ارزیابی رطوبت هفتگی خاک و خشکسالی کشاورزی برای دوره‌های آتی با استفاده از مدل DSSAT (مطالعه موردی: دشت بیرجند)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی منابع آب-دانشکده کشاورزی-دانشگاه بیرجند-بیرجند-ایران

2 استادیارگروه مهندسی آب-دانشکده کشاورزی-دانشگاه بیرجند-بیرجند-ایران

3 دانشیار گروه علوم و مهندسی زراعت-دانشکده کشاورزی-دانشگاه بیرجند-بیرجند-ایران

4 استادیار گروه علوم و مهندسی آب-دانشکده کشاورزی- دانشگاه بیرجند-بیرجند-ایران

چکیده

رطوبت خاک یک پارامتر تعیین‌ کننده در بسیاری از فرآیند‌های پیچیده زیست­محیطی است و نقش تعیین کننده‌ای در وقوع خشکسالی کشاورزی دارد. بدین منظور در این تحقیق، با استفاده از داده‌های برآورد شده رطوبت خاک توسط مدل DSSAT  و داده‌های گزارش پنجم تغییراقلیم، خشکسالی کشاورزی به‌کمک شاخص کمبود رطوبت خاک (SMDI) برای دوره‌های آتی (2015-2045) و (2045-2075) تعیین و با دوره پایه (1975-2005) مقایسه گردید. خروجی مدل‌های GCM تحت دو سناریو انتشار RCP4.5 و RCP8.5 به­کمک مدل LARS-WG در موقعیت محدوده مطالعاتی ریزمقیاس به مدل DSSAT وارد شد. در نهایت با استفاده از داده‌های رطوبت عمق‌های 30-0 و 60-30 سانتی‌متری خاک، خشکسالی کشاورزی به‌کمک شاخص SMDI مورد ارزیابی قرار گرفت. نتایج نشان داد که دمای کمینه و بیشینه و بارش در دوره آتی نسبت به دوره پایه در محدوده مطالعاتی افزایش یافته است و سناریو RCP8.5 نسبت به سناریو RCP4.5، دمای بیشتر و بارش کمتری را برآورد کرده است.رطوبت هفتگی خاک برای دوره‌های آتی نسبت به دوره پایه کاهش یافته و مقادیر رطوبت خاک در سناریو RCP4.5 نسبت به سناریو RCP8.5 بیشتر برآورد شده است. همچنین تغییرات رطوبت هفتگی خاک در سطوح مختلف آبیاری در دوره پایه نسبت به دوره‌های آتی کم‌تر است. مقادیر برآورد شده شاخص خشکسالی SMDI سناریو RCP4.5 عمق 30-0 در دوره 2045-2015 نسبت به دوره 2075-2045 منفی‌تر و خشکسالی بیشتری را نشان می‌دهد؛ در حالی که در سناریو RCP8.5 دوره 2045-2015 وضعیت بهتری را دارد. شاخص خشکسالی SMDI عمق 60-30 در هر دو سناریو برای دوره 2045-2015 مقادیر کم‌تر از دوره 2075-2045 را نشان می‌دهند. سناریو RCP4.5 شاخص خشکسالی SMDI بیشتری را نسبت به سناریو RCP8.5 برآورد می‌کند.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of Weekly Soil Moisture and Agricultural Drought for Future Periods Using DSSAT Model (Case Study: Birjand Plain)

نویسندگان [English]

  • mokhtar salehi tabas 1
  • Mostafa Yaghoobzadeh 2
  • gholamreza zamani 3
  • mehdi amirabadi zadeh 4
1 M.SC student, water resource engineering, University of Birjand-Faculty Agriculture-Birjand-Iran
2 Assistant Professor, Department of science and water engineering, Faculty Agriculture-University of Birjand-Birjand-Iran
3 Assistant Prof., Dept. of science and Agronomy engineering-Faculty Agriculture-University of Birjand-Birjand-Iran
4 Assistant Professor, Department of science and water engineering, Faculty Agriculture-University of Birjand-Birjand-Iran
چکیده [English]

Soil moisture is a determining parameter in many complex environmental processes and plays a decisive role in the occurrence of agricultural drought. For this purpose, in this study, using soil moisture data estimated by DSSAT model and Fifth Climate Change Report data, agricultural drought was determined by soil moisture deficiency index for future periods of (2015-2045) and (2045-2075) and they were compared with baseline period (1975-2005). The climatic data were estimated using GCM models and two emission scenarios RCP4.5 and RCP8.5 and they were scaled using LARS-WG model and entered into DSSAT model. Finally, using soil moisture data of 30 and 60 cm depths, agricultural drought was evaluated using SMDI index. Climate change results showed that the minimum and maximum temperature and precipitation will increase in the next period compared to the baseline period, and the RCP8.5 scenario estimated a higher temperature and lower precipitation than the RCP4.5 scenario. Weekly soil moisture decreased for future periods compared to the baseline and soil moisture values in RCP4.5 scenario were higher than the ones in RCP8.5 scenario. Also, weekly soil moisture changes at different irrigation levels in the base period are less than those in the future. Estimated values of SMDI drought index by RCP4.5 scenario at 0-30 depth in period of 2015-2045 are more negative and drought than the ones in future period 2045-2075; while the future period of 2045-2015 in RCP8.5 scenario has a better situation. The SMDI drought indices of 30-60 cm depth in both scenarios for the upcoming 2015-2045 period show lower values than the ones in 2045-2075 future period. The RCP4.5 scenario estimates a higher SMDI drought index than the RCP8.5 scenario.

کلیدواژه‌ها [English]

  • Emission scenarios
  • SMDI drought index
  • Fifth report of climate change
  • GCM model

مراجع

Abbasi, F., Labosi, SH., Babaean, A., Asmsri, M., & Borhani, R. (2010). Estimation of Climate Change in South Khorasan in 2010-2039 Using ECHO-G Output Statistical Microscale. Journal of Soil and Water, 24(2), 218-233. (In Farsi)
Asakerhe, H., & Akbarzadeh, Y. (2017). Simulation of Tabriz Synoptic Station Temperature and Precipitation Changes over the Period of 2010-2100 Using SDSM Statistical Exponential Scale and CanESM2 Model Output. Journal of Geography and Environmental Hazards, 21(3), 153-174. (In Farsi)
Dokoohaki, H., Gheisari, M., Mousavi, S.F., & Mirlatifi, S.M. (2012). Estimation soil water content under deficit irrigation by using DSSAT. Journal of Water and Irrigation Management, 2(1), 1-14.  (In Farsi)
Dubrovsky, M., Svoboda, M. D., Trnka, M., Hayes M. J., Wilhite, D. A., Zalud, Z., & Hlavinka, P. (2009). Application of relative drought indices in assessing climate-change impacts on drought conditions in Czechia. Theoretical and Applied Climatology, 96(1-2), 155-171.
Farkas, C., Gelybó, G., Bakacsi, Z., Horel, Á., Hagyó, A., Dobor, L., & Tóth, E. (2014). Impact of expected climate change on soil water regime under different vegetation conditions. Biologia, 69(11), 1510-1519.
Huser, M., & Orth, R. (2017). Investigating soil moisture-climate interactions with prescribed soil moisture experiments: an assessment with the Community Earth System Model. Geoscientific Model Development, 10(4), 1665-1677.
Hosseinzadeh, J., Tongo, A., Najafifar, A., & Hosseini, A. (2018). Relationship between Soil Moisture Changes and Climatic Indices in the Mele-Siah Forest Site of Ilam Province. Journal of Water and Soil, 32(4), 821-830. (In Farsi)
Hoogenboom, G., Jones, J. W., Porter, C. H., Wilkens, P. W., Boote, K. J., Batchelor, W. D., Hunt, L. A., & Tsuji, G. Y. (2004). DSSAT 4., Overview, vol. 1. ICASA, University of Hawaii, Honolulu, USA.
IPCC-TGICA. (2013). General guidelines on the use of scenario data for climate impact and adaptation assessment. eds. Carter, T.R., Version 2, 71p. Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment.
Keshavarz, M. R., Vazifhedoost, M., & Alizadeh, A. (2010). Development of Soil Moisture Deficiency Index Using Matisse Satellite Data. Journal of Irrigation and Drainage, 4(3), 465-477. (In Farsi)
Lalhezari, R., Yaghoobzadhe, M., Haghayeghimoghadam, S. A. (2017). Evaluation of the effect of climate change on soil soil moisture using SWAP and AOGCM models, Journal of Soil and Water, 27(1), 95-106. (In Farsi)
Narasimhan, B. & Srinivasan, R. (2005). Development and evaluation of Soil Moisture Deficit Index (SMDI) and Evapotranspiration Deficit Index (ETDI) for agricultural drought monitoring. Agricultural and Forest Meteorology, 133(1-4), 69-88.
Shin, Y., & Jung, Y. (2014). Development of irrigation water management model for reducing drought severity using remotely sensed soil moisture footprints. Journal of Irrigation and Drainage Engineering, 140(7), 04014021. 
Shrestha, S., Bach, T. V., & Pandey, V. P. (2016). Climate change impacts on groundwater resources in Mekong Delta under representative concentration pathways (RCPs) scenarios. Environmental science & policy, 61, 1-13.
Soltani, A., & Hoogenboom, G. (2007). Assessing crop management options with crop simulation models based on generated weather data. Field Crops Research, 103(3), 198-207.
Stocker, T. F., Qin, D., Plattner, G. K., Tignor, M., Allen, S. K., Boschung, J., & Midgley B. M. (2013). IPCC, 2013: climate change 2013: the physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change. 1535pp.
Van Pelt, S. C., & Swart, R. J. (2011). Climate change risk management in transnational river basins: the Rhine. Water resources management, 25(14), 3837-3861.
Wambua, R. M. (2019). Spatio-temporal characterization of Agricultural Drought using Soil Moisture Deficit Index (SMDI) in the Upper Tana River basin, Kenya. International Journal of Engineering Research andAdvanced Technolog, 5(2), 93-106.
Yaghoobzadeh, M. (2015). The simulation of evapotranspiration and moisture soil for agricultural drought evaluation in the base line and future by using remote sensing. Ph. D. dissertation, Shahid Chamran University of Ahvaz, Ahvaz. (In Farsi)
تحقیقات آب و خاک ایران
دوره 51، شماره 3
خرداد 1399
صفحه 775-785

فایل ها

هم رسانی

ارجاع به این مقاله

آمار