تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,218 |
تعداد دریافت فایل اصل مقاله | 15,216,892 |
اثر تغییراقلیم بر عملکرد گندم و تحلیل ریسک ناشی از آن (مطالعۀ موردی: منطقۀ روددشت اصفهان) | ||
دانش آب و خاک | ||
مقاله 10، دوره 20، شماره 3، آبان 1389، صفحه 135-150 اصل مقاله (435.73 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
بهنام آبابایی* 1؛ تیمور سهرابی2؛ فرهاد میرزایی2؛ وحید رضاوردی نژاد3؛ بختیار کریمی4 | ||
1دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران | ||
2گروه آبیاری و آبادانی دانشگاه تهران | ||
3گروه مهندسی آب دانشگاه ارومیه | ||
4دانشگاه آزاد اسلامی شاخه کرمانشاه | ||
چکیده | ||
هرگونه تغییر در میزان غلظت گازهای گلخانهای در اتمسفر زمین، باعث برهم خوردن تعادل بین اجزاء سیستم اقلیم کره زمین میگردد. اما اینکه در آینده چه مقدار از این گازها توسط جوامع بشری وارد اتمسفر زمین میشود، معین و قطعی نیست و تحت سناریوهای مختلفی ارائه شده است. در این مطالعه، سری زمانی روزانه پارامترهای اقلیمی منطقۀ 538 ppm) B 3 درجه) و 1 / و افزایش دما 8 ،CO 857 غلظت 2 ppm) A روددشت اصفهان تحت سناریوهای تغییر اقلیم 2 و با بکارگیری مولد HADCM3 (GCM) و افزایش دما 2 درجه) با استفاده از نتایج مدل گردش عمومی CO غلظت 2 برای دورة 2011 تا 2030 میلادی تولید گردید. نتایج نشان داد که در منطقۀ مورد مطالعه، میانگین LARS-WG اقلیم بارش سالانه، مجموع بارش سالانه در طول دورة رشد گیاه و متوسط دمای روزانه تحت هر دو سناریوی تغییر اقلیم مورد ارزیابی قرار SWAP افزایش خواهند یافت. اثر تغییر اقلیم بر عملکرد محصول گندم فاریاب با استفاده از مدل گرفت. تحلیل مقدار عملکرد نسبی و مطلق گندم تحت سناریوهای مختلف اقلیمی نشان داد که متوسط عملکرد نسبی 2 درصد و / 1 و 1 / 1961 )، به ترتیب 49 - نسبت به سناریوی مبنا ( 1990 B و 1 A محصول تحت دو سناریوی تغییر اقلیم 2 17 درصد کاهش خواهند یافت. با تحلیل ریسک کاهش محصول نسبی و / 4 و 9 / متوسط عملکرد دانۀ گندم به ترتیب 19 احتمال (ریسک) کاهش محصول نسبت به ،B واقعی گندم مشخصشد که در سناریوهای تغییر اقلیم، به ویژه سناریوی 1 مقدار میانگین دورة مبنا افزایش مییابد. میزان ریسک حداقل 500 کیلوگرم در هکتار کاهش محصول گندم تحت نسبت به متوسط سناریوی مبنا به ترتیب در حدود 15 ،7 و 55 درصد برآورد گردید. B و 1 A سناریوهای مبنا، 2 | ||
کلیدواژهها | ||
تغییر اقلیم؛ گندم؛ SWAP؛ Lars-WG؛ HadCM3 | ||
مراجع | ||
مساح بوانی ع، 1385 . ارزیابی ریسک تغیر اقلیم و تاثیر آن بر منابع آب: مطالعه موردی حوضه زاینده رود اصفهان. پایان نامه دکترای مدیریت منابع آب، دانشکدة کشاورزی، دانشگاه تربیت مدرس. Ababaei B, Sohrabi TM, Mirzaei F and Karimi B, 2010. Evaluation of a stochastic weather generator in different climates. Computer and Information Science 3(3): 217-229. Abraha MG and Savage MJ, 2006. Potential impacts of climate change on the grain yield of maize for the midlands of KwaZulu-Natal, South Africa. Agriculture, Ecosystems and Environment 115: 150–160. Allen RG, Pereira LS, Raes D and Smith M, 1998. Crop evapotranspiration: Guidelines for computing crop water requirements. Irr and Drain Paper 56. UN-FAO, Rome, Italy. Anynomous, 1999. Guidelines on the use of scenario data for climate impact and adaptation assessment In: Carter TR, Hulme M and Lal M, (eds.), Version 1. Intergovernmental Panel on Climate Change, Task Group on Scenarios for Climate ImpactAssessment (IPCC-TGCIA). Bastiaansesen WGM, Huygen J, Schakel JK and Van Den Broek BJ, 1996. Modeling the soilwater- crop-atmosphere system to improve agricultural water management in arid zone (SWATRE), In BJ Van Den Broek (ed.), Pp. 13-27. Dutch experiments in irrigation water management modeling, Report 123, Winand Starig Center, Wagenningen. Droogers P, Akbari M, Torabi M and Pazira E, 2000. Exploring field scale salinity using simulation modeling, Example for Rudasht area, Esfahan Province, Iran, IAEIR-IWMI Research Report 2. Foulkes MJ, Scott RK, Sylvester-Bradley R, 2001. The ability of wheat cultivars to withstand drought in UK conditions: resource capture. Journal of Agricultural Science. 137: 1–16. Hargreaves GH and Samani ZA, 1982. Estimating potential evapotranspiration. Journal of Irrigation and Drainage Engineering ASCE 108 (3): 223–230. 20 شماره 3 / سال 1389 / 148 آبابایی، سهرابی و ... مجله دانش آب و خاک/ جلد 1 Homaee M, Dirksen C, and Feddes RA, 2002. Simulation of root water uptake, I. Non-uniforme transient salinity using different macroscopic reduction function, Agricultural Water Manag 57: 89-109. Hussain SS and Mudasser M, 2007. Prospects for wheat production under changing climate in mountain areas of Pakistan – An econometric analysis. Agricultural Systems 94: 494–501. IPCC 2007a. Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the IPCC. Parry M, Canziani O, Palutikof J, van der Linden P, and Hanson C, Cambridge University Press, Cambridge. Krishnan P, Swain DK, Chandra Bhaskar B, Nayak SK and Dash RN, 2007. Impact of elevated CO2 and temperature on rice yield and methods of adaptation as evaluated by crop simulation studies. Agriculture, Ecosystems and Environment 122: 233–242. Kroes JG, Van Dam JC, Groenendijk P, Hendriks RFA and Jacobs CMJ, 2008. Reference Manual SWAP version 3.2, Alterra Green World Research, Wagenningen, Report1649. Lobell DB, Field CB, Cahill KN and Bonfils C, 2006. Impacts of future climate change on California perennial crop yields: Model projections with climate and crop uncertainties. Agricultural and Forest Meteorology 141: 208–218. Luo Q, Bellotti W, Williams M and Bryan B, 2005. Potential impact of climate change on wheat yield in South Australia. Agricultural and Forest Meteorology 132: 273–285. Mavromatis T and Hansen JW, 2001. Interannual variability characteristics and simulated crop response of four stochastic weather generators. Agricultural and Forest Meteorology 109: 283– 296. Mavromatis T and Jones PD, 1998. Comparison of climate scenario construction methodologies for impact assessment studies. Agricultural and Forest Meteorology 91: 51–67. Mearns LO, Rosenzweig C and Goldberg R, 1996. The effect of changes in daily and interannual climatic variability on ceres-wheat: a sensitivity study. Climate Change 32: 257–292. Mearns LO, Rosenzweig C, Goldberg R, 1997. Mean and variance change in climate scenarios: Methods, agricultural applications, and measures of uncertainty. Climate Change 35: 367–396. Nakicenovic N, Alcamo J, Davis G, de Vries B, Fenhann J, Gaffin S, Gregory K, Grübler A, Jung TY, Kram T, La Rovere EL, Michaelis L, Mori S, Morita T, Pepper Pitcher WH, Price L, Raihi K, Roehrl A, Rogner H, Sankovski A, Schlesinger M, Shukla P, Smith S, Swart R, van Rooijen S, Victor N. and Dadi Z, 2000. Emissions Scenarios. A Special Report of Working Group III of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK and New York, USA. Pearson CJ, Bucknell D and Laughlin CP, 2008. Modelling crop productivity and variability for policy and impacts of climate change in eastern Canada. Environmental Modelling and Software 23: 1345–1355. اثر تغییر اقلیم بر عملکرد گندم و تحلیل ریسک ناشی از آن (مطالعۀ موردی: منطقۀ روددشت اصفهان) 149 Philips DL, Lee JJ and Dodson RF, 1996. Sensitivity of the US corn belt to climate change and elevated CO2: I. Corn and Soybean yields. Agricultural Systems 52: 481-502. Porter JR and Semenov MA, 1999. Climatic variability and modelling of crop yield in Europe. Nature 400: 724. Racsko P, Szeidl L and Semenov MA, 1991. A serial approach to local stochastic weather models. Ecological Modelling 57: 27-41. Richarsdon CW and Wright DA, 1984. WGEN: a model for generating daily weather variables. U.S. Dep. of Agric, Agricultural Research Service ARS-8. Richter GM and Semenov MA, 2005. Modelling impacts of climate change on wheat yields in England and Wales - assessing drought risks. Agricultural Systems 84: 77–97. Semenov MA and Barrow EM, 1997. Use of a stochastic weather generator in the development of climate change scenarios. Climatic Change 35: 397-414. Semenov MA and Brooks RJ, 1999. Spatial interpolation of the LARS-WG stochastic weather generator in Great Britain. Climate Research 11: 137-148. Semenov MA and Porter JR, 1994. The implications and importance of non-linear responses in modelling of growth and development of wheat. In: Grasman, J, van Straten, G. (Eds.), Predictability and Nonlinear Modelling in Natural Sciences and Economics. Wageningen. Semenov MA, Brooks RJ, Barrow EM and Richardson CW, 1998. Comparison of the WGEN and LARS-WG stochastic weather generators in diverse climates. Climate Research 10: 95–107. Semenov MA. and Stratonovitch P. 2009. The use of multi-model ensembles from global climate models for impact assessments of climate change. Climate Research 41: 1-14. Stockle CO, Steduto P and Allen RG, 1998. Estimating daily and daytime mean VPD from daily maximum VPD. 5th Congress of the European Society of Agronomy, Nitra, the Slovak Republic. Stockle CO, Donatelli M, Nelson R, 2003. CropSyst: a cropping systems simulation model. European Journal of Agronomy 18(3-4): 289-307. Van Genuchten MTh, 1980. A closed form equation for predicting the hydraulic conductivity of unsaturated soils. Soil Science Society of America Journal 44: 892-898. Van Ittersum MK, Howden SM and Asseng S, 2003. Sensitivity of productivity and deep drainage of wheat cropping systems in a Mediterranean environment to changes in CO2, temperature and precipitation. Agriculture, Ecosystems and Environment 97: 255–273. Vazifedoust M, Van Dam JC, Feddes RA and Feizi M, 2008. Increasing water productivity of irrigated crops under limited water supply at field scale. Agricultural Water Management 95: 89-102. Wilby RL and Wigley TML, 2000. Down-scaling general circulation issues in climate prediction. In: Sivakumar, M.V.K. (Ed.), Pp.39–68, Climate Prediction and Agriculture, Proceedings of the 20 شماره 3 / سال 1389 / 150 آبابایی، سهرابی و ... مجله دانش آب و خاک/ جلد 1 START/WMO International Workshop, Geneva, Switzerland, September 27–29, 1999. International START Secretariat, Washington, DC, USA. Wolf J, Evans LG, Semenov, MA, Eckersten H and Iglesias A, 1996. Comparison of wheat simulation models under climate change. 1. Model calibration and sensitivity analyses. Climate Research 7: 253–270. Zhang XC and Nearing MA, 2005. Impact of climate change on soil erosion, runoff, and wheat productivity in central Oklahoma. Catena 61: 185–195. | ||
آمار تعداد مشاهده مقاله: 2,868 تعداد دریافت فایل اصل مقاله: 1,266 |