palette
برآورد ضریب محصولات کشاورزی کشت‌و ‌صنعت مغان و مطالعه رابطه تبخیر-تعرق با راندمان تولید محصولات

چکیده
کمبود روزافزون منابع آب تجدیدپذیر در کشور، برآورد نیاز آبی مزارع را به یکی از اولویت‌‌های مهم مدیریت آب در کشاورزی تبدیل نموده است. نیاز آبی مزارع توسط مولفه‌‌های اقلیمی منطقه کنترل می‌شود و برابر است با تبخیر-تعرق مرجع که با یک ضریب ویژ‌ه (بسته به نوع محصول و منطقه جغرافیایی کاشت) اصلاح می‌گردد. در تحقیق حاضر، با استفاده از تصاویر ماهواره لندست8، ضریب محصولات عمده کشاورزی منطقه کشت‌­و‌ صنعت مغان از دو روش برآورد و مقایسه شده ‌است. روش نخست بر مبنای اندازه‌گیری تبخیر-‌تعرق مزارع و روش دوم بر مبنای اندازه‌گیری شاخص گیاهی NDVI است. مقایسه این دو روش برای پنج محصول عمده منطقه نشان داد که مقدار خطای جذر میانگین مربعات قابل قبول (کمتر از 28/0) است. در ادامه، برای برآورد نیاز آبی محصولات، از ضریب محصول تولید شده بر مبنای تبخیر-‌تعرق استفاده شد. نیاز آبی محصولات با شش متد برآورد شد: ترکیب دو روش برآورد تبخیر-‌تعرق واقعی و سه روش برآورد تبخیر-‌تعرق مرجع. از میان آنها، متد متریک- پنمن مونتیث برای برآورد نیاز آبیاری بکارگرفته شد. تخمین نیاز آبیاری مستلزم کسرکردن بارش موثر از نیاز آبی است. برای برآورد بارش موثر، پس از بررسی چهار روش متداول، روش فائو برای شیب‌های کم ترجیح داده شد. نیاز آبیاری محصولات منطقه کشت‌و ‌صنعت مغان بر از حداقل 270 میلی‌متر (برای جو دیم) تا حداکثر 1500 میلی‌متر (برای باغ زیتون) برآورد شده است. . بررسی آماری اندازه‌گیری‌ها سه ساله وجود یک همبستگی را بین میزان عملکرد محصول و میزان تبخیر-‌تعرق مزارع آشکار کرد. همچنین مشخص شد که عملکرد محصولات با شاخص‌های طیفی گیاه نیز دارای رابطه معنی‌دار است. هدف نخست تحقیق حاضر، برآورد ضرایب محلی محصولات کشاورزی منطقه مغان است؛ هدف دوم، بررسی رابطه‌مندی ضریب محصولات کشاورزی و شاخص‌های طیفی آنها به‌منظور تخمین ضریب محصولات بصورت مستقیم از این شاخص‌‌هاست.
واژگان کلیدی
تبخیر-تعرق، ضریب محصول، نیاز آبی، کشت‌‌و ‌صنعت مغان

منابع و مآخذ مقاله

احسانی، م. و خالدی، ه.، 1382، شناخت و ارتقای بهره‌وری آب کشاورزی به منظور تأمین امنیت آبی و غذایی کشور، یازدهمین همایش ملی کمیته ملی آبیاری و زهکشی ایران.

ببران، ص. و هنربخش، ن 1386: بحران وضعیت آب در ایران و جهان، پژوهش‌نامه مطالعات توسعه پایدار و محیط زیست، شماره اول، تهران، اندیشه برتر پویا.

میرموسوی، س. ح.، پناهی، ح.، اکبری، ح. و اکبرزاده، ی.، 1391، واسنجی روش‌هاي برآورد تبخیرو تعرق پتانسیل گیاه مرجع (ET0) و محاسبه نیاز آبی (ETc) گیاه زیتون در استان کرمانشاه، جغرافیا و پایداری محیط، شماره 3، صفحه 45 تا64.

Allen, R. G., Tasumi, M. & Trezza, R., 2002, Surface energy Balance Algorithm for Land, Advanced training and user’s manual, Idaho Implementation, Version 1.

Allen, R.G., Tasumi, M., Morse, A., Trezza, R., Wright, J.L. & Bastiaanssen, W., et al., 2007, Satellite-based Energy Balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)- Applications, Journal of Irrigation and Drainage Engineering, 133, 395-406.

Allen, R.G., Tasumi, M., Trezza, R., Robison, C.W., Garcia, M., Toll, D., Arsenault, K., Hendrickx, J.M.H. & Kjaersgaard, J., 2008, Comparison of Evapotranspiration Images Derived from MODIS and Landsat along the Middle Rio Grande, American Geophysical Union, Fall Meeting 2008, abstract id. H43G-1094.

Allen, R.G., Pereira, L.S., Howell, T.A. & Jensen, M.E., 2011, Evapotranspiration information reporting: I. Factors governing measurement accuracy, Agric. Water Manag.

Bashir, M., Hata, T., Abdelhadi, A., Tanakamaru, H., & Tada, A., 2006, Satellite-Based Evapotranspiration and Crop Coefficient for Irrigated Sorghum in the Gezira Scheme, Sudan, Hydrology and Earth System Sciences Discussions, 793-817.

Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A. & Holtslag, A.A.M.A, 1998, Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL): 1. Formulation, Journal of Hydrology, 212-213, 198-212.

Bastiaanssen, W.G.M., Pelgrum, H., Wang, J., Ma, Y., Moreno, J.F., Roerink, G.J., et al., 1998, A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL): 2. Validation, Journal of Hydrology, 212-213, 213-229.

Bastiaanssen, W.G.M., 2000, SEBAL-based Sensible and Latent Heat Fluxes in the Irrigated Gediz Basin, Turkey, Journal of Hydrology, 229, 87-100.

Bastiaanssen, W.G.M. & Chandrapala, L., 2003, Water Balance Variability across Sri Lanka for Assessing Agricultural and Environmental Water Use, Agricultural Water Management, 58, 171-192.

Bastiaanssen, W.G.M., Noordman, E.J.M., Pelgrum, H., Davids, G., Thoreson, B.P., & Allen, R.G., 2005, SEBAL Model with Remotely Sensed Data to Improve Water Resources Management under Actual Field Conditions, Journal of Irrigation and Drainage Engineering, 131, 85-93.

Berti, A., Tardivo, G., Chiaudani, A., Rech, F., Borin, M., 2014, Assessing reference evapotranspiration by the Hargreaves methodin north-eastern Italy, Agric. Water Manage. 140, 20–25.

Bhattarai, N., Dougherty, M., Marzen, L.J., & Kalin, L., 2012, Validation of Evaporation Estimates from a Modified Surface Energy Balance Algorithm for Land (SEBAL) Model in the South-Eastern United States, Remote Sensing Letters, 511-519.

Doorenbos, J. & Pruitt, W., 1977, Guiedline for predicting Crop water requirements, Food and Agriculture Organization of the United Nations, Rome.

Dastane, N.G., 2013, Effective rainfall, Irrigation and drainage paper 25, FAO, Rome, Italy. http://www.fao.org/docrep/ X5560E/X5560E00.htm.

Duchemin, J., Hadria, R., Er-Raki, S., Boulet, G., Maisongrande, P., Chehbouni, A., Escadafal, R., Ezzahar, J., Hoedjes, J., Karroui, H., Khabba, S., Mougenot, B., Olioso, A., Rodriguez, J.-C. & Simonneaux, V., 2006, Monitoring wheat phenology and irriga-tion in Central Morocco: on the use of relationship between evapotranspira-tion, crops coefficients, leaf area index and remotely-sensed vegetation indices, Agric. Water Manage., 79, 1–27.

Droogers, P., 2000, Estimating Actual Evapotranspiration using a Detailed Agro-Hydrological Model, Journal of Hydrology, 229, 50-58.

Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masouka, E., Wolfe, R.E., Saleous, S., Roy, D.P. & Morisette, J.T., 2002, An overview of MODIS Land data processing and product status, Remote Sensing of Environment 83, 3e15.

Kamble, B., Kilic, A., Hubbard, K., 2013, Estimating crop coefficients using remote sensing-based vegetation index, Remote Sensing, 5(4), 1588-1602.

Landsat 8 (L8) Data Users Handbook, 2016, Department of the Interior U.S. Geological Survey, USGS, Version 2.

Landsat Collections, 2016, United States Geological Survey (USGS). http://landsat. usgs.gov/landsatcollections.php.

Olmedo, G.F., Ortega-Farias, S., Fuente-Saize, D., Fonseca-Luego, D. & Fuentes-Penailillo, F., 2016, water: Tools and Functions to Estimate Actual Evapotranspiration Using Land Surface Energy Balance Models in R, The R Journal, 8:2, pages 352-369.

Paiva, C.M., Franca, G.B., Liu, W.T.H. & Rotunno Filho, O.C., 2011, A Comparison of Experimental Energy Balance Components Data and SEBAL Model Results in Dourados, Brazil, International Journal of Remote Sensing, 32, 1731-1745.

Penman, L.H., 1963, Vegetation and Hydrology, Tech. Comm. No. 53, Commonwealth Bureau of Soils, Harpenden. England.,125.

Pescod, M. B., 1992, Water treatment and use in agriculture, Fao Irrigation and drainage; Paper NO. 55.

Roy, D.P., Wulder, M.A., Loveland, T.R., Woodcock, C.E., Allen, R.G., Anderson, M.C., et al., 2014, Landsat-8: Science and Product Vision for Terrestrial Global Change Research, Remote Sensing of Environment, 145, 154-172.

Ruhoff, A. L., Paz, A. R., Collischonn, W., Aragao, L. E., Rocha, H. R., & Malhi, Y. S. A, 2012, MODIS-Based Energy Balance to Estimate Evapotranspiration for Clear-Sky Days in Brazilian Tropical Savannas, Remote Sensing, 4: 703-25.

Santos, C., Lorite, I.J., Allen, R.G., & Tasumi, M., 2012, Aerodynamic Parameterization of the Satellite-Based Energy Balance (METRIC) Model for ET Estimation in Rain fed Olive Orchards of Andalusia, Spain, Water Resources Management, 26, 3267-3283.

Tasumi, M., Allen, R. G., Trezza, R. & Wright, J. L., 2005a, Satellite-based energy balance to assess within-population variance of crop coefficient curves, J. Irrig. and Drain. Engrg, ASCE 131(1):94-109.

Tasumi, M., Trezza, R., Allen, R.G. & Wright, J. L., 2005b, Operational aspects of satellite-based energy balance models for irrigated crops in the semi-arid U.S, J. Irrigation and Drainage Systems, 19:355-376.

Tasumi, M., Trezza, R. & Allen, R.G., 2006, METRIC Manual for MODIS Image Processing Version 1.0. University of Idaho R&E Center, Kimberly, Idaho. 67 p.

Teixeira, A.H.d.C., Bastiaanssen, W.G.M., Ahmad, M.D. & Bos, M.G., 2009, Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle São Francisco River basin, Brazil: part A: calibration and validation, Agricultural and Forest Meteorology, 149 (3–4), 462–476.

Zhe Zhu, Curtis E. Woodcock, 2011, Object-based cloud and cloud shadow detection in Landsat imagery, Remote Sensing of Environment 118 (2012) 83–94. Available

from: https://www.researchgate.net/ publication/ 256850150.


ارجاعات
  • در حال حاضر ارجاعی نیست.