نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب دانشگاه تربیت مدرس

2 استاد گروه منابع آب دانشگاه تربیت مدرس

3 استادیار دانشکده کشاورزی دانشگاه اراک

چکیده

با توجه به کاهش منابع آبی، تخصیص بهینه آب در بخش کشاوزی بیش از پیش ضرورت پیدا می­کند.  بدین منظور،
برنامه­ریزی بهینۀ آبیاری و تولید توابع عملکرد با توجه به منابع آب در دسترس و مراحل رشد، رویکردی است مؤثر در
بهره­وری بهتر از آب.  این رویکرد با هدف حداکثر کردن تولید محصول با استفاده از روابط ارائه شده در سازمان خوارباروکشاورزی ملل متحد (FAO) در سال 1979 به کرات مورد توجه بوده است.  اما همین سازمان از سال 2003 تغییراتی در این روابط داد که کمتر مورد توجه قرار گرفته است.  مقایسه این دو روش در تولید توابع عملکرد و نحوۀ تخصیص آب، هدف این مقاله قرار داده شده است که روی چهار محصول گندم، جو، چغندر قند، و سیب‌زمینی در شبکه­های آبیاری زاینده رود به انجام رسید.  بدین منظور دو مدل بهینه­سازی برای تهیۀ برنامۀ آبیاری محصولات فوق در طول دورۀ رشد و با دور زمانی10 روزه با هدف حداکثر کردن عملکرد بر اساس شرایط اقلیمی مربوط به خشکسالی سال آبی 78-1377 توسعه یافت.  نتایج نشان می­دهد که رابطۀ جدید FAO عملکرد کمتری را برای محصولات در شرایط تنش آبی ارائه می­دهد.  اما از طرفی توزیع آب آبیاری طی دوره رشد یکنواخت­تر بوده است. 

عنوان مقاله [English]

Crop Production Function and Irrigation Water Allocation Using Old and New FAO Methods in Zayandeh Rud Irrigation System

چکیده [English]

Decreasing water resources has made optimum water allocation in agriculture essential. Planning optimum irrigation and crop production function considering accessible water and growing stage is an efficient approach to increase water productivity. Studies have applied this approach to maximize crop production using the FAO crop production method introduced in 1979. However, the FAO introduced a new method in 2003 that has been rarely studied. The objective of this study is to compare the performance of the two FAO methods in the Zayandh Rud irrigation system using climate information from the 1998 drought in the region. Wheat, barley, sugar beets and potatoes, the region’s main crops, are selected and their production function and temporal pattern of optimum irrigation water by growing stage (10 days of irrigation) are compared. The results show that the new FAO method estimates lower crop yield under water stress; however, the temporal pattern of irrigation depth is smoother and more uniform during the crop growing stages.

کلیدواژه‌ها [English]

  • FAO methods
  • Optimized water allocation
  • Water stress
  • Yield production
  • Zayandeh Rud
Alizadeh, A. 2001. Optimization of Agriculture Water Consumption Pattern in Iran. Iran Meteorological Organization and Ministry of  Jihad-e-Agriculture. (in Farsi)
Allen, R. G., Pereira, L. S., Raes, D. and Smith, M. 1998. Crop evapotranspiration. Irrig. Drain. Paper 56.  FAO. Rome. Italy.
Borg, H. and Grimes, W. 1986. Depth development of roots with time: an empirical description. Trans. ASAE. 29(1): 194-197.
Dinar, A., Yaron, D. and Baruchin, A. 1982. Alternative cropping systems and intensive irrigation under arid zone conditions. Agric. Sys. 38(3): 301-318.
Doorenbos, J. and Kassam, A. H. 1979. Yield response to water. Irrig. Drain. Paper 33. FAO. Rome. Italy.
Doorenbos, J. and Pruitt, W. O. 1984. Guidelines for predicting crop water requirements. Irrig. Drain. Paper 24. FAO. Rome. Italy.
Farshi, A., Shariati, M., Jarallahi, R., Ghasemi, M., Shahabifar, M. and Fuladi, S. M. 1995. Estimation of agriculture crop water requirement. Research Report. Soil and Water Research Institute. (in Farsi)
Ghahraman, B. and Sepaskhah, A. R. 2002. Optimal allocation of water from a single purpose reservoir to an irrigation project with pre-determined multiple cropping patterns. Irrig. Sci. 21, 127-137.
Ghahraman, B. and Sepaskhah, A. R. 2004.  Linear and non-linear optimization models for allocation of a limited water supply.  Irrig. Drain. 53, 39-54.
Hornbuckle, J. W. Christen, E.W., Podger, G., White, R., Seaton, S., Perraud, J. M. and Rahman, J. M. 2000. Predicting irrigation return flows to river systems: conceptualisation and model development of an irrigation area return flow model. http://www .mssanz.org .au.
Kumar, D. N., Raju K. S. and Ashok, B. 2006. Optimal reservoir operation for irrigation of multiple crops using genetic algorithms. J. Irrig. Drain. Eng. 132(2): 123-129.
Moghaddasi, M., Morid, S., Araghinejad, S. and Agha Alikhani, M. 2010. Assessment of irrigation water allocation based on optimization and equitable water reduction approaches to reduce agricultural
drought losses: The 1999 drought in the Zayandeh Rud irrigation system (Iran). Irrig. Drain. 59(4): 377-387.
Paudyal, G. and Dasgupta, A. 1990. A nonlinear chance constrained model for irrigation planning. Agric. Water Manage. 18(2): 87-100.
Raes, D., Steduto, P., Hsiao, T.C. and Fereres, E. 2010a. AquaCrop – The FAO crop model to simulate yield response to water. Reference Manual.
Raes, D., Steduto, P., Hsiao, T. C. and Fereres, E. 2010b. AquaCrop Reference Manual (Annexes).
Rana, J. 1993. Organization and decision making process in a large farmer managed irrigation system. In: Gill, J., Thapa, G.B. (Eds.) The Chhattis Mauja irrigation system in Nepal. Indigenous management of natural resources in Nepal. Winrock Int. 250-264.
Rao, N. H., Sarma, P. B. S. and Chander, S. 1996. Optimal multicrop allocation of seasonal and intraseasonal irrigation water. Water Resource Res. 26, 551-559.
Sepaskhah, A. R. and Akbari, D. 2005. Deficit irrigation planning under variable seasonal rainfull. Bios. Eng. 92(1): 97-106.
Sepaskhah, A. R. and Parand, A. 2006. Effects of alternate furrow irrigation with supplemental every-furrow irrigation at different growth stages on the yield of maize (Zea mays L.). Plant Prod. Sci. 9(4): 415-421.
Shangguan, Z., Shao, M. and Horton, R. 2002. A model for regional optimal allocation of irrigation water resources under deficit irrigation and its applications. J. Agric. Water Manage. 52, 139-154.
Steduto, P., Hsiao, T.C. and Fereres, E. 2007. On the conservative behavior of biomass water productivity. Irrig. Sci. 25, 189-207.
Steduto, P., Hsiao, T.C. and Fereres, E. 2009. AquaCrop -The FAO crop model to simulate yield response to water. Agronomy. J. 101(3): 426-437