کاربردپذیری پایگاه‌ بارشی GLDAS در برآورد ردپای آب سبز و آبی گندم و ذرت در دشت قزوین با استفاده از مدل Aqua Crop

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آبیاری و زهکشی، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران.

2 دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران.

10.22034/hydro.2022.50069.1257

چکیده

فناوری سنجش از دور به دلیل برخورداری از ویژگی‌های ارزشمندی چون، اخذ تصاویر چند زمانه و چند طیفی، قابلیت تفکیک زمانی و رادیومتریکی مناسب و متنوع، دید وسیع و یکپارچه از منطقه، می‌تواند در بسیاری از کارهای کشاورزی مانند پیش‌بینی عملکرد محصول، اندازه‌گیری رطوبت خاک، اطلاع از میزان خشکسالی و سرمازدگی مؤثر واقع شود. در این پژوهش به ارزیابی پایگاه‌های هواشناسی شبکه‌بندی شده GLDAS-AgMERRA، GLDAS-CRU، GLDAS-AgCFSR در برآورد ردپای آب آبی و سبز گیاه گندم و ردپای آب آبی ذرت در دشت قزوین و مقایسه آن با مقادیر برآورد شده با اطلاعات ایستگاه سینوپتیک قزوین طی سال‌های2010-1980پرداخته شده است. ارزیابی آماری با استفاده از شاخص‌های R2، NRMSE و ME انجام شد. متوسط مجموع ردپای آب گندم در منطقه پژوهش در حدود 869 (مترمکعب بر تن) برآورد شد که در آن سهم ردپای آب سبز 47 درصد و سهم ردپای آب آبی 53 درصد بود. داده‌های برآورد شده در سناریوهای1 (دمای CRU- بارش و تبخیر تعرق GLDAS (GLDAS- CRU)) و 3 (دما و تبخیرتعرق CRU- بارش GLDAS (GLDAS- CRU)) برای ردپای آب سبز گندم و برای ردپای آب آبی، سناریو 5 (بارش و تبخیرتعرق GLDAD-دمای AgCFSR (GLDAS-AgCFSR)) و سناریو 3 به ترتیب برای گیاه گندم و ذرت بالاترین همبستگی را دارند. نتایج نشان می‌دهد برای برآورد ردپای آب آبی گیاه ذرت این پایگاه‌ها از دقت مناسبی برخوردار نبوده ولی برای برآورد ردپای آب سبز و آبی گیاه گندم می‌توان از اطلاعات پایگاه‌های هواشناسی شبکه‌بندی شده با دقت مناسب استفاده کرد.

کلیدواژه‌ها

عنوان مقاله [English]

Applicability of GLDAS precipitation dataset in estimating green and blue water footprints of wheat and maize in Qazvin plain station using Aqua Crop model

نویسندگان [English]

  • Mojgan Ahmadi 1
  • Hadi Ramezani Etedali 2
1 Ph.D candidate student in irrigation and drainage engineering. From water science and engineering department, Imam Khomeini International University, Qazvin, Iran.
2 Associate Professor of Water Engineering Dept., Imam Khomeini International University, Qazvin, Iran.
چکیده [English]

Remote sensing technology, due to its valuable features such as taking multi-temporal and multi-spectral images, appropriate and varied temporal resolution and radiometric capability, wide and integrated view of the region, can be used in many agricultural tasks such as crop yield prediction, soil moisture measurement, information about the amount of drought and frost should be effective. In this study, to evaluate the networked meteorological datasets GLDAS-AgMERRA, GLDAS-CRU, GLDAS-AgCFSR in estimating the blue and green water footprints of wheat and blue water footprints of maize and comparing it with the estimated values of Qazvin plain during 1980-2010. Statistical evaluation was performed using R2, NRMSE and ME indices. The average total water footprint of wheat in study area was estimated at 869 (m3/ton) in which the share of green water footprint was 47% and the share of blue water footprint was 53%. Estimated data in scenarios 1 (Precipitation and evapotranspiration of GLDAS-Temperature of CRU) and 3 (Precipitation of GLDAS-Temperature and evapotranspiration of CRU) for green water footprint of wheat and for blue water footprint, scenario 5 (Precipitation and evapotranspiration of GLDAS-Temperature of AgCFSR) and Scenario 3 have the highest correlations for wheat and maize, respectively. The results show that these datasets are not suitable for estimating the water footprint of maize plants, but for estimating the green and blue water footprints of wheat plants, the information of networked meteorological datasets can be used with appropriate accuracy.

کلیدواژه‌ها [English]

  • AgCFSR dataset
  • AgMERRA
  • CRU
  • Crop model

مراجع

ابراهیمی پاک، ن.ع.، اگدرنژاد، ا.، 1396. ارزیابی و تحلیل حساسیت مدل AquaCrop در شبیه‏سازی عملکرد چغندرقند تحت تنش‏های آبی در شهرکرد. مدیریت آب و آبیاری، 7(2): 332-319.
اسدی، م.، گنجائیان، ح.، جاودانی، م.، قادری حسب، م.، 1400. ارزیابی ارتباط بین عوامل طبیعی و میزان فرونشست در دشت ایوانکی با استفاده از تصاویر رادار. هیدروژئولوژی، 6(1): 22-13.
آبابائی، ب.، رمضانی اعتدالی، ه.، 1393. برآورد اجزا ردپای آب در تولید محصول گندم در سطح کشور. آب و خاک (علوم و صنایع کشاورزی)، 29(6): 1468-1458.
بحرالعلوم، ر.، رمضانی اعتدالی، ه.، عزیزیان، ا.، آبابائی، ب.، 1399. کاربرد اطلاعات پایگاه‌های داده‌های هواشناسی متخلف در برآورد عملکرد و نیاز آبی گندم (مطالعه موردی: دشت قزوین). اکوهیدرولوژی، 7(3): 706-691.
حاجی‌حسینی، ح.، حاجی‌حسینی، م.،  نجفی،  ع.، مرید، س.، دلاور، م.، 1393. ارزیابی تغییرات متغیرهای هواشناسی در بالادست حوضه هیرمند طی سده گذشته با استفاده از داده‌های اقلیمی CRU و مدل SWAT. تحقیقات منابع آب، 10(3): 52-38.
حسینی موغاری، س.، عراقی‌نژاد، م.، ش.، ابراهیمی، ک.،  1396. بررسی دقت بارش شبکه‌بندی شده جهانی در حوضه دریاچه ارومیه. تحقیقات آب و خاک ایران، 48(3): 598-587.
رضوی ا.، نصیری‌محلاتی،م.،  ع.، کوچکی، بهشتی، ع.، 1397. امکان‌سنجی استفاده از AgMERRA برای پر کردن خلا داده‌های بارندگی و دما در ایستگاه‌های سینوپتیک افغانستان. آب و خاک (علوم و صنایع کشاورزی)، 32(3): 616-601.
رمضانی اعتدالی، ه.، کریمی، ش.، فخار، م.، 1401. شبیه‏سازی اثر پوشش بر توزیع رطوبت و املاح خاک با استفاده از دو مدل HYDRUS-2D و AquaCrop. هیدروژئولوژی، 7(1): 10-1.
علیزاده، ا.، 1389.رابطه آب و خاک و گیاه،انتشارات آستان قدس رضوی، چاپ دهم.
علیقلی‌نیا، ت.، رضایی، ح.، بهمنش، ج.، منتصری، م.، 1395. تخمین و ارزیابی ردپای آب آبی و سبز محصولات عمده مورد کشت در حوضه آبریز دریاچه ارومیه. پژوهش‌های حفاظت آب و خاک، 23(3): 344-337.
علیقلی‌نیا، ت.، شیبانی، ح.، محمدی، ا.، حسام، م.، 1398. مقایسه و ارزیابی ردپای آب آبی، سبز و خاکستری گندم در اقلیم‌های مختلف ایران. تحقیقات منابع آب ایران، 15(3): 245-234.
فرجی، ز.، کاویانی، ع.، شکیبا، ع.ر.، 1396. ارزیابی داده‏های تبخیر- تعرق، بارش و دمای هوای حاصل از مدل سطح زمین (GLDAS) با استفاده از داده‏های مشاهداتی در استان قزوین. پژوهش‏های حفاظت آب و خاک، 24(3): 297-283.
فرجی،ز.، کاویانی، ع.، 1398. ارزیابی اجزای بیلان آب حاصل از مدل سطح زمین GLDAS-2 و GLDAS2-1 در استان قزوین. آبیاری و زهکشی ایران، 13(2): 474-462.
گلابی، م.، ناصری، ع.، 1394. ارزیابی مدل AquaCrop در پیش‏بینی عملکرد نیشکر و شوری پروفیل خاک تحت تنش شوری. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، 46(4): 694-685.
محمدی، م.، داوری، ک.، قهرمان، ب.، انصاری، ح.، حق‏وردی، ا.، 1394. واسنجی و صحت سنجی مدل AquaCrop برای شبیه‏سازی عملکرد گندم بهاره تحت تنش همزمان شوری خشکی. پژوهش آب در کشاورزی، 29(3): 295-277.
موسوی، ا.ح. اگدرنژاد، ا.، گیلانی، ع.، 1401. ارزیابی مدل AquaCrop برای شبیه‏سازی واکنش ارقام مختلف برنج به روش کاشت. رویکردهای نوین در مهندسی آب و محیط زیست، 1(1): 74-63.
Ahmadi, M., Ramezani Etedali H., Elbeltagi, A., 2021. Evaluation of the effect of climate change on maize water footprint under RCPs scenarios in Qazvin plain, Iran. Agricultural Water Management, 245(2021)106969.
Arrien, M., M., Aldaya, M., Corina Rodriguez, I., 2021. Water Footprint and Virtual Water Trade of Maize in the Province of Buenos Aires, Argentina. Water, 13(13): 1769.
Bi, H., Ma, J., Zheng, W., Zeng, J., 2016. Comparing of soil moisture in GLDAS model simulation and in situ observations over the Tibetan Plateau. J. Geophysic. Atm., 121(6): 2658-2678.
Chapagain, A.K., Hoekstra, A.Y., 2012. The blue, green and grey water footprint of rice from production and consumption perspectives. Journal of Ecological Economics, 70: 749-758.
Chico, D., Aldaya, M., Garrido, A., 2013. A water footprint assessment of a pair of jeans: the influence of agricultural policies on the sustainability of consumer products. Journal of Cleaner Production, 57: 238-248.
Davitt, A., 2011. Climate variability and drought in the South Platte River basin. Thesis submitted in fulfillment of the requirement for the degree master of art (earth and atmospheric science). The city college of the city University of New York.
Deihimfard, R., Rahimi Moghaddam, S., Collins, B., Azizi, K., 2022. Future climate change could reduce irrigated and rainfed wheat water footprint in arid environments. Science of The Total Environment, 807(3): 150991.
Fu, Y., Xia, J., Yang, W., Xu, B., We, X., Chen, Y., Zhang, H., 2016. Assessment of multiple precipitation products over major river basins of China. Theoretical and Applied Climatology, 123:11-22.
Hoekstra, A.Y., Chapagain, A.K., Aldaya, M.M., Mekonnen, M.M. 2011. The Water Footprint Assessment Manual: Setting the Global Standard. Earthscan, London, UK, 203p.
Hoekstra, A.Y., Chapagain, A.K., Aldaya, M.M., Mekonnen, M.M., 2009. Water footprint manual: State of the art 2009, Water Footprint Network, Enschede, the Netherlands.
Hoekstra, A.Y., Chapagain, AK., 2007. Water footprints of nations: Water use by people as a function of their consumption pattern. Journal of Water Resources Management, 21(1): 35-48.
Hsiao, T.C., Heng,L.K., Steduto,P., Rojas-Lara,B., Raes, D., Fereres,E., 2009. Aqua Crop—the FAO crop model to simulate yield response to water III. Parameterization and testing for maize. Agronomy Journal, 101:448–459.
Hussain, S., Elfeki, A.M., Chaabani, A.  Yibrie, A. E., Elhag, M., 2022. Spatio-temporal evaluation of remote sensing rainfall data of TRMM satellite over the Kingdom of Saudi Arabia. Theor Appl Climatol,  150, pages363–377.
Iizumi, T., Okada, M., Yokozawza, M., 2014. A meteorological forcing data set for global crop modeling: Development, evaluation, and intercomparison. Journal of Geophysical Research: Atmospheres, 119(2): 363-384.
Jamieson, P.D., Porter, J.R., Wilson, D.R., 1991. A test of computer simulation model ARC-WHEAT1 on wheat crops grown in New Zealand. Field Crops Res., 27, 337–350.
Jefferies, D., Munoz, I., Hodges, J., King, V.J., Aldaya, M., Ercin, A.E., Canals, LMI.,Hoekstra, A.Y., 2012. Water footprint and life cycle assessment as approaches to assess potential impacts of products on water consumption. Key learning points from pilot studies on tea and margarine. Journal of Cleaner Production, 33: 155-166.
Karadish, F., Hoekstra, A.Y., 2017. Informing national food and water security policy through water footprint assessment: the case of Iran. Water, 9.11:1-25.
Mekonnen, M.M., Hoekstra, A.Y., 2010. A global and high-resolution assessment of the green, blue and grey water footprint of wheat. Hydrology and Earth System Science, 14: 1259-1276.
Mitchell, T.D. Carter, T.R. Jones, P.D. Hulme, M. New, M., 2004. A comprehensive set of high – resolution grids of monthly climate for Europe and the globe: the observed record (1901- 2000) and 16 scenarios (2001-2100)’, Tyndall Working Paper 55, Tyndall Center, UEA, Norwich, UK. http://www.tyndall.ac.uk/ [last accessed 19 April 2005].
Moiwo, J.P., Yang, Y., Li, H., Han, S., Hu, Y., 2009. Comparsion of GRACE with in situ hydrological measurement data shows storage depletion in Hai River basin, Northern China.Water SA, 35: 663-670.
Pahlow, M., Snowball, J., Fraser, G., 2015. Water footprint assessment to inform water management and policy making in South Africa. Water SA, 41(3), 301-305.
Postel, S.L. 2000. Entering an era of water scarcity: the challenges ahead. Ecological applications, 10: 941-948.
Ramezani Etedali, H., Ahmadi, M., 2021. Evaluation of various meteorological datasets in estimation yield and actual evapotranspiration of wheat and maize (case study: Qazvin plain). Agricultural Water Management, 256: 107080.
Rodell, M., Houser, P. R., Jambor, U., Gottschalck, J., Mitchell, K., Meng, C. J., Arsenault, K, Cosgrove, B., Radakovich, J., Bosilovich, M., Entin, J. K., Walker., J.P. and Lohmann, D., 2004. The Global Land Data Assimilation System, Bulletim of the American Meteorological Society, 85(3): 381-394.
Rodriguez, CI., de Galarreta, VR, Kruse, E.E., 2015. Analysis of water footprint of potato production in the Pampean region of Argentina. Journal of Cleaner Production, 90: 91-96.
Ruane, AC., Goldberg, R., Chryssanthacopoulos, J., 2015. Climate forcing datasets for agricultural modeling: merged products for gap-filling and historical climate series estimation. Agriculture and Forest Meteorology, 200: 233-248.
Shi H., Li T., Wei J., 2017. CRU TS precipitation dataset with the point raingauge records over the Three-River Headwaters Region. Journal of Hydrology.  May, 548: 322-332.
Shiklomanov, I.A., 2000. Appraisal and assessment of world water resources. Water International, 25: 11-32.
Wang, F. Wang,L.  Koike, T.  Zhou, H.  Yang, K.  Wang, A. Li, W., 2011. Evolution and application of a fine-resolution global data set in a semiarid mesoscale river basin with a distributed biosphere hydrological model’, Journal of Geophysical Research, 116(D21)
Yue, S., Pilon, P., Cavadias, G., 2002. Power of the Mann-Kendall and Spearman’s tests for detecting monotonic trends in hydrological series, Journal of hydrology, 259,.254-271.
Zhao, T., Fu, C., 2006. Comparison of products from ERA-40, NCEP-2 and CRU with station data for summer precipitation over China. Advances in Atmospheric sciences, 23, 593-604.
Zhuo, L., Hoekstra, A.Y., 2017. The effect of different agricultural management practices on irrigation efficiency, water use efficiency and green and blue water footprint. Frontiers of Agricultural Science and Engineering, 4, 185-194.
هیدروژئولوژی
دوره 7، شماره 2
ناشر
اسفند 1401
صفحه 30-42

فایل ها

هم رسانی

ارجاع به این مقاله

آمار