خلاصه

روش‌های سنتی مبتنی بر مبارزات مزرعه‌ای عموماً برای ارزیابی عملکرد طرح‌های آبیاری در بورکینافاسو استفاده می‌شوند که منجر به فرآیندهای کار فشرده، زمان‌بر و پرهزینه می‌شود. علیرغم کاربرد گسترده آنها برای چنین ارزیابی عملکرد، رویکردهای مبتنی بر سنجش از دور (RS) در بورکینافاسو بسیار مورد استفاده قرار نمی‌گیرند. با استفاده از تصاویر چند زمانی Landsat در ماژول پایتون برای الگوریتم تعادل انرژی سطحی برای مدل زمین، الگوهای عملکرد مکانی و زمانی طرح آبیاری دره کو (KVIS) را در طول دو فصل متوالی کشت بررسی کردیم. چهار شاخص عملکرد (کسری تخلیه شده، تبخیر و تعرق نسبی، یکنواختی مصرف آب و بهره وری آب محصول) برای برنج، ذرت و سیب زمینی شیرین محاسبه و با مقادیر استاندارد مقایسه شد. به طور کلی، عملکرد KVIS بسته به سال، محصول و موقعیت جغرافیایی محصول در طرح آبیاری متفاوت بود. یک گرادیان از تبخیر و تعرق نسبی متفاوت مکانی در سراسر طرح مشاهده شد، با یکنواختی مصرف آب منصفانه به خوب. اگرچه برنج بیشترین کشت را داشت، اما با توجه به عملکرد نسبتاً خوبی که این محصول به دست آورد، می‌توان برای بهره‌مندی بیشتر از آبیاری، تغییر به سمت کشت بیشتر سیب‌زمینی شیرین اتخاذ کرد. یافته‌های ما پتانسیل چنین روش‌های مقرون‌به‌صرفه مبتنی بر RS را برای خدمت به عنوان مبنایی برای بهبود مدیریت آب آبیاری در ابزارهای پشتیبانی تصمیم مشخص می‌کند. یک گرادیان از تبخیر و تعرق نسبی متفاوت مکانی در سراسر طرح مشاهده شد، با یکنواختی مصرف آب منصفانه به خوب. اگرچه برنج بیشترین کشت را داشت، اما با توجه به عملکرد نسبتاً خوبی که این محصول به دست آورد، می‌توان برای بهره‌مندی بیشتر از آبیاری، تغییر به سمت کشت بیشتر سیب‌زمینی شیرین اتخاذ کرد. یافته‌های ما پتانسیل چنین روش‌های مقرون‌به‌صرفه مبتنی بر RS را برای خدمت به عنوان مبنایی برای بهبود مدیریت آب آبیاری در ابزارهای پشتیبانی تصمیم مشخص می‌کند. یک گرادیان از تبخیر و تعرق نسبی متفاوت مکانی در سراسر طرح مشاهده شد، با یکنواختی مصرف آب منصفانه به خوب. اگرچه برنج بیشترین کشت را داشت، اما با توجه به عملکرد نسبتاً خوبی که این محصول به دست آورد، می‌توان برای بهره‌مندی بیشتر از آبیاری، تغییر به سمت کشت بیشتر سیب‌زمینی شیرین اتخاذ کرد. یافته‌های ما پتانسیل چنین روش‌های مقرون‌به‌صرفه مبتنی بر RS را برای خدمت به عنوان مبنایی برای بهبود مدیریت آب آبیاری در ابزارهای پشتیبانی تصمیم مشخص می‌کند.

کلید واژه ها:

مدیریت آب ; امنیت غذایی ؛ تنوع آب و هوا ؛ سبال ; جنوب صحرای آفریقا

1. معرفی

منابع آبی برای آبیاری به طور فزاینده‌ای در بسیاری از نقاط جهان به دلیل رشد سریع جمعیت جهان، فشار بر منابع آب و تقاضاهای رقابتی سایر بخش‌ها (بخش‌های صنعتی و خانگی) کمیاب می‌شوند [1 ، 2 ، 3 ، 4 ] . در بسیاری از کشورها، به ویژه در کشورهای جنوب صحرای آفریقا، کشاورزی آبی برای اقتصاد ملی، امنیت غذایی، و معیشت جوامع محلی حیاتی است [ 5 ، 6 ، 7] .]. در بورکینافاسو، توسعه مناطق آبی-کشاورزی، متشکل از مخازن آب کوچک تا متوسط ​​و طرح‌های آبیاری، برای مقابله با تأثیرات تغییر سال به سال بارندگی بر تولید محصول، فشار قابل‌توجهی بر آب موجود برای آبیاری وارد کرده است [8 ] ، 9 ]. نیاز به استفاده کارآمدتر از منابع آب به یکی از دغدغه های اصلی برای پایداری تولیدات کشاورزی تبدیل شده است.
ارزیابی عملکرد طرح های آبیاری بخشی جدایی ناپذیر از مدیریت آب برای تعیین معیارها، بهبود عملیات سیستم، ارزیابی اثرات مداخلات و محدودیت ها، و ارزیابی پیشرفت به سمت اهداف استراتژیک بوده است [10 ، 11 ] . چنین ارزیابی هایی با تعریف و کمی کردن شاخص های کلیدی و تجزیه و تحلیل پیشرفت به سمت اهداف انجام می شود [ 12 ، 13 ]. با این حال، نیازمندی‌های داده بالا هستند و داده‌ها به ندرت جمع‌آوری می‌شوند یا غیرقابل اعتماد هستند یا به راحتی در دسترس نیستند [ 10 ، 14]]. این داده ها شامل داده های هواشناسی (به عنوان مثال، بارندگی، تبخیر و تعرق واقعی و بالقوه)، اندازه گیری دبی، اطلاعات محصول (به عنوان مثال، ضرایب فرهنگی، نیاز آبی محصول، رشد زیست توده)، توپوگرافی، و داده های خاک است. در کشورهایی مانند بورکینافاسو، روش‌های سنتی مبتنی بر کمپین‌های مزرعه‌ای و بررسی‌ها به طور کلی برای ارزیابی عملکرد طرح‌های آبیاری استفاده می‌شود، که این فرآیند را کار فشرده، زمان‌بر و اغلب گسترده می‌کند [7 ، 15 ، 16 ، 17 ] . برای اینکه ارزیابی عملکرد در زمان و هزینه کارآمدتر شود، تکنیک ها و رویکردهای جدید مورد نیاز است. رویکردهای مبتنی بر سنجش از دور ماهواره ای (RS) به عنوان جایگزین های مقرون به صرفه مورد بررسی قرار گرفته اند (به بررسی ها در [ 14 مراجعه کنید ،18 ، 19 ]). به طور کلی، RS می‌تواند اطلاعات فضایی صریح و عینی را در مقیاس‌های زمانی مختلف (از مزارع جداگانه تا حوضه‌های آبخیز) و زمانی ارائه دهد [ 14 ]. با پیشرفت‌های مداوم در ظرفیت پردازش داده‌های RS و در دسترس بودن داده‌های زمانی (تصاویر بی‌درنگ) و وضوح مکانی بالا، رویکردهای مبتنی بر RS برای ارزیابی عملکرد آبیاری در مناطق یا کشورهایی مانند بورکینافاسو با داده‌های کمیاب بسیار مهم است.
مطالعات متعددی برای ارزیابی عملکرد طرح های آبیاری تحت شرایط مختلف محیطی و مدیریتی با استفاده از رویکردهای مبتنی بر RS انجام شده است (برای مثال، [ 20 ، 21 ، 22 ، 23 ، 24 ، 25 ] را ببینید). به عنوان مثال، Ref. [ 20 ] از داده‌های RS از اداره ملی اقیانوسی و جوی – رادیومتر با وضوح بسیار بالا پیشرفته (NOAA-AVHRR)، تکمیل شده با اندازه‌گیری‌های درجا، برای نظارت بر عملکرد طرح Nilo Coelho (که شامل آبیاری درختان میوه چند ساله) در برزیل است، استفاده کرد. . در [ 21]، محققان رویکردی مبتنی بر داده‌های سنجش از دور در سطح بالایی از جزئیات مکانی-زمانی (به عنوان مثال، داده‌های شاخص گیاهی تفاوت نرمال‌شده Landsat-5 و Landsat-7 (NDVI) و داده‌های تابش خورشیدی به دست آمده از برنامه‌های ماهواره‌ای تجزیه و تحلیل سطح زمین ارائه کردند. تسهیلات) برای ارزیابی عملکرد یک سیستم آبیاری مبتنی بر برنج 800 کیلومتری در مالی. علی‌رغم کاربرد گسترده رویکردهای مبتنی بر RS برای بررسی عملکرد طرح‌های آبیاری و هدایت مدیریت آب آبیاری، چنین روش‌هایی به‌طور عملیاتی در بورکینافاسو بسیار کم استفاده می‌شوند. به عنوان مثال، Refs. [ 16 ، 17] از داده‌های پایش و بررسی مزرعه‌ای برای ارزیابی عملکرد مناطق کشاورزی آبی برای کشت برنج برنج در سراسر طرح آبیاری دره کو (KVIS) در اوایل دهه 2000 (در مطالعه قبلی) و برای پرورش لوبیا سبز، ذرت و پیاز در حدود دو مورد استفاده کرد. مخازن آب بورکینابه، مخازن Savili و Mogtédo (در مطالعه اخیر). هر دو مطالعه بر ضرورت دانش بهتر از تکامل سطوح عملکرد برای اقدامات اصلاحی به موقع و مؤثر تأکید کردند.
هدف از این مطالعه ارزیابی عملکرد آبیاری KVIS با استفاده از شاخص های مشتق از سنجش از دور ماهواره ای بود. این مطالعه بر روی شاخص‌های عملکرد تشخیصی با هدف شناسایی مناطق با عملکرد خوب و ضعیف در KVIS تمرکز خواهد کرد. ماژول پایتون برای الگوریتم تعادل انرژی سطحی برای مدل زمین (PySEBAL) بر روی چهارده تصویر Landsat با وضوح بالا که در طول دوره‌های تولید فصل خشک در سال‌های 2013 و 2014 به دست آمده‌اند برای تخمین تبخیر و تعرق واقعی (ETa) و زیست توده در مقیاس‌های زمانی مختلف اعمال شد . . قبل از انجام محاسبات شاخص‌های عملکرد و تحلیل‌های بعدی، کیفیت PySEBAL-ET a برآورد شده را ارزیابی کردیم .ارزش‌ها را با مقایسه آنهایی که از سازمان غذا و کشاورزی سازمان ملل متحد بهره‌وری آب در پورتال دسترسی آزاد (FAO-WaPOR) دریافت کرده‌اند. تخمین زده PySEBAL-ET a و زیست توده سپس برای تجزیه و تحلیل چهار شاخص عملکرد (یعنی تبخیر و تعرق نسبی، کسر تخلیه شده، یکنواختی مصرف آب و بهره وری آب محصول) برای برنج (Oryza glaberrima)، ذرت ( Zea mays L.) استفاده شد. و سیب زمینی شیرین ( Ipomoea batatas ). یافته‌های این مطالعه می‌تواند بینش‌های ارزشمندی را برای راهنمایی خدمات مشاوره کشاورزی برای KVIS و استفاده بالقوه از چنین رویکرد مقرون‌به‌صرفه‌ای برای بهبود مدیریت آب آبیاری در بورکینافاسو ارائه دهد.

2. مواد و روشها

2.1. منطقه مطالعه

KVIS که در سال 1973 ساخته شد، یک طرح آبیاری 1200 هکتاری است که به هشت بلوک تقسیم شده است ( شکل 1 A) و با تنوع محصولات از جمله غلات، غده ها و سبزیجات مشخص می شود. KVIS در حوزه آبخیز کو در جنوب غربی بورکینافاسو قرار دارد. حوضه آبخیز کو به دلیل چندین منبع آبی دائمی از نظر منابع آبی نسبتاً غنی است ( شکل S1 ) [ 3 ، 16 ]. با آب و هوای نیمه مرطوب [ 26 ، 27 ] با دو فصل آب و هوایی اصلی مشخص می شود: یک فصل بارانی از ژوئن تا سپتامبر و به دنبال آن یک فصل خشک از اکتبر تا مه. 27] .]. دمای ماهانه به طور متوسط ​​بین 18 تا 37 درجه سانتیگراد متغیر است و مقادیر رطوبت نسبی بسته به فصل از 20 تا 80 درصد متغیر است [ 27 ]. میانگین بارندگی سالانه بین 900 تا 1100 میلی متر متغیر است و تبخیر و تعرق بالقوه سالانه به طور متوسط ​​2000 میلی متر است [ 16 ، 28 ].
رودخانه کو و شاخه های آن حوزه آبخیز را تخلیه می کند. از قسمت سر، آب به طور گرانشی از طریق کانال تغذیه کننده با سرعت جریان 1.4 و 3.5 متر مکعب بر ثانیه به ترتیب در طول فصول خشک و بارانی منتقل می شود [ 3 ] . یک سیستم کانال آبیاری سلسله مراتبی از کانال های اولیه تا کواترنر، آب را در سراسر منطقه طرح تخصیص می دهد ( شکل 1 A).
شش نوع خاک غالب در سرتاسر KVIS [ 16 ، 29 ] یافت می شود: خاک رس، لوم رسی، رس شنی، لوم رسی شنی، لوم، و لوم شنی ( شکل 1 B). گزارش شده است که بیش از 1300 کشاورز در KVIS کار می کنند (از سال 2018؛ نظر شخصی Lassané Kaboré). اندازه‌های کرت کشاورز فردی بین 0.2 تا 1.5 هکتار متفاوت است و آبیاری سطحی تغذیه شده با ثقل در سراسر طرح انجام می‌شود.
KVIS در دهه های اخیر به دلیل ترکیبی از شرایط آب و هوایی نامطلوب، عدم نگهداری زیرساخت های هیدرولیک، مدیریت ضعیف زراعی و شکست سازمانی شاهد کاهش عملکرد خود بوده است [16 ، 29 ، 30 ، ] .. در واقع، تمام هشت بلوک تا زمان قطع حمایت های مالی و واگذاری مدیریت طرح به انجمن مصرف کنندگان آب (WUA) در اوایل دهه 1990 مورد بهره برداری قرار گرفت. WUA سازمان محلی کشاورزانی است که از KVIS بهره‌برداری می‌کنند، که از سال 2018 بیش از 1300 کشاورز را در خود جای داده است (کامنت‌های شخصی Lassané Kaboré). انتقال مدیریت طرح به WUA منجر به کاهش کارهای تعمیر و نگهداری و بهره برداری نادرست و/یا نادرست از بلوک ها، یعنی بلوک های 7 و 8 شد. شکل 1 الف) [ 32] شد.]. نمونه هایی از بهره برداری نامناسب شامل استفاده از خاک به عنوان مصالح ساختمانی (یعنی آجر) است که ممکن است باعث تلفات قابل توجهی در حاصلخیزی خاک شده و بر سیستم آبیاری تغذیه ثقلی تأثیر بگذارد. KVIS از سال 2009 دوباره به طور کامل عملیاتی شده است.

2.2. ماژول پایتون برای الگوریتم تعادل انرژی سطحی برای مدل زمین (PySEBAL)

ماژول پایتون برای الگوریتم تعادل انرژی سطحی برای مدل زمین (PySEBAL) (نسخه 3.4.4.2) توسط موسسه آموزش آب IHE-Delft توسعه داده شد. این به صورت رایگان از https://pypi.org/project/SEBAL/ در دسترس است . مدل PySEBAL تعادل انرژی سطحی را برای روزی که تصویر ماهواره ای مستقل از کاربری زمین به دست آمد [ 33 ، 34 ]، بر اساس ورودی های به دست آمده از تصاویر ماهواره ای (به عنوان مثال، NDVI، شاخص گیاهی تنظیم شده با خاک، گسیل خاک) محاسبه می کند. ، آلبدو سطح، شاخص سطح برگ و دمای سطح)، به همراه داده های مدل آب و هوا و ارتفاع رقومی. خروجی های PySEBAL شامل تبخیر و تعرق واقعی (ETa ) ، ضرایب محصول (Kc ) است.، و زیست توده در مقیاس زمانی روزانه (یعنی روز گرفتن تصویر RS).
مقادیر ET a به عنوان باقیمانده تراز انرژی سطحی به دست آمد. ضرایب محصول به عنوان نسبت بین ET a و تبخیر و تعرق مرجع (ET 0 ) با استفاده از معادله پنمن-مونتیث FAO-56 [ 35 ، 36 ] محاسبه شد. تولیدات زیست توده روزانه به عنوان تابعی از کسری از تابش فعال فتوسنتزی جذب شده، تابش فعال فتوسنتزی و کارایی استفاده از نور برآورد شد [ 37 ]. برای جزئیات بیشتر در مورد مدل SEBAL و روش‌های درونیابی نتایج روزانه بین دوره‌ها و تخمین خروجی‌های dekadal (دوره 10 روزه) و فصلی، به [ 37 , 38] ارجاع داده شده است.، 39 ].
یکی از مزایای اصلی مدل PySEBAL کالیبراسیون داخلی خودکار آن است، به ویژه در مورد انتخاب خشک ترین و مرطوب ترین پیکسل ها. خطای مورد انتظار از رویه‌های کالیبراسیون خودکار زمانی که در اقلیم‌های مناطق نیمه‌خشک با تابستان‌های خشک اعمال می‌شود (همانطور که در این مطالعه وجود داشت) تقریباً 10٪ کمتر از خطای کالیبراسیون دستی انجام شده توسط کاربران با تجربه و آگاه است [40 ] .

2.3. مقایسه مقادیر تخمینی ET a با استفاده از PySEBAL برای محصولات FAO-WaPOR

اگرچه مدل SEBAL به طور رضایت‌بخشی ET a روزانه (انحرافات تا 2.0 میلی‌متر در روز در مقایسه با داده‌های زمینی) را در منطقه ساوانا حوضه ولتا در غرب آفریقا، که منطقه مورد مطالعه ما را در بر می‌گیرد، تخمین می‌زند [ 41 ، 42 ]. در این مطالعه، قبل از انجام محاسبات شاخص‌های عملکرد و تحلیل‌های بعدی، کیفیت مقادیر PySEBAL-ET a برآورد شده را با مقایسه آنها با مقادیر FAO-WaPOR (نسخه 1.0؛ https://wapor.apps.fao) ارزیابی کردیم. .org/home/WAPOR_2/1). FAO-WaPOR از داده‌های ماهواره‌ای برای تولید داده‌های بهره‌وری زمین کشاورزی و آب در سه سطح فضایی استفاده می‌کند: قاره‌ای (تفکیک مکانی ۲۵۰ متر)، حوضه کشور و رودخانه (۱۰۰ متر تفکیک فضایی)، و زیرملی (رزولوشن فضایی ۳۰ متر). مقادیر تبخیر و تعرق در مقیاس‌های زمانی مختلف با استفاده از معادله پنمن-مونتیث FAO-56 و داده‌های حاصل از ماهواره از طریق مدل ETLook تعیین می‌شوند. شرح مدل ETLook در [ 43 ] ارائه شده است. داده های ماهواره ای از حسگرهای طیف رادیومتر تصویربرداری با وضوح متوسط ​​(MODIS) و رادیومتر اسکن مایکروویو پیشرفته (AMSRE) هستند. داده‌های FAO-WaPOR با بررسی سازگاری لایه‌های مختلف با استفاده از منابع داده‌های مختلف مستقل [ 44 ] مورد ارزیابی کیفی قرار گرفته‌اند. دکادال و ET فصلییک داده با وضوح 250 متر برای دوره مطالعه از پورتال داده FAO-WaPOR ( https://wapor.apps.fao.org ) بازیابی شد. برای مقایسه فضایی، داده‌های PySEBAL-ET با وضوح فضایی 250 متری برای مطابقت با FAO-WaPOR با استفاده از الگوریتم نزدیک‌ترین همسایه پیاده‌سازی شده در نرم‌افزار QGIS (نسخه 2.18.27) مجدداً نمونه‌برداری شد. ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین (R2 ) به عنوان شاخص های آماری برای ارزیابی مقایسه ها استفاده شد.

2.4. شاخص های عملکرد آبیاری

چهار شاخص عملکرد در مطالعه ما مورد ارزیابی قرار گرفت: کسر تخلیه شده، تبخیر و تعرق نسبی (ET rel )، یکنواختی مصرف آب، و بهره‌وری آب محصول (CWP). این شاخص ها بر اساس لیست های پیشنهادی کمیسیون بین المللی آبیاری و زهکشی [ 12 ، 14 ، 45 ] بود. کسرهای تخلیه شده برای کل KVIS به دلیل فقدان داده های دقیق تامین آبیاری در مقیاس کرت در طول دوره مطالعه، و پیروی از توصیه های [ 46 ، 47 ] برای چنین موارد خاص، برآورد شد. سه شاخص باقی مانده (یکنواختی مصرف آب، ET relو CWP) برای هر یک از سه محصول تعیین شد.

2.4.1. کسر تهی شده

کسر تخلیه شده برای توصیف بیلان ناخالص آب مناطق قابل آبیاری استفاده می شود [ 46 ، 47 ، 48 ]. به صورت زیر برآورد شد [ 48 ]:

تخلیه شده است کسر=ETآباران + Vج

که در آن Rain میزان بارندگی (mm) و Vc حجم آبیاری (mm) است. از داده های تامین آبیاری کانال اصلی استفاده شد.

در این مطالعه، کسرهای تهی شده در یک گام زمانی دکادال در طول ژانویه-آوریل 2013 و 2014 محاسبه شدند. به دنبال [ 46 ]، ما فرض کردیم که کسرهای تخلیه شده از 0.6 تا 0.8 نشان دهنده عملکرد خوب هستند. برعکس برای مقادیر کمتر از 0.6.
2.4.2. تبخیر و تعرق نسبی (ET rel )

ET rel کفایت تامین آب را برای جلوگیری از تنش آبی محصول نشان می دهد [ 49 ]. به شرح زیر برآورد شد:

ETرابطه=ETآET0

که در آن ET a به تبخیر و تعرق واقعی (mm) تخمین زده شده با استفاده از PySEBAL و ET 0 به تبخیر و تعرق مرجع FAO-56 Penman-Monteith (mm) اشاره دارد.

یک مشکل رایج در هنگام تعیین آستانه های ET rel برای شاخص های عملکرد، تنوع پاسخ های ژنوتیپ بر اساس محیط است [ 50 ]. یک ژنوتیپ همیشه ویژگی های فنوتیپی یکسانی در همه محیط ها ندارد. به همین ترتیب، ژنوتیپ های مختلف ممکن است به یک محیط خاص واکنش متفاوتی نشان دهند [ 50 ، 51 ]. به دنبال مطالعات قبلی [ 52 ، 53 ، 54 ]، ما یک ET rel برابر یا بیشتر از 0.75 را به عنوان آستانه عملکرد خوب در نظر گرفتیم. مقادیر زیر 0.75 نشان دهنده عملکرد ضعیف بود.
2.4.3. یکنواختی مصرف آب
یکنواختی مصرف آب با استفاده از ضریب تغییرات (CV) ET a [ 55 ] توصیف شد. در مطالعه خود، محدوده مقادیر CV پیشنهاد شده توسط [ 20 ، 49 ] را برای مشخص کردن یکنواختی مصرف آب در یک منطقه آبی مورد استفاده قرار دادیم. ET a CV کمتر از 10 نشان دهنده یکنواختی خوب مصرف آب است، در حالی که یکنواختی منصفانه و ضعیف مصرف آب به ترتیب با مقادیر ET a CV در محدوده 10 تا 25 و مقادیر بیشتر از 25 نشان داده می شود.
2.4.4. بهره وری آب کشاورزی (CWP)

مفاهیم مختلفی از CWP وجود دارد. برای مثال، CWP را می توان به عنوان نسبت بین یک متغیر محصول تعریف شده (به عنوان مثال، عملکرد) و مقدار آب تخلیه شده (معمولاً محدود به تبخیر و تعرق محصول) [56]، یا به عنوان افزایش زیست توده یا عملکرد در واحد تبخیر و تعرق تعریف کرد. عمق آبیاری [ 57 ]. به دنبال تعریف اخیر، ما در این مطالعه به CWP به عنوان نسبت بین عملکرد محصول و ET a اشاره کردیم (معادله (3)).

CWP=بازدهETآ

عملکرد محصول به عنوان تابعی از زیست توده، شاخص برداشت، و رطوبت دانه (یا غده) محصول در زمان برداشت برآورد شد (معادله (4)).

بازده=زیست توده ایکس سلام1-مoمنستی

که در آن عملکرد مربوط به عملکرد دانه یا غده است (کیلوگرم هکتار -1 ). HI شاخص برداشت (بدون واحد) است. زیست توده زیست توده ای است که با استفاده از PySEBAL (کیلوگرم در هکتار -1 ) تخمین زده می شود. و Moist میزان رطوبت دانه (یا غده) محصول در هنگام برداشت (%) است. مقادیر شاخص برداشت و میزان رطوبت دانه/غده مورد استفاده در این مطالعه در بخش 2.5.3 ارائه شده است .

هیچ سوابق رسمی از عملکرد محصول مشاهده شده در هر کرت در طول دوره مطالعه در دسترس نبود زیرا به‌روزرسانی منظم پایگاه‌های داده عملکرد محصول در هر فصل وجود نداشت. فقط میانگین عملکرد برای سه محصول ثبت شده بین سال های 2008 و 2014 ارائه شد. این مقادیر برای برنج شلتوک، ذرت و سیب زمینی شیرین به ترتیب 4.0، 2.5 و 15.7 تن در هکتار بود [ 8 ، 58 ]. بنابراین، ما هیچ تحلیل مقایسه دقیقی برای ارزیابی تخمین بازده کیفیت با استفاده از PySEBAL انجام ندادیم. برای ارائه ایده‌ای از سطوح عملکردی که می‌توان با توجه به شیوه‌های رایج مدیریت محصول در سراسر KVIS (مثلاً نرخ‌های کود پایین اعمال شده) انتظار داشت و برای مقاصد مقایسه، ما کمترین مقادیر بازده بالقوه ارائه شده توسط [ را در نظر گرفتیم.59 ] (برای برنج) و [ 60 ] (برای ذرت و سیب زمینی شیرین). یعنی به ترتیب 5.0، 4.0 و 20.0 تن در هکتار برای برنج شلتوک، ذرت و سیب زمینی شیرین.
مقادیر مختلف CWP برنج، ذرت و سیب زمینی شیرین بسته به ارقام، مناطق زراعی و شیوه های مدیریتی در ادبیات پیدا شد. به عنوان مثال، محدوده CWP برنج و ذرت به ترتیب 0.6 تا 1.6 کیلوگرم در متر مکعب و 1.2 تا 2.3 کیلوگرم در متر مکعب بود [ 61 ، 62 ]. به دنبال توصیه‌های [ 61 ، 62 ]، ما در این مطالعه مقادیر CWP را 0.6، 1.2 و 4 کیلوگرم در متر مکعب به عنوان آستانه برای برنج، ذرت و سیب‌زمینی شیرین فرض کردیم تا عملکرد خوب را مشخص کنیم. یعنی مقادیر CWP کمتر از آستانه نشان دهنده عملکرد ضعیف بود. برعکس برای مقادیر مساوی یا بزرگتر از آستانه.
یک نمودار شماتیک که رویکرد مورد استفاده در این مطالعه را برای ارزیابی عملکرد آبیاری KVIS در طول دوره آبیاری بحرانی (ژانویه تا آوریل) فصل زراعی 2013 و 2014 توصیف می کند در شکل 2 ارائه شده است .

2.5. داده ها

2.5.1. تصاویر لندست

تصاویر آسمان شفاف چندزمانی از ابزارهای Landsat-7 ETM+ و Landsat-8 Operational Land Imager (OLI) و حسگر حرارتی فروسرخ (TIRS) در این مطالعه استفاده شد (جدول 1 ) . آنها از وب سایت https://earthexplorer.usgs.gov/ بازیابی شدند . پیش پردازش داده ها، از جمله نمونه برداری مجدد داده ها (یعنی ارتقاء داده های تفکیک مکانی 100 متر به داده های تفکیک مکانی 30 متر)، اصلاحات جوی، مدیریت داده های مدل رقومی ارتفاع (DEM) و ایجاد ماسک ابر، در PySEBAL انجام شد. [ 63 ].
با توجه به وجود شکاف‌های اسکن به اسکن گوه‌ای در دو طرف هر صحنه در Landsat-7 ETM+، با از دست دادن داده‌ها [ 65 ]، این نوارها با استفاده از نوارهای ماسک ارائه شده به همراه داده‌های دانلود شده پر شدند. در [ 66 ]، اشاره شد که برای ET یک محاسبه از باندهای +ETM Landsat-7، پر کردن شکاف‌های باند نسبت به پر کردن محصولات نهایی ET a یکدست‌تر تولید می‌کند . از این رو، قبل از محاسبات ET a ، شکاف‌ها در هر باند +ETM Landsat-7 با استفاده از الگوریتم درونیابی وزنی معکوس [ 67 ، 68 ] پر شد.
2.5.2. داده های آب و هوا و DEM
داده های آب و هوا در گام های زمانی 3 ساعته و روزانه برای دمای هوا، سرعت باد، رطوبت نسبی و تابش خورشیدی طی سال های 2013 و 2014 استفاده شد. داده های دمای هوا، سرعت باد و رطوبت نسبی از یک ایستگاه هواشناسی سینوپتیک، واقع در حدود 25 کیلومتری جنوب شرقی KVIS، به دست آمد. داده های تابش خورشیدی از وب سایت https://www.soda-pro.com بازیابی شد . داده های آب و هوای روزانه در نرم افزار REF-ET (نسخه 4.1) برای محاسبه ET 0 [ 36 ] استفاده شد . داده های آب و هوای 3 ساعته در PySEBAL برای محاسبه ET a استفاده شد .
داده‌های DEM در وضوح فضایی 30 متر در فرآیند تصحیح دمای سطح در PySEBAL با توجه به تغییرات دما بر اساس ارتفاع و شیب استفاده شد. اطلاعات DEM از ماموریت توپوگرافی رادار شاتل (SRTM) سازمان ملی هوانوردی و فضایی ایالات متحده (ناسا) تهیه شده است.
2.5.3. داده های زمینی
نرخ جریان روزانه آب (به عنوان مثال، تامین آبیاری کانال تغذیه KVIS)، نرخ بارندگی dekadal، HI، و رطوبت دانه / غده برای برنج شلتوک، ذرت، و سیب زمینی شیرین استفاده شد. داده های جریان آب و میزان بارندگی برای دوره مطالعه ( شکل 3 )، اندازه گیری شده در کانال تغذیه، از تیم مدیریت KVIS [ 58 ] به دست آمد. داده های آب از دست رفته توسط زهکشی و نفوذ در طول دوره مطالعه در دسترس نبود.
داده های HI و محتوای رطوبت غده/غده از ادبیات [ 62 ، 69 ، 70 ، 71 ] بازیابی شد. HI و محتویات رطوبت غده/غده ( جدول 2 ) در محدوده مقادیر گزارش شده انتخاب شدند تا منعکس کننده شیوه های رایج مدیریت محصول در سراسر KVIS باشند.
دوره بحرانی آبیاری معمولاً از ژانویه تا آوریل را در بر می گیرد و نهالستان برنج از دسامبر شروع می شود و سپس در ژانویه پیوند می شود. کاشت ذرت و کاشت سیب زمینی شیرین نیز در ژانویه اتفاق می افتد. چرخه رشد ارقام ذرت، سیب زمینی شیرین و برنج به ترتیب بین 80 تا 100 روز، 90 و 100 روز و 90 و 120 روز متغیر است. برداشت برای هر سه محصول به طور کلی در ماه مه انجام می شود. واریته های برنج جدید برای آفریقا (NERICA) (بازده بالقوه شالیزار 5.0 تا 7.0 تن در هکتار ) ، واریته های مرکب ذرت (به عنوان مثال، بارکا و اسپویر؛ با سطح عملکرد بالقوه در محدوده 4.0 تا 6.5 تن در هکتار ) و گونه های محلی سیب زمینی شیرین (سطح عملکرد بالقوه از 20.0 تا 30.0 تن در هکتاردر طول دوره مطالعه در KVIS رشد کردند [ 59 ، 60 ].
در طول دوره مورد مطالعه، برنج به طور کلی در بخش های جنوبی KVIS کشت شد. قطعات ذرت در سراسر بخش مرکزی تا شمال شرقی طرح بودند. و سیب زمینی شیرین بیشتر در قسمت های مرکزی طرح کشت می شد ( شکل 4 ). سطح زیر کشت برنج، ذرت و سیب زمینی شیرین به ترتیب 452، 369 و 113 هکتار در سال 2013 بود. مقادیر مربوطه در طول سال 2014 برابر با 317، 232 و 175 هکتار بود [58 ، 72 ] .

3. نتایج

3.1. مقایسه بین FAO-WaPOR و PySEBAL ET a

مقایسه بین FAO-WaPOR و PySEBAL ET a در مقیاس dekadal و فصلی برای دو دوره تولید فصل خشک در شکل 5 ارائه شده است . برای دوره 2013، PySEBAL به نظر می‌رسد که مقادیر ET a را در هر دو مقیاس زمانی، با RMSE = 11 میلی‌متر و 150 میلی‌متر به ترتیب برای تخمین‌های dekadal و فصلی، کمی دست‌کم می‌گیرد. در سال 2014، توافق های خوبی با RMSE های 3.6 میلی متر و 64 میلی متر، و R 2 از 0.74 و 0.70 به ترتیب برای تخمین های dekadal و فصلی یافت شد ( شکل 5 ). این نتایج با نتایج گزارش‌شده مطالعات در سنگال مطابقت دارد، جایی که مقادیر ET a از برج‌های شار با داده‌های FAO-WaPOR [ 44] مقایسه شد.]. FAO-WaPOR از یک مدل جوی جهانی برای ارائه داده های هواشناسی استفاده می کند. محدودیت‌های چنین روش‌شناسی شامل عدم قطعیت‌های مربوط به تغییرپذیری مکانی و تفکیک مکانی این داده‌ها است. به عنوان مثال، داده های دما دارای وضوح فضایی 0.25 درجه (~28 کیلومتر در خط استوا) هستند. داده‌های انتقال اتمسفر دارای وضوح فضایی 4 کیلومتری هستند و تصاویر Landsat وضوح فضایی 30 متری را برای باندهای مورد استفاده تصویر می‌کنند. علاوه بر این، در FAO-WaPOR، شکاف‌ها و ناهنجاری‌ها با استفاده از روش هموارسازی پر می‌شوند که می‌تواند منجر به خطا شود. علیرغم دست کم گرفتن مشاهده شده در سال 2013، که می تواند مربوط به این خطاهای سیستماتیک در FAO-WaPOR [ 44 ، 73 ]، و تا حدی، کیفیت تصاویر Landsat 7 ETM+ باشد، به نظر می رسد PySEBAL به طور رضایت بخشی ET را برآورد می کند.مقادیر در سراسر KVIS.
مقادیر نسبتاً بالاتر ET a در سال 2014 ( شکل 5 ) می تواند به عوامل مختلفی از جمله شیوه های مدیریت محصول، در دسترس بودن آب و آب و هوا مرتبط باشد. به عنوان مثال، تفاوت در کل مناطق کشت شده بین سال‌های 2013 و 2014 (به ترتیب 934 هکتار و 724 هکتار) ممکن است نقشی در دسترسی به آب برای رفع نیازهای آبی محصول در طول دوره مورد مطالعه داشته باشد، با اینکه آب بیشتری در سال 2014 تقریباً در دسترس است. همچنین می تواند کم برآوردی را که در FAO-WaPOR در سال 2013 یافت شد توضیح دهد، تحقیقات بیشتری برای درک بهتر این تفاوت ها مورد نیاز است.

3.2. تبخیر و تعرق واقعی فصلی و بازده

مقادیر نسبتاً بالاتر ET a در سال 2014 در مقایسه با سال 2013 مشاهده شد. در سال 2013، مقدار متوسط ​​554 میلی متر (محدوده = 178-750 میلی متر) بود ( شکل 6 ). هنگام تجزیه و تحلیل نتایج بر اساس نوع محصول، مقادیر متوسط ​​برای کرت های ذرت و سیب زمینی شیرین کاملاً مشابه بود، در حالی که در کرت های برنج نسبتاً بالاتر بود. در سال 2013، میانگین مقادیر ET a به ترتیب 551 و 546 میلی متر در کرت های ذرت و سیب زمینی شیرین بود. مقادیر مربوطه در سال 2014 به ترتیب 621 و 636 میلی متر بود ( جدول 3 ؛ شکل 6 ). مقادیر در کرت های برنج به ترتیب در سال های 2013 و 2014 به ترتیب 635 و 709 میلی متر بود ( جدول 3 ;شکل 6 ). بین سال‌های 2013 و 2014، ET a به ترتیب برای برنج، ذرت و سیب‌زمینی شیرین تا 12، 13 و 16 درصد افزایش یافت.
عملکرد تخمین زده شده به ترتیب برای ذرت، برنج شلتوک و سیب زمینی شیرین به ترتیب 2.2، 3.39 و 12.0 تن در هکتار در سال 2013 بود ( جدول 3 ). در سال 2014، بازده تخمینی مربوطه تا 3، 23 درصد و 53 درصد افزایش یافت ( جدول 3 ). توزیع مکانی عملکرد تخمین زده شده برای هر یک از محصولات در طول دو فصل در شکل 7 ارائه شده است .
با مقایسه عملکرد تخمین زده شده در برابر مقادیر شاخص مربوطه، تجزیه و تحلیل نتایج متفاوتی را بسته به سال و محصول نشان می دهد ( جدول 4 ). برای برنج و سیب زمینی شیرین، مناطقی در سراسر KVIS وجود داشت که در آن آبیاری عملکرد خوبی داشت، یعنی در سال 2014، با عملکرد تخمین زده شده بیشتر از استانداردهای شاخص. به عنوان مثال، در 80 درصد از سطح زیر کشت سیب زمینی شیرین در سال 2014، عملکرد برآورد شده بیشتر یا برابر با میانگین عملکرد مشاهده شده در طول دوره 2008-2014 بود ( جدول 4 ). اگرچه عملکرد تخمینی ذرت به طور کلی کمتر از استاندارد نشانگر در هر دو سال بود، کرت هایی در بخش های جنوبی طرح آبیاری با عملکرد تخمینی ≥ 4.0 تن در هکتار وجود داشت ( شکل 7).). توجه داشته باشید که در سال 2014، تفاوت‌هایی در تاریخ‌های نشاء برنج برای برخی کرت‌ها وجود داشت (15 تا 20 درصد از کرت‌های مربوطه؛ نظر شخصی Lassané Kaboré)، که منجر به تفاوت در تاریخ‌های بلوغ و برداشت شد. بنابراین، برآوردهای بازده در پایان دوره نظارت در سال 2014، آن قطعات را در بر نمی گرفت.

3.3. شاخص های عملکرد آبیاری

3.3.1. کسرهای تهی شده

KVIS به طور کلی با سه الگوی زمانی کسرهای تخلیه شده در طول هر یک از دوره های آبیاری بحرانی در سال های 2013 و 2014 مشخص شد ( شکل 8 ). تا روز سال (DOY) 65 در سال 2013 و DOY 50 در سال 2014، عملکرد ضعیف طرح آبیاری مشاهده شد. پس از آن، عملکرد خوبی از DOY 66 تا 105 در سال 2013 و DOY 51 تا 110 در سال 2014 انجام شد. سپس، کسرهای تهی شده زیر 0.6 مجدداً در طول مراحل کشت اواخر فصل یافت شدند. در اواسط فصل، زمانی که محصولات در اکثر موارد به رشد کامل سطح برگ خود رسیدند، افزایش ET a مشاهده شد.. کسرهای تهی شده بیشتر از 0.6، همانطور که در هر دو سال مشاهده شد، نشان دهنده استفاده مناسب از تامین آب آبیاری در اواسط فصل است. در طول مراحل کشت اواخر فصل، به دلیل پیری برگ، نیاز به آب گیاه به طور طبیعی کاهش می یابد. حداقل برای سه محصول عمده ذرت، برنج و سیب زمینی شیرین در این دوره دیگر نیازی به تامین آبیاری نبود.
3.3.2. تبخیر و تعرق نسبی
یک شیب به سمت شمال از ET rel از نظر مکانی متغیر در سراسر KVIS مشاهده شد که منجر به چهار منطقه اصلی کشت بر اساس درجه تنش آبی شد ( شکل 9).). مناطق بسیار پر تنش آبی در بخش های شمالی طرح آبیاری (بلوک های 7 و 8) غالب بودند. مناطق با تنش شدید آب عمدتاً در بخش‌های جنوبی نواحی سابق (بلوک‌های 6 و 5) یافت شدند. در سراسر بخش‌های مرکزی طرح، عموماً مناطق با تنش آبی متوسط ​​(بلوک 4) و مناطق پرآب در بخش‌های جنوبی طرح آبیاری (بلوک 2 و 3) مشاهده شد. چنین تنوعی می تواند به نوع خاک و تعداد استفاده کنندگان آب بالادست مربوط باشد. در واقع، حدود 25 درصد از آب عرضه شده به KVIS به دلیل استفاده غیررسمی و کنترل نشده آب در بالادست از بین می رود [ 3 ، 27 ].
هنگام تجزیه و تحلیل رابطه ET برای هر یک از سه محصول، نتایج الگوهای مشابهی را برای همه محصولات نشان داد: افزایش ET rel از ابتدا تا پایان فصل برای همه محصولات در سال 2013 ( شکل 10 ). کاهش جزئی تا DOY 55، به دنبال آن روند افزایشی برای همه محصولات در سال 2014 ( شکل 10 ). ET rel برای ذرت و سیب زمینی شیرین در بیشتر دو فصل مشابه بود. در سال 2014، به طور کلی شاخص های خوبی برای برنج و سیب زمینی شیرین در کل فصل مشاهده شد ( شکل 10 ). در سال 2013، شاخص های خوب (ET rel> 0.75) برای برنج از DOY 50 به بعد یافت شد. ذرت و سیب زمینی شیرین کمی بعد در فصل پیدا شدند، از DOY 70 به بعد. کاهش مشاهده شده در اوایل فصل 2014، حداقل برای برنج، را می توان به عدم تشابه مراحل رشد در سراسر طرح آبیاری نسبت داد. با توجه به کمبود آب مشاهده شده در سال 2013، برخی از کشاورزان از تقویم های توصیه شده محصول برای فصل زراعی 2014 پیروی نکردند و در نتیجه تاریخ های مختلف کاشت و نشاء و متعاقب آن توسعه نابرابر شد. نمونه ای از کرت های برنج با مراحل مختلف رشد در سراسر KVIS در طول سال 2014 در شکل S2 ارائه شده است .
3.3.3. یکنواختی مصرف آب
الگوهای متفاوتی از یکنواختی مصرف آب بسته به سال مشاهده شد. در سال 2013، یکنواختی مصرف آب برای همه محصولات منصفانه بود ( شکل 11 ). تغییرپذیری ET a برای سیب زمینی شیرین به طور قابل توجهی افزایش یافت، از 10% به 20% CV، برای DOY تا 100، قبل از کاهش به 14% در حدود DOY 120. تنوع ET a برای ذرت و برنج بین 10% و 15 متغیر بود. درصد در طول دوره نظارت چهار ماهه ( شکل 11 ). در سال 2014، تغییرپذیری ET a در کل دوره نظارت از 15٪ تجاوز نکرد. الگوهای یکنواختی مصرف آب برای هر سه محصول مشابه بود: یکنواختی منصفانه تا DOY 60، به دنبال آن یکنواختی خوب از DOY 60 به بعد (شکل 11 ). این نتایج باید با احتیاط تفسیر شوند زیرا آب از دست رفته توسط زهکشی و نفوذ در تجزیه و تحلیل به دلیل فقدان چنین داده هایی در طول دوره مطالعه در نظر گرفته نشد.
3.3.4. برآورد بهره وری آب محصول
CWP های مختلفی در سراسر KVIS با توجه به محصول در طول دوره مطالعه مشاهده شد ( شکل 12 ). در سال 2013، CWP ها به ترتیب برای برنج شلتوک، ذرت و سیب زمینی شیرین به ترتیب 0.53، 0.42 و 2.25 کیلوگرم در متر مکعب بودند ( شکل 12 ؛ جدول 5 ). در سال 2014، افزایش CWP برای برنج شلتوک و سیب زمینی شیرین و کاهش برای ذرت مشاهده شد. مقادیر متوسط ​​برای برنج، ذرت و سیب زمینی شیرین به ترتیب 0.59، 0.38 و 2.89 کیلوگرم در متر مکعب بود ( شکل 12 ؛ جدول 5 ). در سراسر KVIS، قطعاتی با بیش از دو برابر میانگین CWP، صرف نظر از محصول، وجود داشت. حداکثر CWPهای تخمین زده شده 1.30 کیلوگرم مترمکعب بودبرای برنج (تخمین زده شده در سال 2014)، 0.92 کیلوگرم در متر مکعب برای ذرت (تخمین زده شده در سال 2013)، و 5.86 کیلوگرم در متر مکعب برای سیب زمینی شیرین (تخمین زده شده در سال 2014) ( شکل 12 ؛ جدول 5 ).

4. بحث

با استفاده از اطلاعات مشتق‌شده از ماهواره، الگوهای مکانی-زمانی عملکرد آبیاری طرح آبیاری دره کو در طول دوره‌های تولید فصل خشک در سال‌های 2013 و 2014 را بر اساس چهار شاخص ارزیابی کردیم. مقایسه بین ET a تخمین زده شده توسط PySEBAL برای ذرت و مقادیر گزارش شده توافق خوبی را نشان می دهد. در [ 74 ]، محدوده 200-1000 میلی متر برای ET a در ذرت آبی در بررسی آنها گزارش شد. در این مطالعه، محدوده مربوطه 241-750 میلی متر در طول دو فصل بود ( جدول 3 ). میزان برنج (210-793 میلی متر؛ جدول 3 ) نسبتاً کمتر از محدوده گزارش شده 400-800 میلی متر بود [ 74 ]. چنین ET پایین aمقادیر برنج را می توان به تفاوت در ارقام و شیوه های مدیریت محصول مرتبط دانست.
برعکس، در حالی که CWPهای تخمینی برای برنج مشابه آنچه در مطالعات قبلی گزارش شده بود [ 16 ، 74 ، 75 ]، برای ذرت در مقایسه با مقادیر متوسط ​​گزارش شده توسط [ 74 ] کمتر بود (محدوده بین 1.1 تا 2.7 کیلوگرم در مترمربع است . 3 ). چنین تفاوت هایی می تواند مربوط به تفاوت در حاصلخیزی خاک، شیوه های مدیریت محصول، و در دسترس بودن آب در طول دوره مطالعه باشد. با در نظر گرفتن مقادیر بهینه نرخ مواد مغذی کلیدی و آب آبیاری برای به حداکثر رساندن CWP [ 74 ]، معمولاً نرخ‌های پایین مواد مغذی (یعنی اوره و NPK مخلوط) در KVIS اعمال می‌شود [ 16 ، 75]] می توانست CWP موجود در این مطالعه را توضیح دهد. علاوه بر این، بازده محصول با استفاده از مقادیر ثابت HI در PySEBAL برآورد شد، که دلالت بر یک رابطه خطی بین تولید زیست توده و عملکرد دارد. با این حال، در شرایط مزرعه، تولید زیست توده و شاخص برداشت بسته به زمان و میزان تنش‌های زنده و غیرزیستی متفاوت بود [ 40 ، 76 ]. استفاده از مقادیر ثابت HI می تواند منجر به سوگیری در عملکرد تخمین زده شده باشد. از این رو، مقادیر برآورد شده و شاخص های مرتبط باید به عنوان شاخص در نظر گرفته شوند و با احتیاط تفسیر شوند. با این وجود، سازگاری نتایج ما با نتایج حاصل از داده های مزرعه، حداقل برای برنج [ 16 ، 75]]، نشان داد که رویکرد مبتنی بر RS می تواند جایگزینی برای ارزیابی زمان و هزینه کارآمد عملکرد آبیاری در منطقه مورد مطالعه باشد.
مقادیر کم برای بخش های تخلیه شده در طول دوره مطالعه مشاهده شد، که نشان دهنده تلفات قابل توجه آب از طریق زهکشی و نفوذ است. جریان پیوسته آب برای آبیاری از رودخانه کو، همراه با روش آبیاری انجام شده در KVIS، منجر به چنین تلفاتی، به ویژه در طول مراحل رشد با نیاز آبی کم شد. نیاز به روش های جایگزین برای صرفه جویی در مصرف آب، مانند تجهیز کشاورزان به سیستم های ذخیره آب بیشتر برای مدیریت بهتر آب اضافی وجود دارد. انواع خاک، در دسترس بودن آب، و شیوه های مدیریت محصول و آب بر تبخیر و تعرق واقعی و نسبی در سراسر KVIS تأثیر گذاشت. تجزیه و تحلیل بعدی مربوط به روابط بین تغییرپذیری فضایی تبخیر و تعرق نسبی، انواع خاک، DEM، و فاصله قطعه از تجزیه و تحلیل ورودی طرح در حال انجام است.
ذرت در ابتدا در سراسر KVIS ترویج شد تا به کشاورزان در مواجهه با کمبود آب کمک کند [ 29 ]. با این حال، این محصول در طول دوره مورد مطالعه به پتانسیل کامل خود نرسید: مقادیر بیشتر یا مساوی با میانگین عملکرد هدف تنها در 18 درصد (2013) و 37 درصد (2014) از زمین های کاشته شده با ذرت یافت شد (جدول 4 ) . . نتایج مشابهی برای برنج در سال 2013 مشاهده شد. در سال 2014، سیب زمینی شیرین از نظر مناطق با عملکرد خوب از دو محصول دیگر بهتر بود. به نظر می رسد عملکرد ضعیف حاصل از ذرت و برنج توسط کشاورزان به دست آمده است، به طوری که مناطق کمتری با برنج یا ذرت بین سال های 2013 و 2014 کاشته شده اند (حدود 30٪ و 36٪ کاهش برای برنج و ذرت، به ترتیب) و مناطق بیشتری با سیب زمینی شیرین کاشته شده اند. (52٪ افزایش بین دو سال) (تعداد کل پیکسل ها را ببینیدجدول 4 ). فرصت هایی برای بهبود بهره وری ذرت و برنج از طریق مدیریت بهتر کوددهی و پیروی از تقویم های توصیه شده محصول وجود دارد.
این مطالعه بر روی شاخص‌های عملکرد تشخیصی با هدف شناسایی مناطق با عملکرد خوب و ضعیف در KVIS متمرکز شد. به دلیل فقدان مشاهدات، مقایسه‌ها با استفاده از مقادیر استاندارد نشان‌دهنده انجام شد که نیاز به احتیاط در تفسیر چنین نتایجی دارد. در [ 77 ، 78 ]، مقادیر بهینه CWP ویژه منطقه هنگام تعیین معیارها برای مقاصد مقایسه توصیه می شود. دلایل مختلف، از جمله شرایط آب و هوایی و خواص خاک، می تواند بر CWP از یک منطقه به منطقه دیگر تاثیر بگذارد [ 77 ]. علاوه بر این، مشخص نیست که آیا یک مقدار CWP بالاتر در یک مکان نشان دهنده وضعیت مطلوب تری نسبت به مقدار CWP کمتر در مکان دیگر است [ 77]]. هدف تحقیقات آینده می‌تواند تعیین مقادیر معیار CWP تحت شرایط محلی در سراسر KVIS برای بهبود چنین ارزیابی عملکرد باشد.
محدوده شاخص‌های عملکرد آبیاری که برای KVIS یافت می‌شود، مسائل مختلفی را که در این طرح با آن مواجه می‌شود، و همچنین چالش‌های مدیریت خوب آن را برجسته می‌کند. چنین اطلاعات روشنگری در مورد الگوهای مکانی-زمانی عملکرد آبیاری می تواند به تعامل با WUA برای مدیریت بهتر طرح آبیاری کمک کند. علاوه بر این، روش بکار رفته در این مطالعه را می توان به راحتی با استفاده از منابع مختلف تصاویر ماهواره ای RS، مانند Copernicus-Sentinel-2 یا Copernicus-Sentinel-1، در ترکیب با تصویربرداری رادار برای فعال کردن ET بهتر تکرار کرد .برآوردها در شرایط ابری علیرغم پتانسیل چنین روشی برای کمک به مدیران و سایر تصمیم گیرندگان برای بهبود مدیریت آب در مناطق کم داده، موفقیت برنامه های RS برای مدیریت زمین و آب آبیاری به دلایل مختلف در بورکینافاسو محدود است. مدیران طرح های آبیاری، مشاوران و سیاست گذاران معمولاً از چنین فرصت هایی آگاه نیستند [ 14 ] یا محصولات توسعه یافته اغلب توسط کاربر هدایت نمی شوند [ 79 ]. برای غلبه بر این چالش، مطالعات موردی بیشتری شامل همه ذینفعان (از کشاورزان گرفته تا مدیران طرح و سیاست گذاران) باید انجام شود تا آگاهی آنها افزایش یابد و ظرفیت آنها ایجاد و/یا تقویت شود. چنین فعالیت هایی را می توان از طریق مشارکت های خصوصی و دولتی موجود انجام داد [ 3]. راه حل دیگر برای غلبه بر موانع برای اتخاذ چنین روش‌های مبتنی بر RS می‌تواند پیاده‌سازی واحدهای RS و GIS در خدمات مدیریت طرح باشد.

5. نتیجه گیری ها

با توجه به فشار فزاینده بر آب برای آبیاری کشاورزی، همراه با شرایط آب و هوایی غیرقابل پیش بینی، و با کمبود منابع برای انجام ارزیابی عملکرد منظم برای طرح های آبیاری، استفاده از روش های مقرون به صرفه برای بهبود مدیریت آب آبیاری و حفظ محصول بسیار مهم است. تولید. ما عملکرد آبیاری طرح آبیاری دره کو را در طول دوره‌های کشت فصل خشک در سال‌های 2013 و 2014 بر اساس چهار شاخص به دست آمده از تصاویر ماهواره‌ای لندست بررسی کردیم. با استفاده از مدل PySEBAL، شاخص‌های عملکرد آبیاری، مانند کسر کاهش‌یافته، تبخیر و تعرق نسبی، یکنواختی مصرف آب و بهره‌وری آب محصول برای سه محصول (ذرت، برنج و سیب‌زمینی شیرین) برای ارائه بینش بیشتر در مورد الگوهای مکانی-زمانی عملکرد آبیاری محاسبه شدند. این مطالعه مناطق مختلف محصول را بسته به سطح تنش آبی (از تنش آبی بسیار بالا گرفته تا مناطق با تنش متوسط ​​تا مناطق کشت خوب) در سراسر KVIS نشان داد، با عملکرد کمتر از سطح بر اساس هر محصول. همچنین نشان داد که مدیریت آب آبیاری نیاز به بهبود دارد، یعنی در مراحل اولیه و اواخر فنولوژیکی محصول. چنین یافته‌هایی می‌تواند تیم مدیریت و سازمان‌های کشاورزان را برای اقدامات مناسب برای بهبود عملکرد کلی طرح آبیاری با هدف افزایش عملکرد محصول و درآمد کشاورزان راهنمایی کند. این مطالعه مناطق مختلف محصول را بسته به سطح تنش آبی (از تنش آبی بسیار بالا گرفته تا مناطق با تنش متوسط ​​تا مناطق کشت خوب) در سراسر KVIS نشان داد، با عملکرد کمتر از سطح بر اساس هر محصول. همچنین نشان داد که مدیریت آب آبیاری نیاز به بهبود دارد، یعنی در مراحل اولیه و اواخر فنولوژیکی محصول. چنین یافته‌هایی می‌تواند تیم مدیریت و سازمان‌های کشاورزان را برای اقدامات مناسب برای بهبود عملکرد کلی طرح آبیاری با هدف افزایش عملکرد محصول و درآمد کشاورزان راهنمایی کند. این مطالعه مناطق مختلف محصول را بسته به سطح تنش آبی (از تنش آبی بسیار بالا گرفته تا مناطق با تنش متوسط ​​تا مناطق کشت خوب) در سراسر KVIS نشان داد، با عملکرد کمتر از سطح بر اساس هر محصول. همچنین نشان داد که مدیریت آب آبیاری نیاز به بهبود دارد، یعنی در مراحل اولیه و اواخر فنولوژیکی محصول. چنین یافته‌هایی می‌تواند تیم مدیریت و سازمان‌های کشاورزان را برای اقدامات مناسب برای بهبود عملکرد کلی طرح آبیاری با هدف افزایش عملکرد محصول و درآمد کشاورزان راهنمایی کند.

منابع

  1. بلاچفورد، ام ال. کریمی، پ. Bastiaanssen، WGM; نوری، ح. از اهداف جهانی تا دستاوردهای محلی – چارچوبی برای بهره وری آب محصول. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 414. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  2. استویانوا، آ. Stoyanova, D. مطالعه بر روی بهره وری آب آبیاری در ذرت (Zea Mays). Acta Sci. کشاورزی 2019 ، 3 ، 51–55. [ Google Scholar ]
  3. ولنز، جی. نیچو، ام. ترائوره، اف. Tychon، B. تجربه مشارکت عمومی و خصوصی در مدیریت یک طرح آبیاری با استفاده از ابزارهای پشتیبانی تصمیم در بورکینافاسو. کشاورزی مدیریت آب. 2013 ، 116 ، 1-11. [ Google Scholar ] [ CrossRef ]
  4. دی بروین، اچ. Stricker, J. تبخیر چمن در شرایط رطوبتی خاک غیرمحدود. هیدرول. علمی J. 2000 , 45 , 391-406. [ Google Scholar ] [ CrossRef ]
  5. ترنر، ک. جورجیو، اس. کلارک، آر. بروور، آر. Burke, J. ارزیابی اقتصادی منابع آب در کشاورزی. از دیدگاه بخشی تا عملکردی مدیریت منابع طبیعی . جلد گزارشات آب 27; سازمان خواربار و کشاورزی ملل متحد (FAO): رم، ایتالیا، 2004. [ Google Scholar ]
  6. والر، پی. Yitayew, M. مقدمه. در مهندسی آبیاری و زهکشی ; Waller, P., Yitayew, M., Eds. انتشارات بین المللی اسپرینگر: چم، سوئیس، 2016; صص 1-18. [ Google Scholar ] [ CrossRef ]
  7. پوسین، جی سی. رناودین، ال. آدوگوبا، دی. سانون، ا. تازن، اف. دوگبی، دبلیو. Fusilier, JL; باربیر، بی. Cecchi، P. عملکرد طرح‌های آبیاری با مخزن کوچک در حوضه ولتای بالا: مطالعات موردی در بورکینافاسو و غنا. منبع آب توسعه روستایی 2015 ، 6 ، 50-65. [ Google Scholar ] [ CrossRef ]
  8. فائو برگه اطلاعات کشور در مورد روندهای سیاست غذایی و کشاورزی – بورکینافاسو، آوریل 2014 ; سازمان خواربار و کشاورزی ملل متحد (FAO): رم، ایتالیا، 2014. [ Google Scholar ]
  9. ترائوره، اف. بونکونگو، جی. Compaoré، J. کوادیو، ال. ولنز، جی. هالوت، ای. Tychon، B. استفاده از تصاویر چند زمانی Landsat و ماشین بردار پشتیبان برای ارزیابی تغییرات در مناطق آبیاری کشاورزی در منطقه Mogtedo، بورکینافاسو. Remote Sens. 2019 ، 11 ، 1442. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  10. Gorantiwar، SD; Smout، IK ارزیابی عملکرد مدیریت آب آبیاری طرح‌های آبیاری ناهمگن: 1. چارچوبی برای ارزیابی. آبیاری زه کشی. سیستم 2005 ، 19 ، 1-36. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. Murray-Rust، DH; اسنلن، WB سیستم آبیاری ارزیابی عملکرد و تشخیص . موسسه بین المللی مدیریت آبیاری: کلمبو، سریلانکا، 1993. [ Google Scholar ]
  12. شاخص های عملکرد Bos، MG برای آبیاری و زهکشی. آبیاری زه کشی. سیستم 1997 ، 11 ، 119-137. [ Google Scholar ] [ CrossRef ]
  13. Bos، MG; برتون، MA; Molden، DJ آبیاری و ارزیابی عملکرد زهکشی – دستورالعمل های عملی . انتشارات CABI: Wallingford، UK; کمبریج، MA، ایالات متحده آمریکا، 2005; پ. 166. [ Google Scholar ] [ CrossRef ]
  14. Bastiaanssen، WGM; شاخص‌های عملکرد آبیاری Bos، MG بر اساس داده‌های سنجش از راه دور: مروری بر ادبیات. آبیاری زه کشی. سیستم 1999 ، 13 ، 291-311. [ Google Scholar ] [ CrossRef ]
  15. دمبله، ی. اوتارا، اس. Keïta، A. برنامه‌های کاربردی نشان‌دهنده «تصویب مرتبط با محیط زیست» و «productivité de l’eau» و تجزیه و تحلیل عملکردهای کوچک برای irrigués au بورکینافاسو است. آبیاری زه کشی. 2001 ، 50 ، 309-321. [ Google Scholar ] [ CrossRef ]
  16. دمبله، ی. یاکوبا، اچ. کیتا، ا. سالی، اچ. ارزیابی عملکرد سیستم آبیاری در جنوب غربی بورکینافاسو. آبیاری زه کشی. 2012 ، 61 ، 306-315. [ Google Scholar ] [ CrossRef ]
  17. کامبو، دی. درجه، ا. زانتولیس، دی. اوتارا، ک. Destin، JP; دفی، اس. De L’escaille، D. ارزیابی و پیشنهادات برای بهبود عملکرد آبیاری در اطراف مخازن کوچک در بورکینافاسو. جی. آیریگ. زه کشی. مهندس 2019 , 145 , 05019004. [ Google Scholar ] [ CrossRef ]
  18. سامه، ال. Dembélé, Y. Péjoration climatique au بورکینافاسو: Impacts sur les productions agricoles. در مجموعه مقالات Recherches Scientifique Face Aux Problèmes de L’environnement. Actes de la 2ème Édition du Forum National de la Recherche Scientifique et Technologique، اواگادوگو، بورکینافاسو، 9-13 آوریل 1996; صص 81-89. [ Google Scholar ]
  19. بلاچفورد، ام ال. Mannaerts، CM; زنگ، ی. نوری، ح. کریمی، ص. وضعیت دقت در برآوردهای بهره وری آب کشاورزی در محل و سنجش از دور: مروری. سنسور از راه دور محیط. 2019 ، 234 ، 111413. [ Google Scholar ] [ CrossRef ]
  20. Bastiaanssen، WGM; بریتو، RAL; Bos، MG; سوزا، RA; کاوالکانتی، ای بی. Bakker, MM داده های ماهواره ای کم هزینه برای نظارت بر عملکرد ماهیانه آبیاری: معیارهای Nilo Coelho، برزیل. آبیاری زه کشی. سیستم 2001 ، 15 ، 53-79. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. زوارت، اس جی. Leclert، LMC ارزیابی عملکرد آبیاری مبتنی بر سنجش از دور: مطالعه موردی دفتر نیجر در مالی. آبیاری علمی 2010 ، 28 ، 371-385. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. تقواییان، س. نیل، سی ام. Osterberg، JC; سریتاران، SI; Watts، DR سنجش از دور و تکنیک‌های gis برای ارزیابی عملکرد آبیاری: مطالعه موردی در کالیفرنیای جنوبی. جی. آیریگ. زه کشی. مهندس 2018 , 144 , 05018002. [ Google Scholar ] [ CrossRef ]
  23. Bandara، KMPS نظارت بر عملکرد آبیاری در سریلانکا با اندازه‌گیری‌های ماهواره‌ای فرکانس بالا در طول فصل خشک. کشاورزی مدیریت آب. 2003 ، 58 ، 159-170. [ Google Scholar ] [ CrossRef ]
  24. اکبری، م. تومانیان، ن. دروگرز، پ. باستیانسن، دبلیو. Gieske, A. پایش عملکرد آبیاری در اصفهان، ایران با استفاده از تصاویر ماهواره‌ای NOAA. کشاورزی مدیریت آب. 2007 ، 88 ، 99-109. [ Google Scholar ] [ CrossRef ]
  25. احمد، دکتر تورال، اچ. ناظر، الف. تشخیص عملکرد آبیاری و بهره وری آب از طریق سنجش از دور ماهواره ای و داده های ثانویه در یک سیستم آبیاری بزرگ پاکستان. کشاورزی مدیریت آب. 2009 ، 96 ، 551-564. [ Google Scholar ] [ CrossRef ]
  26. گینکو، اس. گیاهی د اوت ولتا. Ph.D. Thesis, Université de Bordeaux, Bordeaux, France, 1984. [ Google Scholar ]
  27. Traoré, F. Optimization de l’utilisation des Resources en eau du Bassin du Kou Pour des Usages Agricoles. Ph.D. پایان نامه، دانشگاه لیژ، لیژ، بلژیک، 2012. [ Google Scholar ]
  28. ترائوره، اف. کورنت، ی. دنیس، ا. ولنز، جی. Tychon، B. نظارت بر تکامل مناطق آبی با تصاویر Landsat با استفاده از تجزیه و تحلیل تشخیص تغییر عقب و جلو در حوضه آبخیز Kou، بورکینافاسو. Geocarto Int. 2013 ، 28 ، 733-752. [ Google Scholar ] [ CrossRef ]
  29. ولنز، جی. دیالو، م. Compaore، NF; دروان، جی. Tychon, B. Renforcement Structurel de la Capacité de Gestion des Resources en eau Pour L’agriculture Dans le Bassin du Kou ; تکنیک راپورت 1 (2005–2006); APEFE-WBI: Bobo-Dioulasso، بورکینافاسو، 2007. [ Google Scholar ]
  30. Ouédraogo, S. Analyse Économique de L’allocation des Facteurs de Production Dans Les Exploitations Rizicoles de la VALLÉE du Kou ; CNRST/INERA: اواگادوگو، بورکینافاسو، 1993. [ Google Scholar ]
  31. Dicko, D. Evaluation des Performances Sur le Périmètre de la Vallée du Kou ; Projet APPIA-EIERGEeau: Ouagadougou، بورکینافاسو، 2004. [ Google Scholar ]
  32. ولنز، جی. دیالو، م. نیچو، ام. ترائوره، اف. میدکور، ا. ساوادوگو، بی. Tychon، B. تخصیص ابزارهای پشتیبانی تصمیم گیری نتایج به دست آمده در مدیریت عمومی-خصوصی یک طرح آبیاری در بورکینافاسو. در مجموعه مقالات کنفرانس Watarid 3-Usages et Politiques de L’eau en Zones Arides et Semi-Arides، پاریس، فرانسه، 30 مه تا 5 ژوئن 2011; پ. 563. [ Google Scholar ]
  33. Bastiaanssen، WGM; مننتی، م. فدس، RA; Holtslag، AAM یک الگوریتم تعادل انرژی سطح سنجش از دور برای زمین (SEBAL). 1. فرمولاسیون. جی هیدرول. 1998 ، 212-213 ، 198-212. [ Google Scholar ] [ CrossRef ]
  34. Bastiaanssen، WGM; احمد، م.د. Chemin، Y. نظارت ماهواره ای کاهش تبخیر در سراسر حوضه سند. منبع آب Res. 2002 ، 38 ، 1273. [ Google Scholar ] [ CrossRef ]
  35. آلن، آر جی. پریرا، LS; Raes, D.; اسمیت، ام. تبخیر و تعرق محصول: دستورالعمل برای محاسبه نیازهای آب محصول ؛ جلد کاغذ آبیاری و زهکشی شماره 56; سازمان غذا و کشاورزی سازمان ملل متحد (فائو): رم، ایتالیا، 1998; پ. 300. [ Google Scholar ]
  36. آلن، RG REF-ET: نرم افزار محاسبه تبخیر و تعرق مرجع برای معادلات استاندارد FAO و ASCE. راهنمای مرجع ؛ دانشگاه آیداهو: کیمبرلی، ID، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  37. Bastiaanssen، WGM; علی، اس. یک مدل جدید پیش‌بینی عملکرد محصول بر اساس اندازه‌گیری‌های ماهواره‌ای اعمال شده در سراسر حوضه سند، پاکستان. کشاورزی اکوسیستم. محیط زیست 2003 ، 94 ، 321-340. [ Google Scholar ] [ CrossRef ]
  38. زوارت، اس جی. Bastiaanssen، WGM SEBAL برای تشخیص تغییرات فضایی بهره‌وری آب و زمینه بهبود در هشت سیستم گندم آبی. کشاورزی مدیریت آب. 2007 ، 89 ، 287-296. [ Google Scholar ] [ CrossRef ]
  39. ترزا، آر. آلن، آر جی. کیلیچ، ع. راتکلیف، آی. تاسومی، م. تأثیر فرکانس بازبینی لندست بر ادغام زمانی تبخیر و تعرق برای مدیریت آب کشاورزی. در روش ها و کاربردهای تبخیر و تعرق پیشرفته . Bucur، D.، Ed. IntechOpen: لندن، بریتانیا، 2018. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. Musick، JT; جونز، OR; استوارت، کارشناسی; دوسک، DA روابط عملکرد آب برای گندم آبی و دیم در دشت های جنوبی ایالات متحده. آگرون. J. 1994 , 86 , 980-986. [ Google Scholar ] [ CrossRef ]
  41. Compaoré، H. هندریککس، JMH; هونگ، اس. فریزن، جی. ون د گیسن، NC; راجرز، سی. زارزینسکی، جی. Vlek، PLG نگاشت تبخیر در دو مقیاس با استفاده از تصاویر نوری در حوضه ولتا سفید، شرق غنا. فیزیک شیمی. Earth Parts A/B/C 2008 , 33 , 127-140. [ Google Scholar ] [ CrossRef ]
  42. Opoku-Duah، S. Donoghue، NMD; برت، PT مقایسه تبخیر و تعرق در حوضه ساوانا ولتا در غرب آفریقا با استفاده از داده‌های سنجش از دور. Sensors 2008 , 8 , 2736-2761. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. Bastiaanssen، WGM; Cheema، MJM; Immerzeel، WW; Miltenburg, IJ; Pelgrum، H. تعادل انرژی سطحی و تبخیر و تعرق واقعی حوضه فرامرزی حوضه سند برآورد شده از اندازه‌گیری‌های ماهواره‌ای و مدل ETLook. منبع آب Res. 2012 ، 48 ، W11512. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. فائو؛ IHE Delft. ارزیابی کیفیت WaPOR: گزارش فنی در مورد کیفیت داده‌های پایگاه داده WaPOR FAO نسخه 1.0 . فائو: رم، ایتالیا، 2019؛ پ. 134. [ Google Scholar ]
  45. UNDESAPD. چشم انداز شهرنشینی جهان: بازبینی 2014، نکات برجسته (ST/ESA/SER.A/352) . سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  46. Bos, MG استفاده از کسر تخلیه شده برای مدیریت سطح آب زیرزمینی در مناطق آبی. آبیاری زه کشی. سیستم 2004 ، 18 ، 201-209. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. Bos، MG; Kselik، RA; آلن، آر جی. Molden, D. آب مورد نیاز برای آبیاری و محیط زیست . Springer: Dordrecht، هلند، 2009; پ. 174. [ Google Scholar ] [ CrossRef ]
  48. مولدن، دی. حسابداری برای مصرف آب و بهره وری . جلد مقاله IWMI/SWIM شماره 1; موسسه بین المللی مدیریت آب: کلمبو، سریلانکا، 1997. [ Google Scholar ]
  49. مولدن، دی جی; گیتس، TK اقدامات عملکرد برای ارزیابی سیستم های آبیاری آب تحویل. جی. آیریگ. زه کشی. مهندس 1990 ، 116 ، 804-823. [ Google Scholar ] [ CrossRef ]
  50. کانگ، ام اس استفاده از تعامل ژنوتیپ به محیط برای توسعه رقم محصول. در پیشرفت در کشاورزی ; Sparks، DL، Ed. مطبوعات دانشگاهی: کمبریج، MA، ایالات متحده آمریکا، 1997; جلد 62، ص 199–252. [ Google Scholar ]
  51. Gallais, A. Théorie de la Sélection en Amélioration des Plantes ; ماسون: پاریس، فرانسه؛ میلان ایتالیا؛ بارسلون، اسپانیا، 1990. [ Google Scholar ]
  52. رورینک، جی جی; Bastiaanssen، WGM; چمبولیرون، جی. مننتی، م. ارتباط مصرف آب محصول با تامین آب آبیاری با سنجش از دور. منبع آب مدیریت 1997 ، 11 ، 445-465. [ Google Scholar ] [ CrossRef ]
  53. آسانا، ج. Sadick, A. ارزیابی عملکرد آبیاری با استفاده از روش سنجش از دور در منطقه آبیاری تونو در منطقه شرق بالا غنا. بین المللی Res. جی. آگریک. علوم غذایی 2016 ، 1 ، 79-91. [ Google Scholar ]
  54. اختر، ف. آوان، بریتانیا؛ تیشبین، بی. لیاقت، UW ارزیابی عملکرد آبیاری در حوضه های رودخانه های بزرگ تحت محیط کم داده – موردی از حوضه رودخانه کابل، افغانستان. Remote Sens. 2018 , 10 , 972. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  55. Bastiaanssen، WGM; ون در وال، تی. Visser، TNM تشخیص تبخیر منطقه ای با سنجش از دور برای پشتیبانی از ارزیابی عملکرد آبیاری. آبیاری زه کشی. سیستم 1996 ، 10 ، 1-23. [ Google Scholar ] [ CrossRef ]
  56. Kijne، JW; بارکر، آر. مولدن، دی. بهبود بهره وری آب در کشاورزی: ​​بررسی اجمالی ویراستاران. بهره‌وری آب در کشاورزی: ​​محدودیت‌ها و فرصت‌های بهبود . Kijne, JW, Barker, R., Molden, D., Eds. CABI و موسسه بین المللی مدیریت آب (IWMI): Wallingford، UK; کلمبو، سریلانکا، 2003. [ Google Scholar ]
  57. پری، سی. استدوتو، پ. آلن، آر جی. برت، CM افزایش بهره‌وری در کشاورزی آبی: محدودیت‌های زراعی و واقعیت‌های هیدرولوژیکی. کشاورزی مدیریت آب. 2009 ، 96 ، 1517-1524. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. DRASA-Ouest. تولید Saisonnière Sur la Plaine de la Vallée du Kou de 2008 à 2014 ; Direction Régionale de L’agriculture et de la Sécurité Alimentaire (DRASA): Ouagadougou، بورکینافاسو، 2014. [ Google Scholar ]
  59. دمبله، ی. داکو، دی. اودراگو، جی. سیامبو، ای. ترائوره، ی. Nishiyama، N. Creation et diffusion des variétés type NERICA au بورکینافاسو. In Proceedings of the Atelier Conjoint Pour Une Riziculture Durable en Afrique، آکرا، غنا، 6-9 دسامبر 2006. [ Google Scholar ]
  60. ماسا. کاتالوگ National des Espèces et Variétés Agricoles du Burkina Faso. اولین نسخه Comité National des Semences ; Ministère de l’Agriculture et de la Sécurité Alimentaire (MASA): Ouagadougou، بورکینافاسو، 2014. [ Google Scholar ]
  61. فائو بازگشایی پتانسیل آبی کشاورزی ; سازمان خواربار و کشاورزی ملل متحد (FAO): رم، ایتالیا، 2003. [ Google Scholar ]
  62. استدوتو، پ. Hsiao، CT; فررس، ای. Raes, D. واکنش عملکرد محصول به آب ; جلد مقاله آبیاری و زهکشی فائو شماره 66; سازمان خواربار و کشاورزی ملل متحد (فائو): رم، ایتالیا، 2012; پ. 505. [ Google Scholar ]
  63. هسلز، تی. ون اپستال، جی. ترامباور، پی. Bastiaanssen، WGM; فوزی، م. محمد، ی. Er-Raji, A. pySEBAL نسخه 3.3.7. 2017. در دسترس آنلاین: https://pypi.org/project/SEBAL/ (در 30 ژوئیه 2020 قابل دسترسی است).
  64. ESRI. Arcgis Desktop: Release 10, Technical Report ; موسسه تحقیقات سیستم های محیطی (ESRI): Redlands, CA, USA, 2010. [ Google Scholar ]
  65. استوری، جی. اسکاراموزا، پ. Schmidt, G. Landsat 7 خط اسکن اصلاح کننده شکاف توسعه محصول را پر کرد. در مجموعه مقالات کنفرانس PECORA 16، Sioux Falls، SD، ایالات متحده آمریکا، 23 تا 27 اکتبر 2005. [ Google Scholar ]
  66. جعفر، ح. احمد، FA روندهای سری زمانی ET مبتنی بر Landsat با استفاده از کالیبراسیون خودکار در METRIC و SEBAL: دره بقاع، لبنان. سنسور از راه دور محیط. 2020 , 238 , 111034. [ Google Scholar ] [ CrossRef ]
  67. لو، جی. Wong، DW یک تکنیک درونیابی فضایی وزن دهی با فاصله معکوس تطبیقی. محاسبه کنید. Geosci. 2008 ، 34 ، 1044-1055. [ Google Scholar ] [ CrossRef ]
  68. جینگ، ام. Wu, J. درونیابی سریع تصویر با استفاده از وزن دهی فاصله معکوس جهتی برای کاربردهای بلادرنگ. انتخاب کنید اشتراک. 2013 ، 286 ، 111-116. [ Google Scholar ] [ CrossRef ]
  69. دورنبوس، جی. قسام، ق. پاسخ به آب ; جلد مقاله آبیاری و زهکشی فائو شماره 33; سازمان غذا و کشاورزی سازمان ملل متحد (FAO): رم، ایتالیا، 1979. [ Google Scholar ]
  70. فائو ذرت در تغذیه انسان ; سازمان خواربار و کشاورزی ملل متحد (FAO): رم، ایتالیا، 1992. [ Google Scholar ]
  71. Lang, J. Notes of a Potato Watcher ; انتشارات دانشگاه تگزاس A&M: College Station، TX، ایالات متحده آمریکا، 2001; پ. 388. [ Google Scholar ]
  72. نیچو، ام. میدکور، ا. Sawadogo, B. Restitution des Travaux de Suivi de la Campagne Saison Sèche 2014 Sur le Périmètre Rizicole de la Vallée du Kou ; AEDE/OE: Bobo-Dioulasso، بورکینافاسو، 2014. [ Google Scholar ]
  73. جوادیان، م. بهرنگی، ع. قلی زاده، م. تجریشی، M. METRIC و WaPOR برآورد تبخیر و تعرق حوضه دریاچه ارومیه: تحلیل مقایسه ای و ارزیابی ترکیبی. Water 2019 ، 11 ، 1647. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  74. زوارت، اس جی. Bastiaanssen، WGM بررسی مقادیر اندازه‌گیری شده بهره‌وری آب محصول برای گندم آبی، برنج، پنبه و ذرت آبی. کشاورزی مدیریت آب. 2004 ، 69 ، 115-133. [ Google Scholar ] [ CrossRef ]
  75. دمبله، ی. کامبیره، اچ. Sié، M. Gestion de l’eau et de l’azote en riziculture irriguée au بورکینافاسو. Cah کشاورزی 2005 ، 14 ، 569-572. [ Google Scholar ]
  76. آنکوویچ، م. بالدوک، جی. فوربس، M. فصل 5-تغییر در شاخص برداشت محصولات غلات و اهمیت بالقوه برای حسابداری کربن: نمونه هایی از کشاورزی استرالیا. در پیشرفت در کشاورزی ; مطبوعات دانشگاهی: کمبریج، MA، ایالات متحده آمریکا، 2010; جلد 105، صص 173–219. [ Google Scholar ]
  77. داو، دی. افزایش بهره‌وری آب در سیستم‌های مبتنی بر برنج در آسیا – روندهای گذشته، مشکلات کنونی و چشم‌اندازهای آینده. کارخانه تولید علمی 2005 ، 8 ، 221-230. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  78. Zwart، SJ 21 ارزیابی و بهبود بهره‌وری آب سیستم‌های برنج آبی در آفریقا. در تحقق وعده برنج آفریقا ؛ Wopereis, MCS, Johnson, DE, Ahmadi, N., Tollens, E., Jollah, A., Eds.; CAB International: Wallingford، UK، 2013; پ. 265. [ Google Scholar ]
  79. Bos، MG; عبدالدیم، س. Bastiaanssen، WGM; ویدال، A. سنجش از دور برای مدیریت آب: جزء زهکشی. در مجموعه مقالات مشاوره تخصصی بانک جهانی، سازماندهی شده توسط ICID، IPTRID، موسسه بین المللی احیا و بهسازی زمین (ILRI) و WaterWatch، Ede-Wageningen، هلند، 15-16 مه 2001. [Google Scholar ]
Ijgi 09 00484 g001 550
شکل 1. توزیع کانال ها و بلوک های آبیاری ( A ) و انواع خاک غالب در هر قطعه ( B ) در طرح آبیاری دره کو، بورکینافاسو. اقتباس از [ 29 ].
Ijgi 09 00484 g002 550
شکل 2. نمودار جریان شماتیک رویکرد مورد استفاده برای ارزیابی عملکرد آبیاری در طرح آبیاری دره کو را توصیف می کند.
Ijgi 09 00484 g003 550
شکل 3. نرخ جریان آب کانال اصلی ( A ) و نرخ بارندگی ( B ) در طرح آبیاری دره کو در طول دوره مورد مطالعه.
Ijgi 09 00484 g004 550
شکل 4. کاربری اراضی در سراسر طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال 2013 و 2014.
Ijgi 09 00484 g005 550
شکل 5. مقایسه بین سازمان غذا و کشاورزی سازمان ملل متحد بهره وری آب (FAO-WaPOR) و ماژول پایتون برای الگوریتم تعادل انرژی سطحی برای مدل زمین (PySEBAL) حاصل از تبخیر و تعرق واقعی (ET a) در مقیاس دکادال و فصلی در طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال‌های 2013 و 2014. مقایسه‌ها در مقیاس دکادال برای کل طرح آبیاری انجام شد، در حالی که مقایسه‌ها در مقیاس فصلی بر اساس پیکسل برای کل طرح انجام شد. خطوط چین در شکل های فرعی نشان دهنده خط 1:1 است.
Ijgi 09 00484 g006 550
شکل 6. فصلی ET a برای کرت های برنج، ذرت و سیب زمینی شیرین در سراسر طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال 2013 و 2014.
Ijgi 09 00484 g007 550
شکل 7. عملکرد تخمینی برای کرت های برنج، ذرت و سیب زمینی شیرین در سراسر طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال های 2013 و 2014.
Ijgi 09 00484 g008 550
شکل 8. تغییرات کسری تخلیه شده در طرح آبیاری دره کو در طول دوره های فصل خشک در سال های 2013 و 2014. آستانه های تمایز بین عملکرد ضعیف و خوب با خطوط چین نشان داده شده است.
Ijgi 09 00484 g009 550
شکل 9. توزیع فضایی تبخیر و تعرق نسبی فصلی (ET rel ) در سراسر طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال‌های 2013 و 2014.
Ijgi 09 00484 g010 550
شکل 10. تنوع تبخیر و تعرق نسبی محصولات برنج، ذرت و سیب زمینی شیرین در KVIS طی ژانویه تا آوریل 2013 و 2014. خطوط نقطه چین آستانه تمایز بین مناطق آبی با عملکرد ضعیف یا خوب را نشان می دهد.
Ijgi 09 00484 g011 550
شکل 11. تغییرات یکنواختی مصرف آب برای برنج شلتوک، ذرت، و سیب زمینی شیرین طی ژانویه تا آوریل 2013 و 2014. ضریب تغییرات (CV) ET a برای مشخص کردن یکنواختی مصرف آب استفاده شد. خطوط تیره نشان دهنده آستانه تمایز بین مناطق آبی با یکنواختی ضعیف، منصفانه یا خوب مصرف آب است.
Ijgi 09 00484 g012 550
شکل 12. توزیع فضایی بهره وری آب برآورد شده برای برنج شلتوک، ذرت و سیب زمینی شیرین در سراسر طرح آبیاری دره کو در طول دوره تولید فصل خشک در سال 2013 و 2014.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید