برآوردبهره‌وری آب محصولات عمده دشت نیشابور و بهینه‌سازی سطح زیر کشت محصولات

آب و خاک

مقاله 8، دوره 31، شماره 1 - شماره پیاپی 51، اردیبهشت 1396، صفحه 112-126   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v31i1.58343

نویسندگان

یاور پورمحمد¹؛ محمد موسوی بایگی^{* 2}؛ امین علیزاده¹؛ علی نقی ضیائی؛ محمد بنایان اول¹

¹دانشگاه فردوسی مشهد

²استاد هواشناسی کشاورزی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.

چکیده

کشاورزی به عنوان تنها صنعتی که قابلیت تولید غذا را دارد، مصرف کننده 85 درصد منابع آب شیرین در سطح جهان است. با وجود افزایش تقاضا برای غذا و در نتیجه نیاز به گسترش کشاورزی، زمین های کشاورزی مناسب و منابع آبی محدود هستند. در این مطالعه تلاش گردیده است تا با استفاده از تکنیک سنجش از دور میزان بهره وری محصولات عمده دشت نیشابور که شامل محصولات زمستانه (گندم و جو) و محصولات تابستانه (ذرت و گوجه فرنگی) را برآورده شود. در این مطالعه با استفاده از الگوریتم سبال میزان تبخیر-تعرق واقعی هر یک از محصولات در دوره رشد محاسبه گردید و سپس با استفاده از تابع تولید میزان تولید تخمین زده شد و میزان بهره وری اقتصادی آببا در نظر گرفتن عمق آب زیرزمینی و میزان انرژی لازم برای استخراج آب، محاسبه گردید. در نهایت با استفاده از الگوریتم برنامه ریزی خطی سطح زیر کشت هر یک از محصولات با فرض بر اینکه مجموع سطح زیر کشت در سطح حوضه افزایش پیدا نکند بهینه شد. در این مطالعه دو سناریو مورد بررسی قرار گرفت، اول میزان برداشت از منابع آب زیرزمینی برابر میزان آب تجدیدپذیر باشد، دوم به منظور بهبود ذخیره آب زیرزمینی از دست رفته میزان برداشت از منابع آب زیرزمینی برابر با 80 درصد میزان آب تجدیدپذیر باشد. نتایج این مطالعه نشان داد که ذرت با بیشترین بهره وری معادل 97 سنت بر مترمکعب آب در سطح حوضه با صرفه ترین محصول کشت شده و گوجه فرنگی با بهره وری 6 سنت بر مترمکعب آب کمترین بهره وری اقتصادی و نامناسب ترین کشت انجام شده می باشند. گندم و جو نیز با متوسط بهره وری 41 سنت بر مترمکعب در مقیاس حوضه در رتبه دوم قرار گرفت.

کلیدواژه‌ها

آب زیرزمینی؛ الگوریتم سبال؛ سنجش از دور؛ سیستم اطلاعات جغرافیایی؛ کاربری اراضی

مراجع

1. Ali, A., Behera, B. 2016. Factors influencing farmers׳ adoption of energy-based water pumps and impacts on crop productivity and household income in Pakistan. RenewSustain Energy Rev. 54: 48–57.

2. Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. FAO, Rome.

3. Allen, R.G., Tasumi, M., Trezza, R., Waters, R., Bastiaanssen, W. 2002. Surface Energy Balance Algorithm for Land (SEBAL)–Advanced training and Users Manual. Kimberly Idaho Implement.

4. Allen, R.G., Trezza, R., Tasumi, M. 2002. Surface energy balance algorithms for land. Advance training and users manual, version 1.0. Kimberly.

5. Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A., Holtslag, A.A.M. 1998a. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. J. Hydrol. 212: 198–212.

6. Bastiaanssen, W.G.M., Pelgrum, H., Wang, J., Ma, Y., Moreno, J.F., Roerink, G.J., Van der Wal, T. 1998b. A remote sensing surface energy balance algorithm for land (SEBAL).: Part 2: Validation. J. Hydrol. 212: 213–229.

7. Cai, X., Rosegrant, M.W. 2003. 10 World Water Productivity: Current Situation and Future Options. Water Product. Agric. limits Oppor.

8. Congalton, R.G., 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing Environment. 37: 35–46.

9. Dehghan, H., Alizadeh, A., Ansari, H., Haghayeghi, M.S.A. 2011. Evaluation of Water Productivity Indicators in Wheat Irrigated Fields (Case Study: Neyshabur Plain).Iranian Journal of lrrigation and drainage. 5: 263-275.

10. Doorenbos, J., Kassam, A.H. 1979. Yield response to water. Irrigation Drainage Paper. 33: 257.

11. Duda, R.O., Hart, P.E., Stork, D.G. 1998. Pattern Classification ( 2nd ed.). Computer Complex.

12. Foody, G.M., Camobell, N.A., Trodd, N.M., Wood, T.F. 1992. Derivation and applications of probabilistic measures of class membership from the maximum-likelihood classification. Photogrammetric Engineering and Remote Sensing. 58: 1335–1341.

13. Geerts, S., Raes, D. 2009. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas. Agricultural Water Management. 96: 1275–1284.

14. Haghayeghi Moghaddam Akbari, M., SadrGhaen, S.H., S.A. 2014. Investigation of the effect of changing irrigation methods from traditional to modern on compensating the deficit in Neyshabour plain aquifer using the SWAP model. Iran Water Research Journal. 15: 125–133.

15. Hoseini, A., Farajzadeh, M., Velayati, S. 2005. The water crisis analysis in Neishaboor plain with considering environmental planning. Khorassan-Razavi Regional Water Company, Mashad, Iran.

16. Izady, A., Davary, K., Alizadeh, A., Ghahraman, B., Sadeghi, M., Moghaddamnia, A. 2012. Application of “panel-data” modeling to predict groundwater levels in the Neishaboor Plain, Iran. Hydrogeology Journal. 20: 435–447.

17. Jia, K., Wu, B., Tian, Y., Zeng, Y., Li, Q. 2011. Vegetation classification method with biochemical composition estimated from remote sensing data.International journal of remote sensing. 32: 9307–9325.

18. Li, Z.-L., Tang, B.-H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, I.F., Sobrino, J.A. 2013. Satellite-derived land surface temperature: Current status and perspectives. Remote Sensing of Environment. 131: 14–37.

19. Liang, S. 2001. Narrowband to broadband conversions of land surface albedo I: Algorithms. Remote Sensing of Environment. 76: 213–238.

20. Mutambara, S., Darkoh, M.B.K., Atlhopheng, J.R. 2016. A comparative review of water management sustainability challenges in smallholder irrigation schemes in Africa and Asia. Agricultural Water Management. 171: 63–72.

21. Peters, J. 2015. The Many Band Combinations of Landsat 8. URL http://www.exelisvis.com/Home/NewsUpdates/TabId/170/ArtMID/735/ArticleID/14305/The-Many-Band-Combinations-of-Landsat-8.aspx

22. Smith, R.B. 2010. The Heat Budget of the Earth’s Surface Deduced from Space. Yale University Center for Earth Observation: New Haven, CT, USA.

23. Steduto, P., Hsiao, T.C., Fereres, E., Raes, D. 2012. FAO Irrigation and Drainage Paper 66. 70–87.

24. USGS, 2012. URL: http://glovis.usgs.gov/index.shtm\nhttp://glovis.usgs.gov/

25. Van Oort, P.A.J., Wang, G., Vos, J., Meinke, H., Li, B.G., Huang, J.K., van der Werf, W. 2016. Towards groundwater neutral cropping systems in the Alluvial Fans of the North China Plain. Agricultural Water Management. 165: 131–140.

26. Velayati, S., Tavassloi, S. 1991. Resources and problems of water in Khorasan province. Razavi, Mashhad, Iran.