تعداد نشریات | 50 |
تعداد شمارهها | 2,232 |
تعداد مقالات | 20,476 |
تعداد مشاهده مقاله | 25,295,803 |
تعداد دریافت فایل اصل مقاله | 22,948,367 |
اثر تاریخهای مختلف کشت و تغییر اقلیم بر تبخیر و تعرق گندم بهاره دشت قزوین (2021-2100) | ||
حفاظت منابع آب و خاک (علمی - پژوهشی) | ||
دوره 13، شماره 3 - شماره پیاپی 51، آذر 1402، صفحه 43-58 اصل مقاله (1.09 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.30495/wsrcj.2023.74221.11393 | ||
نویسندگان | ||
فاطمه برزو1؛ هادی رمضانی اعتدالی 2؛ عباس کاویانی2 | ||
1دانشجوی کارشناسی ارشد، گروه علوم و مهندسی آّب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بینالمللی امام خمینی)ره(، قزوین، ایران. | ||
2دانشیار، گروه علوم و مهندسی آّب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بینالمللی امام خمینی)ره(، قزوین، ایران. | ||
چکیده | ||
زمینه و هدف: پیشبینی تاثیرات تغییرات اقلیمی بر تولیدات کشاورزی در دورههای آتی به منظور تامین امنیت غذایی گیاه استراتژیک گندم که در معاهدات بین المللی نقش اساسی دارد، امری ضروری است. مدلهای مولد داده های مصنوعی آب و هوایی مانند مدلهای معتبرGCM ، به منظور بررسی اثرات پدیده تغییر اقلیم بر سیستمهای مختلف استفاده میشوند و قادرند پارامترهای اقلیمی را برای یک دوره طولانی مدت با استفاده از سناریوهای تایید شده هیات بین دولتی تغییر اقلیممدلسازی نمایند. در پژوهش حاضر، دو منبع اطلاعاتی LARS-WG و DKRZ در تولید دادههای تغییر اقلیم دشت قزوین در بازه زمانی 2021-2100 استفاده شد سپس مقادیر تبخیر-تعرق واقعی گندم بهاره رقم پارسی به وسیله مدل Aquacrop در تاریخهای کشت متفاوت محاسبه و میزان تغییرات آنها نسبت به دوره پایه بررسی شد. روش پژوهش: در پژوهش حاضر، از دادههای حاصل از پایگاه اطلاعاتی تحت وب DKRZ و مدلLARS-WG ، برای محاسبه سه متغیر دمای کمینه، دمای بیشینه و بارش، مربوط به ایستگاه همدیدی قزوین و پنج مدل گردش عمومی جو گزارش پنجم IPCC (EC-EARTH, GFDL-CM3, HadGEM2-ES, MIROC5, MPI-ESM-MR) تحت دو سناریو انتشار 5/4و 5/8 در دورهای آتی (2021-2040، 2041-2060، 2061-2080، 2081-2100) استفاده شد. با استفاده از دادههای به دست آمده و بهکارگیری مدل Aquacrop، مقدار تبخیر-تعرق واقعی گندم بهاره در 5 تاریخ کشت متفاوت (15 بهمن، 1 اسفند، 15 اسفند، 1 فروردین و 15 فروردین) محاسبه و میزان تغییرات آنها نسبت به دوره پایه بررسی شد و تاریخی که اگر کشت در آن صورت گیرد منجر به بیشترین تبخیر-تعرق واقعی و کمترین تبخیر-تعرق واقعی میشود؛ معرفی شده است. یافتهها: مشاهدات نشان میدهد با کشت در تاریخ 15 بهمن و 1 اسفند تحت شرایط اقلیمی حاصل از مدل LARS-WG در سناریو 5/4؛ در دوره آتی (2021-2040) تبخیر تعرق نسبت به مقدار آن در دوره پایه افزایش مییابد اما در دورههای (2041-2060، 2061-2080 و 2081-2100) و در سناریو 5/4و 5/8 حاصل از مدل LARS-WG میانگین تبخیرتعرق واقعی نسبت به مقدار آن در دوره پایه کاهش خواهد داشت. پایگاه اطلاعاتی DKRZ تحت سناریوهای 5/4 و 5/8، در هر 4 دوره آتی، کاهش میانگین تبخیرتعرق واقعی نسبت به مقدار آن در دوره پایه برای این دو تاریخ را پیشبینی میکند. با کاشت در تاریخهای 15 اسفند، 1 فروردین و 15 فروردین، طبق نتایج حاصل از شرایط اقلیمی مدل LARS-WG و پایگاه اطلاعاتی DKRZ تحت سناریوهای 5/4 و 5/8، در هر 4 دوره آتی؛ میانگین تبخیرتعرق واقعی نسبت به مقدار آن در دوره پایه کاهش خواهد داشت. نتایج: نتایج نشان میدهد میانگین تبخیر-تعرق واقعی نسبت به مقدار آن در دوره پایه، در دو تاریخ 15 بهمن ماه و 1 اسفند ماه در دوره 2021-2040 در شرایط اقلیمی حاصل از مدل LARS-WG تحت سناریو 5/4 افزایش خواهد داشت. اگر کشت در بقیه تاریخها صورت پذیرد، طبق نتایج حاصل از شرایط اقلیمی مدل LARS-WG و پایگاه اطلاعاتی DKRZ تحت سناریوهای 5/4 و 5/8، در هر 4 دوره آتی میانگین تبخیر-تعرق واقعی نسبت به مقدار آن در دوره پایه کاهش خواهد داشت. بیشترین تبخیر-تعرق در دورههای آتی، با کشت در تاریخ 15 فروردین، تحت شرایط اقلیمی حاصل از مدل LARS-WG تحت سناریو 5/4 و در دوره 2021-2040 اتفاق میافتد. مقدار آن برابر 9/289 میلیمتر (با انحراف معیار 33/18 میلیمتر) است. کمترین تبخیر-تعرق در دورههای آتی با کشت در تاریخ 15 بهمن، تحت شرایط اقلیمی حاصل از پایگاه اطلاعاتی DKRZ تحت سناریو 5/8 و در دوره 2081-2100 اتفاق میافتد که مقدار آن برابر 6/166 میلیمتر (با انحراف معیار 82/5 میلیمتر) می باشد. | ||
کلیدواژهها | ||
پایگاه اطلاعاتی DKRZ؛ LARS-WG؛ AquaCrop | ||
مراجع | ||
Abdollahzadeh, M., Ramezani etedali, H., Ababaei, B., & Nazari, B. (2019). Estimation of actual evapotranspiration and net irrigation water requirement for strategic agricultural crop in Moghan plain using AquaCrop model. Nivar 43(104-105): 113-122. (In Persian with English abstract). https://doi.org/10.30467/nivar.2019.141476.1101.
Alizadeh, H. A., Nazari, B., Parsinejad, M., Ramezani, Eetedali, H., janbaz, H. R., 2010. Evaluation of AquaCrop Model on Wheat Deficit Irrigation in Karaj area. Iranian journal of Irrigation and drainage . No. 2, Vol. 4, fall 2010, p. 273-283. (In Persion)
Chung, E.S., Park, K., & Lee, K.S. 2011. The Relative Impacts of Climate Change and Urbanization on the Hydrological Response of a Korean urban Watershed. Hydrol. Process, 25, 544–560, doi:10.1002/hyp.7781.
Eskandari Damane, H., Zehtabian, G., Khosravi, H., Azarnivand, H., & Barati, A. 2020. Simulation and Forecasting of Climatic Components of Temperature and Precipitation in Arid Regions (Case study: Minab plain). Geography, 18(66), 110-128. (In Persian)
Ghasemi-Saadat Abadi, F., Zand-Parsa, Sh., Mahbod, M., 2021. Estimation of Actual Evapotranspiration, Water productivity, and Irrigation Efficiency of Wheat Fields in Surface and Sprinkler Irrigation Systems Using Remote Sensing. Journal of Water and Soil Science. 25 (4). (In Persian)
Kilsby, Chris G, P D Jones, A Burton, A C Ford, Hayley J Fowler, C Harpham, P James, A Smith, and R L Wilby. 2007. A Daily Weather Generator for Use in Climate Change Studies. Environmental Modelling & Software 22 (12). Elsevier: 1705–19.
Mohammadi, M., Davari, K., Ghahreman., B, Ansari., H, Haghverdi., A. 2015. Calibration and validation of AquaCrop model for simulating spring wheat yield under simultaneous salinity and drought stress. Water research in agriculture. 29(3), 277-295. (in Persian)
Oki, T., & Kanae, S. 2006. Global hydrological cycles and world water resources. Science 313(5790): 1068–1072.
Parvizi, S., ZandParsa, Sh., Mahbid, M., 2015. Water, irrigation and productivity: estimation of standard and actual evapotranspiration of winter wheat using AquaCrop, WSM and dual plant factor models. (In Persian)
Semonov, M. A., Stratonovith, P., 2010. Use of multi- model ensembles from global models for assessment of climate change impacts. J. Climate Research. Vol. 41.2010.p.1-14.
Semenov, M. A., 2008. Simulation of Extreme Weather Events by a Stochastic Weather Generator. Climate Research 35 (3): 203–12.
Steduto, Pasquale, Theodore C Hsiao, Dirk Raes, and Elias Fereres. 2009. AquaCrop—The FAO Crop Model to Simulate Yield Response to Water: I. Concepts and Underlying Principles. Agronomy Journal 101 (3). Wiley Online Library: 426–37.
Racsko, P, L Szeidl, and M Semenov. 1991. “A Serial Approach to Local Stochastic Weather Models. Ecological Modelling 57 (1–2). Elsevier: 27–41.
Ramezani Etedali, H., Safari, F. (2022). Evaluation of the Influence of Different ETO Estimation Methods in Simulation of Wheat Actual Evapotranspiration and Biomass by AquaCrop Model. Journal of Water and Soil. https://doi.org/10.22067/jsw.2022.76839.1171. (In Persian)
Vicente-Serrano, S.M., Azorin-Molina, C., & Sanchez-Lorenzo, A. 2014. Sensitivity of Reference Evapotranspiration to changes in Meteorological Parameters in Spain (1961–2011). Water Resources Research 50(11): 8458–8480. https://doi.org/10.1002/ 2014WR015427.
Williams, A. G. 1991. Modeling Future Climates: From GCMs to Statistical Downscaling Approaches. University of Toronto at Scarborough, 56p.
Zwart, S. J. and W, G. M. Bastiaanssen. 2004. Review of measured crop water productivity values for irrigate wheat, rice, cotton and maize. Agricultural Water Management 69(2): 115-133. | ||
آمار تعداد مشاهده مقاله: 99 تعداد دریافت فایل اصل مقاله: 52 |