهد. با توجه به نتایج این مطالعه با افزایش مصرف کودهای شیمیایی، تخلیه منابع طبیعی غیر قابل بازیافت به مراتب با سرعت بیش­تری افزایش پیدا می­کند. از طرف دیگر اگر ارقام یا ژنوتیپ­های گیاهی کم محصول را کشت نماییم منجر به تولید غذای کم­تر برای جامعه بشری می­گردد. لذا با کشت ارقام پرمحصول ذرت می­توان تولید بیش­تر محصول را به ازای همان مقدار تخلیه منابع طبیعی را منجر شد. به عبارت دیگر با افزایش پتانسیل تولید به  ازای هر واحد عملکرد محصول مقدار کم­تری تخلیه منابع طبیعی را خواهیم داشت. همچنین اثرات مقادیر گروه­های تاثیر گرمایش­جهانی، اسیدیته و اتریفیکاسیون خشکی نیز با مصرف کودهای شیمیایی و سوخت فسیلی در تولید ذرت بسیار چشم­گیر بود. ­شاخص طبقه­بندی گروه تأثیر گرمایش جهانی در بخش زراعی تولید گندم نیز برابر kg CO₂ eq 5/119 (19)، برای تولید یک تن چغندرقند kg CO₂ eq 9/22 (47) گزارش شده است. در مطالعه دیگری این شاخص با میانگین مصرف حدود 52 کیلوگرم نیتروژن در هکتار، kg SO₂ eq 25/6 گزارش شده است (29). شاخص طبقه­بندی گروه تاثیر اسیدیته برای تولید کلزا و آفتابگردان در شیلی به ترتیب kg SO₂ eq  19 و 23 محاسبه شد (20). در تحقیقی دیگر برای تولید گندم شاخص اسیدیته kg SO₂ eq 4 بدست آمد (19). شاخص طبقه­بندی اوتریفیکاسیون نیز برای تولید کلزا و آفتابگردان نیز در شیلی به ترتیب kg NO_x eq 2/7 و 9 محاسبه شد (20). در این مطالعه، گروه‌های تاثیر زیست محیطی بیش‌ترین آسیب به محیط زیست را در مصرف مقادیر بالاتر کود نیتروژن داشتند. در مطالعه دیگری در سامانه تولید گندم با مصرف 144 کیلوگرم نیتروژن در هکتار و با در نظر گرفتن چهار اثر زیست­محیطی گرمایش جهانی، اسیدیته، اوتریفیکاسیون خشکی و تغییر کاربری زمین شاخص زیست محیطی حدود 2/0 بدست آمد (15). در مطالعه دیگری بر روی گندم گزارش شده است که در مقادیر پایین مصرف نیتروژن تا 150 کیلوگرم در هکتار شاخص زیست محیطی کم بود و با افزایش مصرف نیتروژن از 200 تا 390 کیلوگرم در هکتار شاخص زیست محیطی نیز به شدت افزایش یافت (16).

در مجموع بررسی اثرات مصرف مقادیر مختلف کود نیتروژن بر روی اثرات زیست­محیطی تولید چهار رقم ذرت حاکی از آن بود که با افزایش مصرف کود نیتروژن در هکتار با این­که تفاوتی بین عملکرد وجود نداشت، اما میزان انتشار آلاینده‌های NH₃، N₂O، NO_X، CO₂، CH₄ و SO₂ افزایش یافت. این امر منجر به افزایش اثرات مخرب زیست‌محیطی تولید ذرت در مصرف مقادیر بالاتر کود نیتروژن شد. همچنین مصرف مقادیر بالاتر کود نیتروژن، منجر به افزایش اثرات مخرب زیست محیطی در قالب گروه‌های تاثیر تخلیه منابع شد. در عین حال در مطالعه حاضر، گزینش رقم برتر ذرت از لحاظ عملکرد، باعث کاهش آسیب به محیط زیست شد. به طوری­که با کاهش انتشار آلاینده­ها در واحد عملکردی تن در هکتار، منتجر به کاهش شاخص زیست­محیطی گردید. لذا می توان چنین نتیجه گیری کرد که افزایش مصرف کود نیتروژن گاهاً نمی تواند افزایش عملکرد را در مقابل با اثرات زیست­محیطی سودمند تلقی کنند. در مقابل بهره­گیری از ارقام برترعلاوه بر اثر مثبت بر افزایش عملکرد، منجر به کاهش اثرات زیست­محیطی در واحد تولید می­گردد.

تشکر و قدردانی

بدین­وسیله برخود لازم می­دانیم از خانم دکتر سرور خرمدل (استادیار گروه زراعت دانشگاه فردوسی مشهد) و همچنین آقای مهندس نیکخواه (دانشجوی دکتری بیوسیستم دانشگاه فردوسی مشهد) به­دلیل در اختیار گذاشتن برخی ضرایب برای محاسبات ارزیابی چرخه حیات کمال تشکر و قدردانی را نماییم.

References

      1.            McDevitt, J.E. and Milài Canals, L. 2011. Can life cycle assessment be used to evaluate plant breeding objectives to improve supply chain sustainability? A worked example using porridge oats from the UK. Int. J. Agric. Sustain., 9: 484–494.

      2.            Food and Agriculture Organisation of the United Nations (FAO). 2011. Save and Grow: A Policymaker’s Guide to the Sustainable Intensification of Smallholder Crop Production; FAO: Rome, Italy, 2011.

      3.            Ceccarelli, S.  1994. Specific adaptation and breeding for marginal conditions. Euphytica, 77: 205–219.

      4.            Ceccarelli, S., Grando, S. and Hamblin, J. 1992. Relationship between barley-grain yield measured in low-yielding and high-yielding environments. Euphytica, 64: 49–58.

      5.            Phillips, S.L. and Wolfe, M.S. 2005. Evolutionary plant breeding for low input systems. J. Agric. Sci., 143: 245–254.

      6.            Fess, T.L., Kotcon, J.B. and Benedito, A. 2011. Crop breeding for low input agriculture: A sustainable response to feed a growing population. Sustainability, 3: 1742–1772.

      7.            Guarda, G., Padovan, S. and Delogu, G. 2004. Grain yield, nitrogen-use efficiency and baking quality of old and modern Italian bread-wheat cultivars grown at different nitrogen levels. Eur. J. Agron., 21: 181-192.

      8.            Tester, M. and Langridge, P. 2010. Breeding technologies to increase crop production in a changing world. Science, 327: 818–822.

      9.            Williams, A.G., Audsley, E. and Sandars, D.L. 2006. Determining the Environmental Burdens and Resource Use in the Production of Agricultural and Horticultural Commodities; Defra Project Report IS0205; Cranfield University, DEFRA: Bedford, UK.

  10.            Tuomisto, H., Hodge, I., Riordan, P. and Macdonald, D. 2012. Comparing global warming potential, energy use and land use of organic, conventional and integrated winter wheat production. Ann. Appl. Biol., 161: 116–126.

  11.            Soltani, A., Rajabi, M.H., Zeinali, E. and Soltani, E. 2010. Evaluation of environmental impact of crop production using LCA: wheat in Gorgan. Electronic Journal of Crop Production, 3(3): 201-218.

  12.            Energy the Balance Sheet. 2008. Available at Web site http://www.moe.gov.ir/(In Persian)

  13.            Pennington, D.W., Potting, J., Finnveden, G., Lindeijer, E., Jolliete, O., Rydberg, T., and Rebitzer, G. 2004. Life cycle assessment Part 2: Current impact assessment practice. Environ. Int., 30: 721-739.

  14.            Roy, P., Shimizu, N., and Kimura, T. 2005. Life cycle inventory analysis of rice produced by local processes. JSAM., 67(1): 61-67.

  15.            Brentrup, F., Küsters, J., Kuhlmann, H., and Lammel, J. 2004a. Environmental impact assessment of agricultural production systems using the life cycle assessment methodology: I. Theoretical concept of a LCA method tailored to crop production. European Journal of Agronomy, 20(3): 247-264.

       16.                        Brentrup, F., Küsters, J., Lammel, J., Barraclough, P., and Kuhlmann, H. 2004b. Environmental impact assessment of agricultural production systems using the life cycle assessment (LCA) methodology II. The application to N fertilizer use in winter wheat production systems. European Journal of Agronomy, 20(3): 265-279.

  17.            Renouf, M.A., Wegener, M.k., and Nielsen, L.K. 2008. An environmental life cycle assessment comparing Australian sugarcane with US corn and UK sugar beet as producers of sugars for fermentation. Biomass and Bioenergy, 32:1144-1155.

  18.            Van der Werf, H.M.G., and Turunen, L. 2008. The environmental impacts of the production of hemp and flax textile yarn. Ind. Crops Prod., 27: 1-10.

  19.            Wang, M., Wu, W., Liu, W., and Bao, Y. 2007. Life cycle assessment of the winter wheat-summer maize production system on the North China Plain. International Journal of Sustainable Development and World Ecology, 14(4): 400-407.

  20.            Iriarte, A., Rieradevall, J., and Gabarrell, X. 2010. Life cycle assessment of sunflower and rapeseed as energy cropsunder Chilean conditions. Journal of Cleaner Production, 18(4): 336-345.

  21.            Charles, R., Jolliet, O., Gaillard. G., and Pellet, D. 2006. Environmental analysis of intensity level in wheat crop production using life cycle assessment. Agriculture, Ecosystems and Environment, 113(1-4): 216-225.

  22.            Abeliotis, K., Detsis, V., and Pappia, C. 2013. Life cycle assessment of bean production in the Prespa Natinal Park. Greece. Journal of Cleaner production, 41(1): 89-96.

  23.            Mirhaji, H., Khojastehpour, M., and Abaspour-fard, M.H. 2013. Environmental effects of wheat production in Marvdasht region. Journal of Natural Environment, 66(2): 223-232.

  24.            Taghavi, D., Ajali, J., Valadyani, A.L., and Fatahi, I. 2008. Evaluation of energy efficiency in dry farming of barley (Hordeum vulgar L.) field in Azarbayejan-e-Sharqi provic, Iran. J. New Agric. Sci. 3(7):41-49.

  25.            Khan, S., Khan, M. A., and Latif, N. 2010. Energy requirements and economic analysis of wheat, rice and barley production in Australia. The Soil Environ., 26:61-68

  26.            Khanali, M.,  Movahedi, M., Yousefi, M., Jahangiri, S. and Khoshnevisan, B. 2016. Investigating energy balance and carbon footprint in saffron cultivation – a case study in Iran. Journal of Cleaner Production, 115: 162-171.

  27.            Fallahpour, F., Aminghafouri, A., Ghalegolab-Behbahani, A. and Bannayan, M., 2012. The environmental impact assessment of wheat and barley production by using life cycle assessment (LCA) methodology. Environ. Dev. Sustain., 14: 979-992.

  28.            Bacenetti, J., Pessina, D., Marco Fiala, M., 2016. Environmental assessment of different harvesting solutions for Short Rotation Coppice plantations.Science of the Total Environment, 541: 210–217.

  29.            Nikkhah, A., Khojastehpour, A, Emadi, B. Taheri-Rad,  A.R., Khorramdel, S. 2015. Environmental impacts of peanut production system using life cycle assessment methodology. Journal of Cleaner Production, 92: 84-90.

  30.            Nikkhah, A., Emadi, B., Soltanali, H., Firouzi, S., Rosentrater, K., Allahyari, M.S. 2016. Integration of Life Cycle Assessment and Cobb-Douglas Modeling for the Environmental Assessment of Kiwifruit in Iran, Journal of Cleaner Production, 137: 843-849.

  31.            Brentrup, F., Küsters, J., Lammel, J. and Kuhlmann, H. 2000. Methods to estimate on-field nitrogen emissions from crop production as an input to LCA studies in the agricultural sector. The International Journal of Life Cycle Assessment, 5(6): 349-357.

  32.            CPM, (2007) SPINE@CPM database. Competence center in environmental assessment of product and material systems (CPM), Chalmers University of Technology,Goteborg.

       33.                        Tzilivakis, J., Warner, D.J., May, M., Lewis, K.A. and Jaggard, K. 2005. An assessment of the energy inputs and greenhouse gas emissions in sugar beet (Beta vulgaris) production in the UK. Agricultural Systems, 85(2): 101-119.

  34.            Dehghani, H. 2007. Guide to Air Quality, Principles of Meteorology and Air Pollution. Publications of Ghashie. Tehran, Iran 402 p.

  35.            Goebes, M.D., Strader, R., and Davidson, C. 2003. An ammonia emission inventory for fertilizer application in the United States. Atmospheric Environment, 37(18): 2539-2550.

  36.            Snyder, C.S., Bruulsema, T.W., Jensen, T.L., and Fixen, P.E. 2009. Review of greenhouse gas emissions from crop production systems and fertilizer management effects. Agriculture, Ecosystems and Environment, 133(3-4): 247-266.

  37.            Gasol, C.M., Gabarrell, X., Anton, A., Rigola, M., Carrasco, J., Ciria, P., Solano, M.L., and Rieradevall, J. 2007. Life cycle assessment of a Brassica carinata bioenergy cropping system in southern Europe. Biomass and Bioenergy, 31(8): 543-555.

  38.            Taheri-Rad, A.R., Nikkhah, A., Khojastehpour, M., Nourozieh, Sh. 2015. Assessing GHG emissions, and energy and economic analysis of cotton production in the Golestan province. Journal of Agricultural Machinery, 5(2): 428-445.

  39.            Soltanali, H., Emadi, B., Rohani, A., Khojastehpour, M., Nikkhah , A. 2015. Life cycle assessment modeling of milk production in Iran, Information Processing in Agriculture, 2: 101-108.

  40.            Shoghi Kalkhoran S., Ghalavand A., Modarres Sanavy S.A.M., Akbari P. 2011. Effect of Nitrogen Fertilizer and Bio Fertilizer Application on Yield and Quality of Sunflower (Helianthus Annuus L.). Iranian Journal of Crop Sciences, 12(4): 467-481.

       41.                        Many, A., Bahar, A., Zeridan, M.S., and Hazayn, M. 2006. Yield and quality of Maize (Zea mays L.) as affected by slow- release nitrogen in newly reclaimed sandy soil. American-Eurasian J. Agric. Environ. Sci., 1(3): 239-242.

  42.            Marshner, H. 1995. Mineral nutrition of higher plants. Academic Press, London, England. 889 P.

  43.            Malakouti, M.J., Bybordi, A., Lotfollahi, M., Shahabi, A.A., Siavoshi, K., Vakil, R., Ghaderi, J., Shahabifar Majidi, J., Jafarnajadi, A.R., Dehghani, F., Keshavarz, M.H., Ghasemzadeh, M., Ghanbarpouri, R., Dashadi, M., Babaakbari, M., and Zaynalifard, N. 2008. Comparison of complete and sulfur coated urea fertilizers with pre-plant urea in increasing grain yield and nitrogen use efficiency in wheat. J. Agric. Sci. Technol., 10: 173-183.

  44.            Jokela, W.E. and Randall, G.W. 1989. Corn Yield and Residual Soil Nitrate as Affected by time and Rate if Nitrogen Application. Agron. J., 81: 720-726.

  45.            Moll, R.H., E.J. Kamprath and W.A. Jackson. 1982. Analysis and interpretation of factors which contribute to efficiency of nitrogen utilization. Agron. J., 74:262-264.

  46.            Tajbakhsh, M. and Pourmirza, A.A. 2003. Cereal Crops. University Jihad Publications, West Azarbaijan, 314p.

  47.            Mirhaji, H., Khojastehpour, M., Abaspour-fard, M.H., and Mahdavi Shahri, S.M. 2012. Environmental impact study of sugar beet production using life cycle assessment in Khorasan province. Agroecology, 4: 112-120.