تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,341 |
تعداد دریافت فایل اصل مقاله | 15,216,917 |
ارائه مدل بهینهسازی آبیاری و آبشویی در شرایط محدودیت آب به منظور دستیابی به حداکثر سود خالص و حداقل آب آبشویی | ||
دانش آب و خاک | ||
مقاله 7، دوره 33، شماره 1، فروردین 1402، صفحه 93-107 اصل مقاله (579.3 K) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2021.28522.2160 | ||
نویسندگان | ||
مسعود محمدی* 1؛ کامران داوری2؛ هادی دهقان3 | ||
1دانش آموخته دکترای گروه مهندسی آب دانشکده کشاورزی، دانشگاه فردوسی مشهد | ||
2استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد | ||
3گروه علوم و مهندسی آب، مرکز آموزش عالی کاشمر | ||
چکیده | ||
آبیاری نقش بسیار مهمی در افزایش تولید مواد غذایی دارد و از آنجایی که مناطق خشک و نیمهخشک با کمبود آب مواجه هستند، بهینهسازی عمق آبیاری و آبشویی از اهمیت زیادی برخوردار میباشد. استفاده از مدلهای شبیهسازی از جمله مدل AquaCrop، در بررسی و تحلیل سناریوهای مختلف آبیاری و انتخاب مدیریت مناسب آب بهخصوص در شرایط کمبود منابع آب میتواند بسیار کمککننده باشد. در این تحقیق از مدل AquaCrop واسنجی و صحتسنجی شده برای دو رقم گندم در منطقه بیرجند و یک رقم گندم در منطقه مشهد استفاده گردید. کدنویسی انجام شده در نرمافزار MATLAB به منظور بهینهسازی آبیاری و آبشویی در شرایط محدودیت آب، با مدل AquaCrop لینک گردید. نتایج بهینهسازی نشان داد که سود خالص برای بهترین مدیریت آبیاری و آبشویی در تمام سطوح شوری و رقمهای مختلف گندم به جز سطوح شوری 6/۸ و ۱۰ دسیزیمنس بر متر رقم مشهد و سطح شوری ۶/۹ دسیزیمنس بر متر رقم روشن، بیشتر از مدیریتهای موجود در تحقیق شهیدی و حقوردی بود. در شرایطی که هدف، دستیابی به حداکثر سود خالص و حداقل زهآب تولیدی بود مدل با تغییر نوع مدیریت آبیاری و کاهش دادن میزان آبشویی بخصوص آبشویی فقط در دو آبیاری آخر، میزان آب مصرفی را کاهش داد و میزان زهآب تولیدی را به صفر رساند. همچنین نتایج نشان داد میزان کاهش آب ناخالص آبیاری در شوریهای بالاتر از حد آستانه تحمل گندم نسبت به دیگر سطوح شوری، بسیار کم بود و اختلاف ناچیزی داشتند. به علت اینکه در سطوح شوری بالا نسبت به سطوح شوری پایین، افت محصول در کمآبیاریها بیشتر بود و در نتیجه در سطوح بالاتر از حد آستانه تحمل گندم، کمآبیاری اقتصادی و مقرون به صرفه نبود. به طور کلی نتایج بهینهسازی نشان داد که در منطقه بیرجند و مشهد میتوان با استفاده از بهترین مدیریت آبیاری و آبشویی در سطوح مختلف شوری، سود حاصله از کشت گندم را افزایش داد. | ||
کلیدواژهها | ||
بیرجند؛ گندم؛ مدل AquaCrop؛ مدیریت آبیاری؛ MATLAB | ||
مراجع | ||
Abbate PE, Dardanelli JL, Cantarero MG, Maturano M, Melchiori RJM and Suero EE, 2004. Climatic and water availability effects on water-use efficiency in wheat. Crop Science 44(2): 474-483.
Aghakhani A, Feizi M, Solhi M and Ramezani Etedali M, 2013. Water desalination for agriculture, necessity, importance and limitations. Journal of Land Management 1 (1): 17-31 (In Persian with English abstract).
Agricultural organization of Khorasan Razavi, 2014 [On Line]. Available from: https://koaj.ir/Modules/showframework.aspx?RelFacilityId=1241&ObjectID=252&FrameworkPageType=SEC.
Akbari M, 2004. Combining of remote sensing, field data and SWAP simulation model for improving field irrigation management. PhD Dissertation, Tarbiat Modares University.
Dominguez A, Tarjuelo JM, De Juna JA, Lopez-Mata E, Breidy J and Karam F, 2011. Deficit irrigation under water stress and salinity conditions: The MOPECO-Salt model. Agricultural Water Management 98(9): 1451-1461.
Egli DB and Bruening W, 1992. Planting date and soybean yield: evaluation of environmental effects with a crop simulation model: SOYGRO. Agricultural and Forest Meteorology 62(1-2): 19-29.
García-Vila M and Fereres E, 2012. Combining the simulation crop model AquaCrop with an economic model for the optimization of irrigation management at farm level. European Journal of Agronomy 36(1): 21-31.
García-Vila M, Fereres E, Mateos L, Orgaz F and Steduto P, 2009. Deficit irrigation optimization of cotton with AquaCrop. Agronomy Journal 101(3): 477-487.
Geerts S, Raes D and Garcia M, 2010. Using AquaCrop to derive deficit irrigation schedules. Agricultural Water Management 98(1): 213-216.
Haghverdi A, 2011. Deriving crop-water-salinity production function for spring wheat using response surface methodology. PhD Dissertation, Ferdowsi University of Mashhad.
Jones CA, Kiniry JR and Dyke PT, 1986. CERES-Maize: a simulation model of maize growth and development, User's guide of CERES-Maize. Texas University Press College Station, USA.
Khajeh Roshanaei N, Daneshvar Kakhki M and Mohtashami GR, 2010. Estimating economic value of water in production function method, applying classic and entropy approaches (Case study: wheat in Mashhad). Agricultural Economics and Development 24(1): 113-119 (In Persian with English abstract).
Kroes JG and Van Dam JC, 2008. Reference Manual SWAP, version 3.2. Alterra Green World Research. Wagennigen. Report 1649.
Kumar P, Sarangi A, Singh DK and Parihar SS, 2014. Evaluation of AquaCrop model in predicting wheat yield and water productivity under irrigated saline regimes. Irrigation and Drainage 63(4): 474-487.
Majnooni-Heris A, Zand-Parsa S, Sepaskhah AR, Kamgar-Haghighi AA and Yasrebi J, 2011. Modification and validation of maize simulation model (MSM) at different applied water and nitrogen levels under furrow irrigation. Archives of Agronomy and Soil Science 57(4): 401-420.
Marinov D, Querner E and Roelsma J, 2005. Simulation of water flow and nitrogen transport for a Bulgarian experimental plot using SWAP and ANIMO models. Journal of Contaminant Hydrology 77(3): 145-164.
Memariani A, Amini A and Alinezhad A, 2009. Sensitivity analysis of simple additive weighting method (SAW): the results of change in the weight of one attribute on the final ranking of alternatives. Journal of Optimization in Industrial Engineering (4): 13-18.
Meyer GE, Curry RB, Streeter JG and Baker CH, 1981. Simulation of reproductive processes and senescence in indeterminate soybeans. Transactions of the ASAE 24(2): 421-0429.
Mohammadi M, Davary K, Ghahraman B, Ansari H and Haghverdi A, 2015. Calibration and validation of AquaCrop model for simulation of spring wheat yield under simultaneous salinity and water stress. Journal of Water Research in Agriculture 29 (3): 277- 295 (In Persian with English abstract).
Mohammadi M, Ghahraman B, Davary K, Ansari H and Shahidi A, 2015. Validation of AquaCrop model for simulation of winter wheat yield and water use efficiency under simultaneous salinity and water stress. Journal of Water and Soil 29(1): 67-84 (In Persian with English abstract).
Molden D, Murray-Rust H, Sakthivadivel R and Makin I, 2003. A water-productivity framework for understanding and action. Pp. 1-18. In: Kijne JW, Barker R and Molden D (eds). Water Productivity in Agriculture: Limits and opportunities for improvement. CAB international publishing. UK.
Podvezko V, 2011. Comparative analysis of MCDA methods SAW and COPRAS. Engineering Economics 22(2): 134-146.
Raes D, Geerts S, Kipkorir E, Wellens J and Sahli A, 2006. Simulation of yield decline as a result of water stress with a robust soil water balance model. Agricultural Water Management 81(3): 335-357.
Raes D, Steduto P, Hsiao TC and Fereres E, 2009. AquaCrop-The FAO crop model for predicting yield response to water: II. Main algorithms and software description. Agronomy Journal 101(3):438-447.
Salemi H, Soom MAM, Lee TS, Mousavi SF, Ganji A and Yusoff MK, 2011. Application of AquaCrop model in deficit irrigation management of winter wheat in arid region. African Journal of Agricultural Research 6(10): 2204-2215.
Shahidi A, 2008. Interaction of deficit irrigation and salinity on yield and yield components of wheat cultivars and determining water – salinity production function in the Birjand region. PhD Dissertation, Shahid Chamran University of Ahvaz.
Shamsnia SA and Pirmoradian N, 2013. Simulation of Rainfed wheat yield response to climatic fluctuations using model (Case study: Shiraz region in southern of Iran). International Journal of Engineering Science Invention 2(5): 51-56.
Singh A, Saha S and Mondal S, 2013. Modelling irrigated wheat production using the FAO AquaCrop model in West Bengal, India, for sustainable agriculture. Irrigation and Drainage 62(1): 50-56.
Singh R, 2004. Simulations on direct and cyclic use of saline waters for sustaining cotton–wheat in a semi-arid area of north-west India. Agricultural Water Management 66(2): 153-162.
Steduto P, Hsiao TC, Raes D and Fereres E, 2009. AquaCrop—The FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agronomy Journal 101(3): 426-437.
Todorovic M, Albrizio R, Zivotic L, Saab MTA, Stöckle C and Steduto P, 2009. Assessment of AquaCrop, CropSyst, and WOFOST models in the simulation of sunflower growth under different water regimes. Agronomy Journal 101(3): 509-521.
Vaez Madani MA, Fakheri Fard A and Majnooni- Heris A, 2019. Using combined AquaCrop model and Thomas- Fering method in analyzing rainfed wheat yield. Water and Soil Science-University of Tabriz 29 (3): 95-108 (In Persian with English abstract).
Van Dam JC, Groenendijk P, Hendriks RF and Kroes JG, 2008. Advances of modeling water flow in variably saturated soils with SWAP. Vadose Zone Journal 7(2): 640-653.
Zand-Parsa S, Sepaskhah AR and Ronaghi A, 2006. Development and evaluation of integrated water and nitrogen model for maize. Agricultural Water Management 81(3): 227-256.
| ||
آمار تعداد مشاهده مقاله: 285 تعداد دریافت فایل اصل مقاله: 249 |