پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,032 |
| تعداد مشاهده مقاله | 125,502,345 |
| تعداد دریافت فایل اصل مقاله | 98,766,463 |
تهیه سامانه‌ی استانی حسابداری آب برای اراضی کشاورزی آبی استان فارس | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 2، اردیبهشت 1403، صفحه 219-244 اصل مقاله (1.96 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.362112.669532 | ||
| نویسندگان | ||
| عبدالرحمان میرزائی* 1؛ افشین سلطانی1؛ فریبرز عباسی2؛ ابراهیم زینلی1؛ شهرزاد میرکریمی3 | ||
| 1گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| 2موسسه تحقیقات فنی و مهندسی کشاورزی، تهران، ایران | ||
| 3گروه اقتصادکشاورزی، دانشکده مدیریت کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| چکیده | ||
| تهیه و اجرای مناسب برنامه‌های سازگاری به کم‌آبی در سطح استانی نیازمند وجود اطلاعاتی متنوع، معتبر و یکپارچه مرتبط با منابع آب استان است. برای دستیابی به این اطلاعات به‌صورت یکپارچه و پویا، سیستمی تحت عنوان سامانه استانی حسابداری آب (SAWA) برای استان فارس تهیه شد. ابتدا با بررسی شرایط اقلیمی و خاک، کل اراضی کشاورزی آبی استان به 17 پهنه اگرواکولوژیک همگن تقسیم‌بندی شدند. سپس یک مدل شبیه‌ساز گیاهی (SSM-iCrop2) که هسته اصلی سیستم را تشکیل می‌دهد برای شبیه‌سازی رشد، عملکرد و بیلان آب مزرعه 35 گیاه مهم در شرایط کشاورزان در 17 پهنه کالیبره و برپا (ست‌آپ) شد. شبیه‌سازی‌ها بر اساس داده‌های هواشناسی سال‌های 2011 تا 2021 در دو حالت شرایط کشاورزان و پتانسیل صورت گرفت. خروجی‌های سیستم مذکور به‌صورت روزانه و نیز انتهای فصل رشد گیاه تولید می‌شوند. علاوه بر این، سیستم قادر است خروجی‌های ماهانه نیز تولید کند. این برآوردهای ماهانه یکی از ضروری‌ترین اطلاعات در برنامه‌ریزی‌های سازگاری با کم‌آبی مثل تغییر الگوی کشت است. برخی از خروجی‌های سیستم عبارتند از تاریخ کاشت گیاهان زراعی و تاریخ بازشدن جوانه درختان، مراحل مهم فنولوژیک گیاهان، عملکرد بیولوژیک، شاخص سطح برگ و مؤلفه‌های بیلان آب یعنی رواناب، تبخیر، تعرق، زه‌کشی عمقی، برگاب، تعرق علف‌های هرز و آبیاری. خروجی‌های این سامانه برای هر گیاه و یا کل گیاهان به‌صورت پهنه، شهرستان و استان قابل دسترس هستند. ارزیابی صحت برآوردهای مدل نشان داد که برآوردهای شبیه‌سازی‌شده با اندازه‌گیری‌شده مطابقت رضایت بخشی دارند. | ||
| کلیدواژه‌ها | ||
| آب آبیاری؛ بیلان آب؛ سازگاری به کم‌آبی؛ مدل‌سازی؛ SSM-iCrop2 | ||
| عنوان مقاله [English] | ||
| Development of water accounting system for irrigated agricultural lands of Fars province | ||
| نویسندگان [English] | ||
| Abdolrahman Mirzaei1؛ Afshin Soltani1؛ Fariborz Abbasi2؛ Ebrahim Zeinali1؛ Shahrzad Mirkarimi3 | ||
| 1Department of Agronomy, Faculty of Plant Production, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran | ||
| 2Agricultural Engineering Research Institute: Karaj, Iran | ||
| 3Department of Agricultural Economics, Faculty of Agricultural Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran | ||
| چکیده [English] | ||
| Preparation and proper implementation of water scarcity adaptation programs at the provincial level requires diverse, reliable and integrated information related to the province's water resources. To obtain this information in an integrated and dynamic manner, a system called ‘System for regional Agricultural Water balance and water Accounting’ (SAWA) was prepared for Fars province. First, the irrigated agricultural lands of the province were divided into 17 homogenous Agro-Ecological-Zones (AEZ). Then, a crop model (SSM-iCrop2) was calibrated and set up to simulate the growth, yield and field water balance of 35 agricultural plants under potential and farmers’ conditions in the 17 AEZ. The simulations were done using weather data of 2011-2021. The outputs of the system are produced on a daily basis and for the end of the growing season. The system is also able to produce monthly outputs of water balance that are essential information for water scarcity adaptation programs such as cropping pattern. Some of the outputs of the system are crop planting date and the date of bud burst in trees, the time of occurrence of important phenological stages, total biomass, leaf area index and field water balance components such as runoff, evaporation, transpiration, deep drainage, weeds’ transpiration and applied irrigation water. The outputs of this system are available for each plant or all plants in each of the zones, counties and the whole province. The testing of the system showed that the simulated yields and applied irrigation water are in satisfactory agreement with the measured ones. | ||
| کلیدواژه‌ها [English] | ||
| Adaptation to water scarcity, irrigation water, modeling, SSM-iCrop2, water balance | ||
| مراجع | ||
|
Abbasi, F., Baghani, J., Yazdani, A., Haghayeghi Moghaddam, M.R., Akbari, M., Moeiri, M., Nakhjavani Moghaddam, M.M. (2022). Determining the water consumption of crops in the country. Final research report No. 63288, Agricultural Engineering and Technical Research Institute, Karaj. (in Persian) Alimagham, S.M., Soltani, A., Dadrasi, A., & Nehbandani, A. (2023). Spatial Distribution Maps of Horticultural and Agricultural Crops Land Generating at the Country Scale for Iran. Journal of Agroecology. 15(1): 75-88. (in Persian) https://doi.org/10.22067/agry.2021.69619.1033 Barikani, E., Ahmadian, M., & Khaliliyan, S. (2021). Optimal Sustainable Use of groundwater in Agricultural sector: Case Study Subsector in Qazvin Basin. Journal of Agricultural Economics and Development. 25 (2): 252-263. (In Persian) https://doi.org/10.22067/jead2.v1390i2.9717 Koo, J., & Dimes, J. (2013). HC27 Generic soil profile database. Harvard Dataverse ver. 4. Washington, DC: International Food Policy Research Institute.Groves SJ, Bailey RJ. Strategies for the sub-optimal irrigation of sugar beet. Aspects of Applied Biology. 1994. 38: 201-207. Nehbandani, A., Soltani, A., Taghdisi, R., Dadrasi, A., & Alimagham, S.M. (2020). Assessing HC27 Soil Database for Modeling Plant Production. International Journal of Plant Production. https://doi.org/10.1007/s42106-020-00114-4. Mourtzinis, S., Edreira, J.R., Conley, S.P., & Grassini, P. (2017). From grid to field: assessing quality of gridded weather data for agricultural applications. European Jouranl of Agronomy. 82: 163-172. Rattalino Edreira, J.I., Andrade, J.A., Cassman, K.G., van Ittersum, M.K., van Loon, M.P., & Grassini, P. (2021). Spatial frameworks for robust estimation of yield gaps. Nature Food. https://doi.org/10.1038/s43016-021-00365-y Sinclair, T.R. (1986). Water and nitrogen limitations in soybean grain production I. Model development. Field Crops Research. 15(2): 125-141. Sinclair, T.R., Soltani, A., Marrou, H., Ghanem, M., & Vadez, V. (2019). Geospatial assessment for crop physiological and management improvements with examples using the Simple Simulation Model. Crop Science. 59: 1-9. Soltani, A. (2009). Mathematical modeling in field crops. Publications University of Mashhad. 175 pages. (In Persian) Soltani, A., & Mirzaei, A. (2022). Sustainable Agriculture. Publications Vajegan Sirang. 384 pages. (In Persian) Soltani. A., Jafar Nodeh, S., Dadrasi. A., Rahban, S., Nazeri, M., Zeinali, E., Najafinejad, A., Torabi, B., & Kazemi, H. (2022). Development of a provincial system for water balanceand water accounting in agricultural lands:case study of Golestan province. Gorgan University of Agricultural Sciences and Natural Resources. Research Report. 124 pages. (In Persian) Soltani, A., Alimagham, S.M., Nehbandani, A., Barani, H., Soltani, E., Torabi, B., Zeinali, E., Mirkarimi, Sh., Joulaei, R., Khosravian, T., Habibpur Kashefi, E., Jafar Noudeh, S., Dadrasi, A., Ghasemi, S., Rahban, S., Pourshirazi, Sh., Bahrehmand, A.R., Dehghani, A.A., Ashrafi, F., Bahmani, M., Fattah Taleghani, D., Ahmadi, K., Mohammad Rezaei, M., Goli, SH., Alasti, O., Hoseini, R., Zahed, M., Fayazi, H., Kamari, H., Arabameri, R., Mohammadzadeh, Z., Mohammadi, S., Keramat, S., Sosaraei, N., Ashenavar, M., Ahmadi, M., Taghdisi Naghab, R. (2019). Analysis of Iran's food security until 2020, modeling the correlation of water, land, food and environment: perspectives and necessary policies. Gorgan University of Agricultural Sciences and Natural Resources. Research Report. 130 pages. (In Persian) Soltani, A., Nehbandani, A., Zeinali, E., Torabi, B., Zand, E., Ghasemi, S., Alasti, O., Dadrasi, A., Hoseini, R., Alimagham, S.M., Zahed, M., Fayazi, H., Kamari, H., Arabameri, R., Mohammadzadeh, Z., Rahban, S., Pourshirazi, Sh., Mohammadi, S., Keramat, S. (2018). Gap yield atlas and production capacity of important crops in the country level in current and future climatic conditions. Gorgan University of Agricultural Sciences and Natural Resources. Research Report. 130 pages. (In Persian) Soltani, A., & Sinclair, T.R. (2012). Modeling physiology of crop development, growth and yield. CABI Publisher. 312 p. Soltani, A., Maddah, V., & Sinclair, T.R. (2013). SSM-Wheat: a simulation model for wheat development, growth and yield. International Journal of Plant Production. 7(4): 711-740. Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Dadrasi, A., Zand, E.,Ghassemi, S., Pourshirazi, S., Alasti, O., Hosseini, R.S., Zahed, M., Arabameri, R., Mohammadzadeh, Z., Rahban, S., Kamari, H., Fayazi, H., Mohammadi, S., Keramat, S.,Vadez, V., van Ittersum, M.K., & Sinclair, T.R. (2020) a. SSM-iCrop2: A simple model for diverse crop species over large areas. Agricultural Systems. 182: 102855. Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Zand, E., Ghassemi, S., Vadez, V., Sinclair, T.R., & van Ittersum, M.K. (2020) b. Modeling plant production at country level as affected by availability and productivity of land and water. Agricultural Systems. 183: 102859. Soltani, A., Alimagham, S.M., Nehbandani, A., Torabi, B., Zeinali, E., Zand, E., Vadez, V., van Loon, M.P., & van Ittersum, M.K. 2020c. Future food selfsufficiency in Iran: A model-based analysis. Global Food Security. 24: 100351. Van Bussel, L.G.J., Grassini, P., Van Wart, J., Wolf, J., Claessens, L., Yang, H., Boogaard, H., de Groot, H., Saito, K., Cassman, K.G., & van Ittersum, M.K. (2015). From field to atlas: Upscaling of location-specific yield gap estimates. Field Crops Research. 177: 98-108. https://doi.org/10.1016/j.fcr.2015.03.005. Van Ittersum, M., Cassman K.G., Grassini, P., Wolf, J. Tittonell, P., & Hochman, Z. (2013). Yield gap analysis with local to global relevance-A Review. Field Crops Research. 143: 4-17. Van Wart, J., Grassini, P., & Cassman, K.G. (2013) a. Impact of derived global weather data on simulated crop yields. Global Change Biology. 19: 3822-3834. Van Wart, J., Kersebaum, K.C., Peng, S., Milner, M., & Cassman, K.G., (2013) b. Estimating crop yield potential at regional to national scales. Field Crops Research. 143: 34-43. You, L., Wood, S., Wood-Sichra, U., & Wu, W. (2014). Generating global crop distribution maps: From census to grid. Agricultural Systems.127: 53-60. | ||
|
آمار تعداد مشاهده مقاله: 296 تعداد دریافت فایل اصل مقاله: 215 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب