مدیریت آب در کشاورزی

مدیریت آب در کشاورزی

تأثیر تغییر اقلیم و تاریخ‌های مختلف کاشت بر ردپای آبی گندم بهاره در دشت قزوین

نوع مقاله : مقاله پژوهشی

نویسندگان
فاطمه برزو 1
هادی رمضانی اعتدالی 2
عباس کاویانی 3
1 دانشجوی کارشناسی ارشد، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی)ره(، قزوین، ایران.
2 دانشیار گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران
3 دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی)ره(، قزوین، ایران.
چکیده
. این تحقیق در بازه 2100-2021 2100 و با مقایسه دو منبع اطلاعاتی LARS-WG و DKRZ در تولید داده‌های سالانه تغییر اقلیم (دمای کمینه و بیشینه، بارش) و به کار‌گیری مدل Aquacrop در شبیه‌سازی واکنش گیاه به تغییرات تغییر اقلیم و تغییر تاریخ کشت انجام شده است. در دوره‌های 2021-2040، 2041-2060، 2061-2080 و 2081-2100 مناسب‌ترین تاریخ‌های کشت متفاوت (15 بهمن، 1 اسفند، 15 اسفند، 1 فروردین و 15 فروردین) به منظور افزایش عملکرد گندم و کاهش متغیرهای دیگر بررسی شد. نتایج به دست آمده از بررسی‌ها نشان داد که میانگین ردپای آب آبی نسبت به مقدار آن در دوره پایه برای تاریخ‌های مورد بررسی و در دوره‌های یاد شده کاهش پیدا خواهد کرد. همچنین بیشترین مقدار ردپای آب آبی در تمام این دوره‌ها و مدلها برای دوره 2040-2021 تحت شرایط اقلیمی پایگاه اطلاعاتی DKRZ در سناریو 5/8 در صورتی که تاریخ کشت 15 اسفند ماه انجام شود، پیشبینی می‌شود که مقدار مصرف آب از منابع آبی در آن برابر 6/457 متر مکعب بر تن با انحراف معیار 7/31 متر مکعب بر تن پیش‌بینی می‌شود. کم‌ترین ردپای آب آبی نیز برای دوره 2100-2081 تحت شرایط اقلیمی پایگاه اطلاعاتی DKRZ در سناریو 5/8 در صورتی که تاریخ کشت 15 بهمن ماه انجام شود، گزارش می‌شود که مقدار آن برابر 1/145 تن بر هکتار با انحراف معیار 13/7 تن بر هکتار است. در دوره 2021-2040، تاریخ 15 فروردین (4 آپریل)، در دوره 2041-2060، تاریخ 15 فروردین (4 آپریل)، در دوره 2061-2080 تاریخ 1 فروردین (21 مارس)، و در دوره 2081-2100 تاریخ 15 فروردین (4 آپریل)، به عنوان مناسب‌ترین تاریخ کشت در این دوره‌ها و تاریخ ‌ها توصیه می‌شوند.
کلیدواژه‌ها
ردپای آب آبی
گندم بهاره
LARS-WG
تاریخ کشت

عنوان مقاله English

The Effect of Climate Change and Different Planting Dates on Spring Wheat Blue water footprint in the Qazvin Plain

نویسندگان English

fatemeh borzoo 1
Ramezani Etedali, Hadi 2
Abbas Kaviani 3
1 1MSC student, Water Science and Engineering Department, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin, Iran.
2 Assistant Professor, Department. of Water Engineering, Imam Khomeini International University., Ghazvin., Iran
3 2 Assoc. Professor, Water Science and Engineering Department, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin, Iran.
چکیده English

This research was conducted in the period from 2021 to 2100 in order to generate climate data using two sources of information, DKRZ and LARS-WG. In the period from 1961 to 2020, the daily data of minimum temperature, maximum temperature, precipitation (mm per day) and hours of sunshine (number of hours in one day and night) were obtained from Qazvin synoptic station. Since the 20-year period was suitable for the subsequent stages of the data, the data of the period from 1991 to 2020 was selected as the basic data. According to the results obtained from the climate conditions LARS-WG model and DKRZ database under release scenarios 4.5 and 8.5 for the planting dates of February 4, February 20, March 21 and April 4, in each 4 future period the average blue water footprint will decrease compared to the base period. On the planting date of March 6, for the climatic conditions obtained from the DKRZ databases under scenario 8.5 for the periods of 2040-2021, 2041-2060 and 2061-2080, it predicts an increase in the footprint of blue water compared to the base period, and in the period of 2081-2100 in the scenarios 4.5 and 8.5 the average blue water footprint will decrease compared to its value in the base period. The LARS-WG model for the planting date of March 6 under scenarios 8.5 and 4.5 reports a reduction in the blue water footprint compared to the base value.

کلیدواژه‌ها English

blue water footprint
LARS-WG
planting data
spring wheat
برخوری، س.، رفیعی ساردوئی، ا.، رمضانی، م.ح.، آذره، ع. و نصب پور، م. 1399. پیش‌بینی تولید خالص اولیۀ بیوم‌های مختلف دشت جیرفت در مواجهه با تغییر اقلیم. مجله مرتع و آبخیزداری. 73(3): 453-471
شیردلی، ع.، خانی تملیه، ذ.، فخیمی، پ.، خانی تملیه، س. و میرعباسی نجف آبادی، ر. 1401. ارزیابی تغییر اقلیم و اثرات آن بر عملکرد گوجه فرنگی در دشت ابهر. مدلسازی و مدیریت آب و خاک. 2(1): 63-75
رمضانی اعتدالی، ه.، شکوهی، ع. و مجتبوی، س.ا. 1396. بهره‌گیری از مفهوم ردپای آب مجازی در تولید محصولات اصلی برای عبور از بحران آب منطقه قزوین. آب و خاک. 31(2): 422-433. doi: 10.22067/jsw.v31i2.55628
علیقلی نیا، ت.، شیبانی، ح.، محمدی، ا. و حسام، م. 1398. مقایسه و ارزیابی ردپای آب آبی، سبز و خاکستری گندم در اقلیم‌های مختلف ایران. تحقیقات منابع آب ایران. 15(3): 234-245
Ababaei, B. and Ramezani Etedali, H. 2017. Water footprint assessment of main cereals in Iran. Agricultural Water Management. 179: 401-411. https://doi.org/10.1016/j.agwat.2016.07.016.
Bocchiola, D., Nana, E., Soncini, A. 2013. Impact of climate change scenarios on crop yield and water footprint of maize in the Po valley of Italy. Agricultural Water Management 116:50-61
Govere, S., Nyamangara, J., Nyakatawa, E. Z. 2020. Climate change signals in the historical water footprint of wheat production in Zimbabwe. science of the total environment. DOI:10.1016/j.scitotenv.2020.140473.
Hoekstra, A.Y. and Hung, P.Q. 2002. Virtual Water Trade: a Quantifcation of Virtual Water Flows between Nations in Relation to International Crop Trade. Value of Water Research Report Series. No. 11. UNESCO-IHE, Delft, the Netherlands.
IPCC. 2007. Climate Change: The Physical Science Basis.
Racsko, P, L Szeidl, and M Semenov. 1991. A Serial Approach to Local Stochastic Weather Models. Ecological Modelling 57 (1–2). Elsevier: 27–41.
Semonov, M. A. and Stratonovith, P. 2010. Use of multi- model ensembles from global models for assessment of climate change impacts. J. Climate Research. 41:1-14.
Semenov, M.A. 2008. Simulation of Extreme Weather Events by a Stochastic Weather Generator. Climate Research. 35 (3): 203–12.