تأثیر برنامه ریزی آبیاری بر بهره وری و کاهش مصرف آب در شرایط کم آبی و خشکسالی

محدودیت منابع آب، نبود برنامه­ریزی آبیاری، و استفاده نامطلوب و غیر اقتصادی از آب عامل اصلی محدود کننده توسعۀ کشاورزی و افزایش تولیدات غذایی در ایران است. در استفاده‌ بهینه‌ از منابع‌ آب موضوعاتی متفاوت وجود دارد که در میان آنها‌ می‌توان‌ به‌ بهبود بهره­وری آب با استفاده از برنامه­ریزی آبیاری و بهبود مدیریت‌ آب‌ در مزرعه و افزایش‌ سودمندی آب اشاره‌ کرد. در این تحقیق ضمن بررسی وضعیت موجود بهره­وری آب برای تولید گندم، راهکارهای افزایش بهره‌وری آب در شرایط مختلف کمی آب شبکۀ آبیاری آبشار اصفهان، تعیین و تجزیه و تحلیل می­شود. بدین منظور با در نظر گرفتن وضعیت موجود بهره­برداری از منابع آب از جمله توزیع گردشی آب بین حقابه‌داران، کمیت‌های مختلف آب آبیاری و بهره‌گیری از تلفیق اطلاعات مزرعه‌ای و مدل‌ شبیه‌سازی AquaCrop، برنامۀ آبیاری( زمان و عمق)، توابع تولید- آب کاربردی برای محصول گندم تعیین شد و عملکرد محصول، بهره­وری مصرف آب در شرایط مدیریت زارع، راهکارهای پیشنهادی و آبیاری در زمان مناسب و به عمق بهینه به کمک مدل شبیه­سازی مقایسه گردید. نتایج اندازه­گیری­های مزرعه­ای در سال زراعی83-1382 در شبکۀ آبیاری مورد مطالعه نشان داد که در شرایط موجود میزان آب کاربردی برای گندم 800 میلیمتر و متوسط عملکرد حدود 5000 کیلوگرم در هکتار است، و با حذف آبیاری­های نوبت دوم، سوم، و هفتم در شرایط موجود ( کاهش 38 درصد آب آبیاری)، عملکرد محصول فقط 4 درصد کاهش و کارآیی مصرف آب بیش از 45 درصد افزایش می­یابد. با بهبود مدیریت زراعی و کاهش 50 درصد عمق آب آبیاری اول، عملکرد محصول تغییر نمی­کند. این نتایج حاکی از آن است که با برنامه‌ریزی صحیح آبیاری همراه با بهبود مدیریت زراعی و کاهش عمق آب آبیاری اول به میزان 50 درصد، می­توان ضمن کاهش 38 درصد آب آبیاری، عملکرد گندم و کارآیی مصرف آب را به ترتیب 16 و 79 درصد افزایش داد.

1. مقدمه:

اکنون بیشتر مناطق جهان با کمبود آب و مسایل جدی ناشی از فعالیت‌های کشاورزی رو به رو شده­اند. حدود 70 درصد منابع آب شیرین در بخش کشاورزی مصرف می­شود، اما بیشتر پروژه‌های آبیاری به علت کمبود آب و نبود برنامه ریزی مناسب آبیاری با مشکل رو به رو هستند و تولید محصول آنها به شدت کاهش یافته است. در استفادۀ‌ بهینه‌ از منابع‌ آب در دهه­های اخیر موضوعاتی متفاوت وجود دارد مانند‌ برنامه­ریزی آبیاری و بهبود مدیریت‌ آب‌ در مزرعه‌، افزایش‌ کارآیی‌ مصرف آب، و سودمندی‌ اقتصادی آب(Molden, 2007; Steduto et al., 2007). به منظور افزایش کارآیی مصرف آب باید با در نظر گرفتن تأثیر تغییرات کمی آب آبیاری بر عملکرد محصول، مدیریت آبیاری در مزرعه را بهبود بخشید. بدین منظور از دو روش، آزمایش‌های مزرعه‌ای یا مدل‌های شبیه سازی، استفاده می‌شود.

 در روش اول یعنی آزمایش‌های مزرعه‌ای برای برنامه ریزی آبیاری و تعیین تأثیر تغییرات کمی آب آبیاری لازم است آزمایش‌هایی با کمیت‌های مختلف آب برای محصولات زراعی اجرا شود. از این رو به آزمایش‌های مزرعه‌ای متعدد نیاز است. اما در این روش‌ محدودیت‌هایی هم هست از جمله: محدود بودن مکان و شرایط مورد آزمایش، کوتاه بودن مدت زمان اجرای آزمایش، نبود امکان برای اجرای سناریوهای پیچیدۀ مدیریت آبیاری، و غیره. در این گونه آزمایش‌های کوتاه مدت نمی‌توان تاثیرات دراز مدت مدیریت آبیاری را که اهمیت بالایی دارند بررسی کرد. روش دوم یعنی استفاده از مدل­های شبیه­سازی، ابزاری است مناسب با قابلیت‌های مختلف برای ارزیابی و تعیین مدیریت بهینۀ آبیاری در سطوح مختلف (حوضه، شبکۀ آبیاری، و مزرعه) و بررسی تاثیرات کمی آب آبیاری بر عملکرد محصول. این مدل‌ها از بخش‌های مختلفی از جمله بیلان آب در خاک، برنامه ریزی آبیاری، مدیریت آبیاری و رشد محصول تشکیل شده‌اند و قادرند مؤلفه‌های مختلف مانند: تبخیر، تعرق، نفوذ عمقی، رواناب سطحی، بیلان آب خاک و عملکرد زراعی مورد انتظار را با دقت بالایی شبیه سازی کنند. دقت مدل‌های شبیه سازی تا حد زیادی به دقیق بودن داده‌های مورد نیاز ورودی بستگی دارد. اگر این مدل‌های ساده به درستی واسنجی و صحت‌یابی شوند، بدون محدویت‌های زمانی و مکانی موجود در آزمایش‌های مزرعه‌ای و بدون صرف وقت و هزینه زیاد می‌توانند جهت برآورد عملکرد مورد انتظار محصول، برنامه ریزی آبیاری، و ارزیابی سناریوهای مدیریت آبیاری به کار گرفته شوند. از این مدل‌ها نیز می‌توان برای بررسی تاثیرات دراز مدت تغییرات کمی و کیفی آب آبیاری بر عملکرد محصول، شوری خاک، تبخیر-تعرق، رواناب سطحی و نفوذ عمقی استفاده کرد (Steduto et al., 2009; Droogers and Kite 2001; Droogers et al., 2001).

جهت افزایش راندمان آبیاری، یک شبکۀ آبیاری پنجاه ساله در اسپانیا با استفاده از مدل‌های شبیه‌سازی ارزیابی شد (Isidoro et al., 2004). بدین منظور، کلیۀ منابع ورودی و خروجی‌آب شامل آب آبیاری، بارندگی، زهکشی سطحی، رواناب سطحی، تلفات آبیاری و تبخیر-تعرق اندازه‌گیری یا برآورد شدند. سپس حداکثر آب مورد نیاز گیاهان موجود در شبکۀ آبیاری، بر اساس ضریب گیاهی و تبخیر-تعرق مرجع تعیین و تبخیر-تعرق واقعی با استفاده از روش بیلان آب در خاک برآورد گردید. نتایج نشان داد که بخش­هایی از شبکه با تنش آبی مواجه­اند و میانگین تبخیر-تعرق واقعی 16 درصد کمتر از حداکثر تبخیر-تعرق گیاه است.

برای ارزیابی پروژه‌های آبیاری، بیلان آب در منطقۀ فعال ریشه با استفاده از یک مدل شبیه سازی برآورد شد(Panigrahi et al., 2003). محققان مذکور برای صحت‌یابی مدل شبیه‌سازی از داده‌های یک مزرعه آزمایشی در هند استفاده کردند و میزان رطوبت خاک در لایه‌های مختلف خاک را با استفاده از دستگاه نوترون متر به دست آوردند. با استفاده از اطلاعات خاکشناسی، داده‌های زراعی، و تاریخ‌های آبیاری مزرعه آزمایشی بیلان آب در خاک را شبیه‌سازی کردند. ضریب همبستگی و میزان خطای نسبی بین مقدار رطوبت‌ اندازه‌گیری شدۀ خاک و مقدار شبیه‌سازی شده را به ترتیب 98/0 و 051/0 به دست آوردند که در حد مطلوبی است و استفاده از مدل شبیه­سازی را توصیه کردند.

در دهۀ گذشته، استفاده از مدل‌های شبیه‌سازی رونق تازه‌ای گرفت و مدل‌های متعددی جهت شبیه‌سازی جریان آب در خاک توسعه یافت که یکی از آنها مدل AquaCrop است(Raes et al., 2009). از این مدل برای شبیه سازی جریان آب در خاک، برنامه­ریزی آبیاری، بیلان آب در خاک، و رشد محصول استفاده می‌شود. مدلAquaCrop  در سال­های اخیر مورد توجه زیادی قرار گرفته است و در مطالعات گوناگون در سطح جهان از جمله در پاکستان، هند، مالزی، مکزیک، سری‌لانکا، مصر، سوریه و ایران، صحت یابی شده است و به منظور برآورد عملکرد محصول، برنامه­ریزی­ آبیاری و بهبود مدیریت آبیاری به کار رفته و نتایج رضایت بخش داشته است(Akbari et al., 2010; Farahani et al., 2009; Garcia-Vila et al., 2008 and 2009; Geerts et al., 2008 and 2009; Heng et al., 2009; Hsiao et al., 2009).. استدیوتو و همکاران (Steduto et al., 2009) نتیجه گرفتند که استفاده از مدل AquaCrop در واقع تلاشی است برای توسعۀ مدلی ساده، همه‌ کاره، و قوی که می‌تواند در تعیین کاربرد آب بهینه تحت شرایطی از مجموعه‌های متفاوت به کار رود. گارسیا و همکاران (Garcia-Vila et al., 2009) نشان دادند که این مدل در سناریوهای متفاوت آب و هوایی قابلیت خوبی برای بهینه‌سازی مدیریت آبیاری دارد. گرت و همکاران (Geerts et al., 2009) نیز از مدل مذکور برای شبیه سازی بیلان خاک، عملکرد دانه، و مادۀ خشک کشت گیاه Chenopodium qvinuu استفاده کردند.

برای تعیین کارآیی آب در سطوح مختلف حوضه و شبکه‌های آبیاری از نتایج شبیه‌سازی بیلان آب در خاک و رشد محصول استفاده شده است(Akbari et al., 2008 and 2009). در مطالعه­ای از مدل‌ SWAP در سه مقیاس مزرعه، شبکۀ آبیاری، و حوضه برای تعیین و شبیه‌سازی اجزای معادلۀ بیلان آب و محاسبۀ کارآیی آب استفاده شد. نتایج نشان داد که  مقدار شاخص PWirrigated (نسبت عملکرد محصول به میزان آب آبیاری) در سطح شبکه به علت وجود اراضی بدون آبیاری، بیشتر از مقدار این شاخص در سطح مزرعه است. کارآیی آب در سطح حوضه، به علت پایین بودن سودمندی آب در بخش قابل توجهی از حوضه، کمتر از سطح شبکه آبیاری به دست آمد(Droogers and Kite, 2001)

هدف اصلی پژوهش حاضر عبارت است از: استفاده از داده ها و اطلاعات موجود جهت بررسی تاثیر برنامه­ریزی آبیاری و مدیریت زراعی بر کاهش مصرف آب در شرایط کم آبی و خشکسالی و ارائه راهکارهایی به منظور بهبود بهره­وری آب در آینده. از نتایج جنبی این پژوهش می­توان به بررسی مدیریت آبیاری و تعیین بهره­وری آب برای وضعیت فعلی و سناریوهای مختلف کمی آب آبیاری در شرایط گوناگون مدیریت آبیاری در سطح مزارع گندم شبکۀ آبیاری آبشار اصفهان، اشاره کرد.

2. مواد و روش­ها:

شبکۀ آبیاری آبشار‌ در طول‌ جغرافیایی‌ 52 و عرض‌ جغرافیایی 5/32 درجه در شرق‌ اصفهان،‌ در قسمت‌ مرکزی‌ ایران،‌ با ارتفاع‌ تقریبی‌ 1500 متر بالاتر از سطح دریا واقع‌ شده‌ است‌. این منطقه از نظر اقلیمی، خشک‌ است، دمای آن در تابستان و زمستان از 30 تا 3 درجۀ سانتیگراد تغییر می­کند.  متوسط بارش‌ سالانه ‌آن 120 میلیمتر است. خاک‌ منطقه‌ شامل لایه‌های‌ آبرفتی‌ و ریزدانه‌ است. کل سطح زیر پوشش شبکه آبیاری‌ حدود ‌34000 هکتار ‌و محصولات‌ اصلی الگوی کشت‌ آن گندم‌، جو، برنج، یونجه، ذرت علوفه‌ای، چغندرقند و صیفی­جات‌ است.

 

بررسی اطلاعات موجود و اندازه‌گیری‌های مزرعه‌ای

در این تحقیق از داده ها و اطلاعات سال زراعی83-1382 استفاده شده است(Akbari et al., 2009: Anon, 2002)  با توجه به متفاوت بودن تقویم زراعی و مدیریت آبیاری درشرایط متفاوت شوری، نوع محصول، و نوع خاک، با بررسی نقشه‌های طبقه بندی خاک‌، شبکه آبیاری آبشار به عنوان منطقه با بافت همگن انتخاب شد (شکل 1). برای‌ این منطقه، مشخصات بافت‌ خاک و مشخصات هیدرولیکی مانند میزان رطوبت در ظرفیت زراعی(FC)، حد پژمردگی دائم (PWP)، درصد رطوبت اشباع(qsat)، کل رطوبت قابل دسترس در خاک(TAW)، و هدایت هیدرولیکی اشباع خاک(Ksat) که در مطالعات خاکشناسی منطقه تعیین شده بود، جمع‌آوری و در مدل AquaCrop به کار گرفته شد(جدول 1). داده­های روزانه هواشناسی شامل تابش خورشیدی، بارندگی، دمای حداقل، دمای حداکثر، رطوبت نسبی و سرعت باد در ارتفاع دو متری، ‌ایستگاه هواشناسی ‌سینوپتیک‌ کبوترآباد (برای‌ سال زراعی 83-1382) استفاده‌ شد.

به‌ منظور تهیۀ اطلاعات زراعی مورد نیاز مدل، تاریخ آبیاری، میزان آب آبیاری و شوری آن، عمق توسعۀ ریشه، وضعیت ظاهری مزرعه از نظر شوری و تنش آبی، و ارتفاع گیاه گندم در دو تا سه نوبت در 18 مزرعۀ همگن از نظر بافت و شوری خاک، در شبکه آبیاری آبشار یادداشت برداری یا اندازه‌گیری شد؛ در انتهای فصل رشد نیز تاریخ برداشت و میزان عملکرد محصول یادداشت‌ شد. اگر چه همه آبیاری‌ها اندازه گیری و یاداشت برداری نشده بود، ولی با استفاده از اطلاعات دریافتی از کشاورزان و با توجه به توزیع گردشی آب بین حقابه‌داران، تاریخ‌های آبیاری تعیین گردید. برای اندازه‌گیری جریان ورودی آب به مزارع از فلوم نوع WSCF تیپ 4 و 5 واسنجی شده استفاده شد. در هر نوبت آبیاری، مدت زمان آبیاری، مساحت کرت و میزان آب ورودی به مزرعه اندازه‌گیری و عمق آب آبیاری تعیین شد. عمق توسعۀ ریشه با حفر گودال و اندازه گیری با خط کش به دست آمد. از این اطلاعات برای داده های ورودی مدل استفاده گردید.

جدول 1- مشخصات فیزیکی و خصوصیات هیدرولیکی لایه های خاک در منطقه مورد مطالعه.

عمق

رس

شن

لای

FC

PWP

qsat

TAW

Ksat

سانتی­متر

درصد

درصد

درصد

درصد حجمی

میلی­متر بر متر

­سانتی­متر بر روز

30-0

35

21

44

31

15

48

160

3/38

55-30

64

10

26

34

17

51

170

7/26

> 55

46

5

49

30

14

49

160

9/7

 

 

برنامه­ ریزی آبیاری

برای برنامه­ریزی آبیاری در شرایط مختلف مزرعه­ای و تأثیر تغییرات کمی آب آبیاری بر عملکرد محصول، از مدل AquaCrop پس از واسنجی و صحت‌سنجی استفاده شد. کشاورزان در شرایط موجود برای گندم پاییزه حدود 800 میلیمتر آب استفاده می کنند: برای آبیاری اول حدود 200 میلیمتر و برای سایر آبیاری­ها حدود 100 میلیمتر. شرایط موجود بهره برداری به عنوان سناریوی مبنا در نظر گرفته شد. در این پژوهش با توجه به توزیع گردشی آب بین حقابه‌داران، در بخش اول، فرض شد که تغییر تاریخ نوبت‌های آبیاری برای تعدادی از کشاورزان امکانپذیر نیست و از این رو این دسته از کشاورزان به منظور کاهش آب آبیاری و افزایش کارآیی آب فقط می­توانند نوبت­هایی از آبیاری ها را حذف کنند که اهمیت کمتری دارند. در زمان کاشت گندم پاییزه در منطقۀ مورد مطالعه باران مناسب نمی­بارد و از این رو آبیاری اول ضروری است. در بخش اول، علاوه بر سناریوی مبنا، هفت سناریو به شرح جدول 2 تعریف گردید.

در بخش دوم با توجه به اندازه گیری های مزرعه ای، برای نوبت اول آبیاری 200 میلیمتر در نظر گرفته شد، لازم به ذکر است که تعدادی از کشاورزان می توانند با بهبود مدیریت زراعی عمق آب را در سایر آبیاری­ها کاهش دهند. لذا در بخش دوم برای این دسته از کشاورزان 7 سناریو تعریف شد(جدول 2). بررسی­ها نشان می­دهد که عمق آب آبیاری اول ( 200 میلیمتر) نیز بیش از حد مورد نیاز است و کشاورزان می­توانند با بهبود مدیریت زراعی عمق آب همۀ آبیاری­ها را کاهش دهند. بر این مبنا، در بخش سوم، چهار سناریوی جدید تعریف شد (جدول 2). در این بخش امکان تغییر نوبت­های آبیاری برای این دسته از کشاورزان فراهم است که آب را از چاه با پمپاژ تأمین می­کنند. در بخش چهارم این پژوهش فرض شد که عمق آب آبیاری در شرایط موجود ثابت و بر اساس اندازه‌گیری­های مزرعه‌ای برابر با 100 میلیمتر است. اما تاریخ نوبت­های آبیاری قابل تغییر است. لذا با فرض ثابت بودن عمق آبیاری و استفاده از مدل AquaCrop مقادیر مختلف آب آبیاری بین 200 تا  700 میلیمتر برنامه­ریزی و با سناریوی مبنا مقایسه شد(جدول 2).

3. نتایج و  بحث:

نتایج صحت‌سنجی مدل AquaCrop نشان داد که مدل دقت قابل قبولی دارد و می توان از آن به عنوان ابزاری برای بررسی بیلان آب در خاک، عملکرد محصول و برنامه ریزی ابیاری استفاده کرد. گارسیا و همکاران (Garcia-Vila et al., 2009) نیز نشان دادند که این مدل قابلیت خوبی برای بهینه‌سازی مدیریت آبیاری تحت سناریوهای متفاوت آب و هوایی دارد که با نتایج این تحقیق مطابق است.

جدول 2- مشخصات سناریوهای مختلف آبیاری در شرایط موجود و بهبود مدیریت زراعی و آبی در منطقه مورد مطالعه

 

فرض­ها

سناریوها

آبیاری اول

میلیمتر

سایر آبیاری­ها

میلیمتر

شرح سناریو

بخش اول

حفظ تاریخ‌ها و میزان عمق آب آبیاری (امکان حذف نوبت­های آبیاری)

1

200

100

شرایط موجود آبیاری (سناریوی مبنا)

2

200

100

حذف آبیاری دوم در شرایط موجود

3

200

100

حذف آبیاری دوم و سوم در شرایط موجود

4

200

100

حذف آبیاری دوم، سوم و هفتم در شرایط موجود

5

200

100

حذف آبیاری دوم، سوم، چهارم و هفتم در شرایط موجود

6

200

100

حذف آبیاری دوم، چهارم و هفتم در شرایط موجود

7

200

100

حذف آبیاری دوم، سوم، پنجم و هفتم در شرایط موجود

8

200

100

حذف آبیاری دوم، سوم ، ششم و هفتم در شرایط موجود

بخش دوم

کاهش عمق آب آبیاری ها به جز آبیاری اول

9

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 2

10

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 3

11

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 4

12

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 5

13

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 6

14

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 7

15

200

80

کاهش عمق آب سایر آبیاری ها در سناریوی 8

بخش سوم

کاهش عمق آب درهمه آبیاری­ها امکانپذیر است.

16

100

100

کاهش عمق آب آبیاری اول در شرایط موجود

17

100

100

کاهش عمق آب آبیاری اول و حذف آبیاری دوم در شرایط موجود

18

100

80

کاهش عمق آب  همه آبیاری­ها و حذف آبیاری دوم در شرایط موجود

19

80

80

کاهش عمق آب  همه آبیاری­ها و حذف آبیاری دوم در شرایط موجود

بخش چهارم

عمق آبیاری ثابت و تاریخ‌های آبیاری قابل تغییر

20

100

100

خاک آب +  انجام یک آبیاری(در تاریخ پیشنهادی مدل)

21

100

100

خاک آب +  انجام دو آبیاری(در تاریخ های پیشنهادی مدل)

22

100

100

خاک آب +  انجام سه آبیاری(در تاریخ های پیشنهادی مدل)

23

100

100

خاک آب +  انجام چهار آبیاری(در تاریخ های پیشنهادی مدل)

24

100

100

خاک آب +  انجام پنج آبیاری(در تاریخ های پیشنهادی مدل)

25

100

100

خاک آب +  انجام شش آبیاری(در تاریخ های پیشنهادی مدل)

 

 

نتایج صحت سنجی مدل AquaCrop برای گندم نشان می­دهد که این مدل عملکرد محصول را با دقت قابل قبولی شبیه سازی می­کند. شکل2 نشان می‌دهد که ضریب همبستگی مقادیر اندازه­گیری و برآورد شده برای گندم 67 درصد و ریشه میانگین مربعات خطاها (RMSE) 67/0 تن در هکتار است. همچنین شاخص میانگین خطای مطلق(MAE) و انحراف مدل (ME) مبین آن است که مدل باخطای 238 کیلوگرم برهکتار عملکرد گندم را برآورد کرده است و ضریب همبستگی نسبتاً بالایی دارد. بدیهی است عملکرد محصول به عواملی مانند میزان کود، بروز آفات و بیماری­هاف تراکم علف‌های هرز، و مدیریت آبیاری بستگی دارد، ولی در شبیه سازی­ها از این محدودیت‌ها صرف نظر شده است.

تأثیرتغییرات کمی آب آبیاری بر عملکرد محصول

سناریوی مبنا

نتایج بیلان آب در خاک و پارامترهای مختلف بیلان آب در خاک برای سناریوی مبنا و بیست و چهار سناریوی دیگر (تعریف شده در بخش مواد و روش­ها) در جدول 3 آورده شده است. برابر این جدول، در سناریوی مبنا از مجموع1/867 میلیمتر آب قابل دسترس (1/67 میلیمتر بارندگی و 800 میلیمتر آب آبیاری)2/457 میلیمتر به مصرف واقعی گیاه رسیده (تعرق واقعی) و حدود50 درصد آب قابل دسترس به شکل های مختلف از جمله نفوذ عمقی ( 8/193 میلیمتر ) از دسترس خارج شده است.

جدول 3 همچنین نشان می­دهد که در شرایط موجود از آب قابل دسترس به شکل مناسبی بهره برداری نمی شود و نیاز است با روش­های کاربردی برای بهبود بهره وری آب تلاش شود. دروگرز و همکاران(Droogers et al., 2001) نیز در تحقیقات خود در شبکۀ آبیاری رودشت اصفهان به نتایج مشابهی دست یافتند. بدیهی است که آبیاری به میزان مورد نیاز و در زمان مورد نیاز بهترین گزینه خواهد بود. اما این راهکار با شرایط واقعی کشاورزی مطابقت ندارد و لازم است که با توجه به شرایط واقعی استفاده از آب راهکاری نزدیک به شرایط بهینه انتخاب شود. در بخش اول از این پژوهش فرض شد که تغییر تاریخ نوبت‌های آبیاری برای تعدادی از کشاورزان امکانپذیر نیست. این افراد، به منظور کاهش آب آبیاری و افزایش سودمندی آب فقط می­توانند تعدادی از دفعات آبیاری را که اهمیت کمتری دارند حذف کنند(سناریوی 2 تا 8 جدول 2).

نتایج تجزیه و تحلیل این سناریوها نشان داد (جدول 3 ) که از نظر عملکرد محصول و عملکرد بیولوژیکی تفاوت معنی داری بین سناریوهای 2، 3، 4 و سناریوی مبنا وجود ندارد. در سناریوی 2 و 3 نفوذ عمقی به ترتیب 48 و 91 درصد نسبت به سناریوی مبنا کاهش یافته است، بدون اینکه عملکرد محصول تغییر چشمگیر داشته باشد. سناریوی 4، (حذف آبیاری دوم، سوم و هفتم در سناریوی مبنا )، با مصرف 500 میلیمتر آب، بیشترین کاهش آب آبیاری(300 میلیمتر) را داشته است و به عنوان سناریوی برتر انتخاب شد. در این سناریو بیش از 77 درصد از آب قابل دسترس به مصرف واقعی گیاه می­رسد (تعرق واقعی) و فقط 3 درصد به صورت نفوذ عمقی از دسترس خارج می شود. از طرف دیگر، تبخیر از سطح خاک اجتناب ناپذیر است و اگر میزان تبخیر واقعی از سطح خاک نیز به عنوان آب موثر در تولید منظور شود، مصرف مفید به حدود 90 درصد آب قابل دسترس خواهد رسید. در این سناریو اگر چه عملکرد محصول 4 درصد کاهش یافته اما کارآیی مصرف آب بیش از 45 درصد افزایش داشته است. این سناریو یکی از سناریوهای کاملاً کاربردی برای سال­های نرمال آبی است. در شرایط خشکسالی و سال­هایی که آب قابل دسترس کم است، سناریوی 7 یعنی حذف آبیاری دوم، سوم، پنجم و هفتم در شرایط موجود توصیه می شود. اگر چه در این سناریو عملاً کم ابیاری وجود داشته اما، با کاهش 50 درصد آب آبیاری، عملکرد محصول 26 درصد کاهش و کارایی مصرف آب 37 درصد افزایش یافته است. دروگرز و ترابی(Drooders and Torabi, 2002) نیز در مطالعه­ای با استفاده از مدل شبیه­سازیSWAP روی مدیریت مصرف آب در شبکه­های آبیاری در حوضه زاینده رود، بهبود برنامه ریزی آبیاری را جهت افزایش عملکرد محصول و کارایی مصرف آب توصیه کردند که با نتایج این تحقیق مطابقت دارد. این محققان همچنین کم آبیاری  و کاهش سطح زیر کشت را در شرایط کم آبی و خشکسالی پیشنهاد کرده­اند.

 

جدول3- نتایج پارامترهای مختلف بیلان آب در خاک برای سناریوهای مختلف آبیاری گندم با استفاده از مدلAquaCrop

کارآیی مصرف آب

عملکرد بیولوژیکی

عملکرد

تبخیر پتانسیل

تعرق پتانسیل

تبخیر واقعی

تعرق واقعی

نفوذ عمقی

آبیاری

سناریوها

فرضیه ها

 

کیلوگرم بر متر مکعب

کیلوگرم بر

هکتار

کیلوگرم بر هکتار

----------------------میلی­متر---------------------------

 

 

 

602/0

14199

5218

2/198

4/516

2/95

2/457

8/193

800

مبنا

حفظ تاریخ‌ها و عمق آب آبیاری (امکان حذف نوبت­های آبیاری).

بخش اول

680/0

14175

5214

4/400

1/519

8/88

4/456

9/100

700

2

771/0

13738

5143

6/210

1/505

5/85

7/442

1/18

600

3

883/0

13648

5009

6/210

1/505

2/69

3/439

1/18

500

4

766/0

9844

3576

9/307

0/390

6/79

8/313

1/18

400

5

820/0

12390

4651

7/219

5/489

2/77

7/392

2/56

500

6

823/0

10754

3844

1/248

9/438

6/70

4/330

1/18

400

7

659/0

11663

3076

8/228

4/475

64

6/354

1/18

400

8

716/0

13298

4776

3/201

0/511

4/89

4/420

9/60

600

9

کاهش عمق آب آبیاری ها به جز آبیاری اول

بخش دوم

773/0

12200

4537

4/222

6/489

1/89

4/383

1/18

520

10

865/0

12111

4388

4/222

6/489

4/72

0/380

1/18

440

11

744/0

8945

3177

3/319

2/372

4/81

3/278

1/18

360

12

821/0

11438

4163

1/226

2/477

2/78

0/355

2/36

440

13

568/0

10553

2425

9/254

1/439

66

2/313

1/18

360

14

772/0

9605

3296

9/272

7/405

6/73

6/287

1/18

360

15

680/0

14199

5218

2/198

4/516

2/95

2/457

8/93

700

16

کاهش عمق آب درهمۀ آبیاری ها

بخش سوم

781/0

14133

5209

4/200

3/514

2/89

4/456

6/1

600

17

862/0

13053

4889

1/205

7/506

6/90

0/412

0

500

18

832/0

12241

4552

4/222

3/489

6/90

5/385

0

480

19

014/1

7488

2708

3/364

3/308

4/76

5/223

8/9

200

20

عمق آبیاری ثابت و تاریخ‌های آبیاری قابل تغییر

بخش چهارم

021/1

10563

3748

8/273

1/446

1/75

6/335

8/9

300

21

039/1

12726

4852

0/255

1/470

2/78

7/418

8/9

400

22

075/1

15119

6095

6/214

0/505

0/71

6/502

8/9

500

23

920/0

15639

6135

5/197

3/519

9/72

3/519

9/52

600

24

801/0

15699

6145

6/195

9/520

3/78

9/520

7/119

700

25

 

بهبود مدیریت زراعی

کشاورزان حدود 200 میلیمتر آب در آبیاری اول و حدود 100 میلیمتر برای آبیاری­های بعدی استفاده می­کنند که با توجه به خصوصیات خاک و عمق توسعه ریشه گندم بیش از مقدار مورد  نیاز است. اما به علت مشکلات مدیریت زراعی، کاهش عمق آب آبیاری در شرایط موجود امکان­پذیر نخواهد بود. از این رو یکی از راهکارهای استفاده بهینه از آب می­تواند بهبود مدیریت زراعی و انتخاب پارامترهای فوق بر اساس اصول مهندسی آبیاری باشد که نتیجۀ آن کاهش تلفات نفوذ عمقی و رواناب سطحی است. بهبود مدیریت زراعی به منظور کاهش عمق آب آبیاری در شرایط موجود در دو بخش شبیه سازی و تجزیه تحلیل شد. در بخش اول فرض شد که عمق آب آبیاری اول با توجه به نفوذ پذیری خاک، مناسب است اما با بهبود مدیریت زراعی در سطح مزرعه می توان عمق آب سایر آبیاری­ها را به 80 میلیمترکاهش داد (سناریوهای شمارۀ 9 تا 15 جدول 2). نتایج نشان داد که سناریوی 11 (کاهش عمق آب سایر آبیاری ها در سناریوی 4 به 80 میلیمتر) دارای بیشترین کارآیی مصرف آب است. در این سناریو میزان آب آبیاری 45 درصد  کاهش یافت و موجب شد که عملکرد محصول 16 درصد کاهش یابد در حالی که کارآیی مصرف آب نزدیک 45 درصد افزایش یافت (جدول 3). نتایج عملکرد بیولوژیکی روندی مشابه با عملکرد محصول را نشان می­دهد. در بخش دوم فرض شده است که می توان با بهبود مدیریت زراعی عمق آب آبیاری را در تمام دفعات آبیاری­ کاهش داد (سناریوهای 16 تا 19 جدول 2).  نتایج بررسی ها نشان می­دهد که کاهش عمق آب آبیاری اول به 100 میلیمتر (سناریوی 16) به علت نیاز تبخیر-تعرق پایین گیاه، هیچگونه تاثیری در عملکرد واقعی محصول و سایر پارامترهای بیلان آب در خاک ( به جز نفوذ عمقی) ندارد. با این سناریو نفوذ عمقی بیش از 50 درصد کاهش یافت یعنی از 8/193 میلیمتر به 8/93 میلیمتر رسید. کاهش عمق آب آبیاری اول به 100  و سایر آبیاری­ها به 80 میلیمتر، همراه با حذف نوبت دوم آبیاری(سناریوی 18)، با بیشترین کارآیی مصرف آب در بین سناریوهای تعریف شده در این بخش همراه بود. در این سناریو، میزان نفوذ عمقی 100 درصد کاهش یافت و از 8/193 میلیمتر به صفر رسید و با مصرف 500 میلمتر آب، عملکرد محصول 6 درصد کاهش یافت در حالی که کارآیی مصرف آب 43 درصد افزایش یافت. کاهش عمق آب آبیاری در سناریوهای 17 تا 19 موجب شد که نیاز آبی گیاه در مراحل مختلف رشد تامین نشود و تعرق واقعی گیاه و در نتیجه عملکرد محصول کاهش یابد. این سناریوها هیچگونه نفوذ عمقی نداشتند اما کمبود آب موجود در خاک موجب ایجاد تنش برای گیاه و کاهش عملکرد بیولوژیکی شد. مقایسۀ نتایج سناریوهای بهبود مدیریت زراعی (سناریوهای 9 تا 19) با نتایج سناریوهای قطع نوبت­های آبیاری (سناریوی 2 تا 8) نشان می­دهد که سناریوهای 4 و 18 از نظر عملکرد محصول، کارآیی مصرف آب، و میزان آب کاربردی تقریباً مشابه هستند و تفاوت معنی داری ندارند (جدول 3). از این رو، سناریوی 4 (قطع تعدادی از نوبت­های آبیاری در شرایط موجود) که کاربردی تر و عملکرد محصول و کارآیی مصرف آب در آن بالاتر است به عنوان سناریوی برتر در این بخش قابل توصیه است. نتایج حاصل از این تحقیق نشان می­دهد که اگر مدل­های­ شبیه سازی واسنجی و صحت یابی شوند می توانند بدون محدویت‌های زمانی و مکانی موجود در آزمایش‌های مزرعه‌ای و صرف وقت و هزینۀ زیاد به عنوان ابزار­های قدرتمند جهت برآورد عملکرد مورد انتظار محصول، برنامه ریزی آبیاری، و ارزیابی سناریوهای مدیریت آبیاری به کار گرفته شوند.  این نتایج با یافته­های سایر محققان از جمله استدیوتو و همکاران (Steduto et al., 2009)، گارسیا و همکاران (Garcia-Vila et al., 2009) و گرتس و همکاران (Geerts et al., 2009)  مطابقت دارد.

تغییرات کمی آب آبیاری

عملکرد محصول متأثر از عواملی از جمله تغییرات کمی آب آبیاری است. زمان کاربرد آب آبیاری و متناسب بودن آن با نیاز گیاه اهمیت زیادی دارد. تاثیر تغییرات کمی آب آبیاری بر عملکرد بیولوژیکی و عملکرد محصول گندم در شبکۀ آبشار اصفهان با استفاده از مدل AquaCrop تجزیه و تحلیل شد. نتایج و روند تغییرات پارامترهای بیلان آب در خاک در شکل 1 نشان داده شده است. نتایج تجزیه و تحلیل سناریوهای 20 تا 25 (جدول 3) نشان می­دهد که به طور کلی مصرف آب در سناریوی مبنا ( 800 میلیمتر آب آبیاری) بیش از مقدار آب مورد نیاز است و در این شرایط عملکرد گندم  نیز کمتر از مقدار پتانسیل( بیش از 6 تن در هکتار) است. نتایج بررسی این سناریوها نشان می­دهد که آبیاری در زمان مورد نیاز بیشترین کارآیی را دارد. در سناریوی 23 با استفاده از 500 میلیمتر آب و آبیاری در زمان مورد نیاز، عملکرد محصول  16 درصد افزایش نشان می­دهد ضمن اینکه 38 درصد از آب آبیاری (نسبت به سناریوی مبنا) کاسته شده است (جدول 3). در این سناریو تعرق واقعی و کارآیی مصرف آب به ترتیب 10 و 79 درصد افزایش یافته است. لذا این سناریو به عنوان سناریوی برتر در کل سناریوهای مورد بررسی انتخاب و برای شرایطی که امکان آبیاری در زمان مناسب فراهم است قابل توصیه خواهد بود.

 

شکل‌1- نتایج تغییرات کمی آب آبیاری (سناریوهای 20تا 25) بر پارامترهای بیلان آب در خاک در آبیاری گندم با مدل AquaCrop  

از نتایج ارائه شده در جدول 3 می توان جهت برآورد عملکرد محصول در شرایط مختلف کمی آب آبیاری استفاده کرد. جدول 3 نشان می­دهد در مواردی که میزان آب کاربردی کمتر از 500 میلیمتر در سال باشد، نفوذ عمقی حداقل و حدود 10 میلیمتر خواهد بود. افزایش میزان آب کاربردی بیش از 500 میلیمتر سبب می­شود میزان نفوذ عمقی افزایش یابد و یک ارتباط خطی بین میزان آب کاربردی بیش از 500 میلیمتر و نفوذ عمقی مشاهده شود. با افزایش میزان آب آبیاری، پتانسیل تبخیر از سطح خاک نیز به دلیل رشد محصول کاهش می­یابد اما تبخیر واقعی از سطح خاک تغییر قابل توجهی نخواهد کرد. حداکثر عملکرد از برنامه ریزی صحیح آبیاری به میزان 500 میلیمتر حاصل شده است و این میزان عمق آب آبیاری به عنوان عمق بهینه آبیاری محصول گندم در نظر گرفته شد.

نتایج و روند تغییرات پارامترهای بیلان آب در خاک (شکل 3) نشان می­دهد که روند تغییرات میزان عملکرد بیولوژیکی، عملکرد محصول، و تعرق گیاه با میزان آب کاربردی از یک تابع درجه دوم تبعیت می­کند که با نتایج بررسی­های سایر محققان از جمله گارسیا و همکاران (Garcia-Vila et al., 2009) و دروگرز و ترابی(Droogers and Torabi, 2003) مطابقت دارد. بیشترین مقدار این پارامترها با کاربرد 600 میلیمتر آب به دست آمده است اما بیشترین کارآیی مصرف آب و بیشترین درصد افزایش کارآیی مصرف آب نسبت به شرایط موجود بهره برداری (سناریوی مبنا) مربوط به با استفاده از کاربرد 500 میلیمتر آب آبیاری است. این شاخص­ها برای مقادیر بیش از 500 میلیمتر آب کاربردی به شدت کاهش یافتند و نشان دادند که بیشترین مقادیر این شاخص­ها در محدوده 500 میلیمتر آب کاربردی است. روند تغییرات نفوذ عمقی هم بیانگر آن است که در مقادیر کمتر از 500 میلیمتر آب کاربردی، میزان نفوذ عمقی تقریباً ثابت است اما با افزایش میزان آب کاربردی، نفوذ عمقی به صورت خطی و با شیب نسبتاً زیاد( حدود 50 درصد) افزایش می­یابد. از این رو میزان 500 میلیمتر آب کاربردی به عنوان عمق بهینه آبیاری محصول گندم در نظر گرفته شد.

نتایج این تحقیق نشان می­دهد که از مدل AquaCrop می توان برای شبیه سازی جریان آب در خاک، برنامه­ریزی آبیاری، بیلان آب در خاک، و رشد محصول در شرایط متفاوت قابلیت دسترسی به آب بهره گرفت و نتایج رضایت بخش به دست آورد. این نتایج با نتایج تحقیقات سایر محققیان از جمله فراهانی و همکاران(Farahani et al., 2009)، رائز و همکاران(Raes et al., 2009)، هنگ و همکاران(Heng et al., 2009) مطابقت دارد.

 

4. نتیجه‌گیری:

بهبود مدیریت آبیاری در مزارع از طریق کاربرد عمق مناسب آبیاری، برنامه ریزی صحیح آبیاری، و بهبود مدیریت زراعی در شرایط مختلف امکان پذیر است. استفاده از این راهکارها، ضمن افزایش 16درصد عملکرد محصول موجب کاهش 38 درصد میزان آب مصرفی می­شود و در نتیجه کارآیی مصرف آب 79 درصد افزایش می­یابد نتایج همچنین نشان می­دهد که می‌توان از مدل‌های شبیه سازی صحت سنجی شده به عنوان ابزار­های مناسب و با قابلیت‌های مختلف جهت بهبود مدیریت آبیاری استفاده برد. میزان آب کاربردی کشاورزان به علل مختلف از جمله توزیع گردشی آب بین حقابه‌داران، نفوذ پذیری بالای آب در آبیاری اول، و نا آگاهی آنها از میزان آب مورد نیاز، بیش از اندازه است، لذا توصیه می‌شود، شیوه­های بهبود مدیریت آبیاری و مدیریت زراعی به کشاورزان آموزش داده شود تا آنها خود به توزیع آب، متناسب با نیاز واقعی گیاه و آبیاری در زمان مناسب و به میزان مورد نیاز روی آورند. در مواردی که امکان آبیاری در زمان مناسب فراهم نیست قطع تعدادی از آبیاری­ها (حذف آبیاری دوم، سوم و هفتم در سناریوی مبنا که اهمیت کمتری دارند ) قابل توصیه است.

 

5. مراجع:

  1. Aghdaei. M. 2002. Determination of potential water consumption in wheat and corn. Esfahan Agricultural Research Center. Research Report 81/537. (in Farsi)
  2. Akbari, M., DehghaniSanij, H. 2010. Impact of irrigation scheduling on water productivity using SWAP and AquaCrop simulation models, Workshop on Improving farm management strategies through AquaCrop: Worldwide collection of case studies, 8-9 October 2010., Yogyakarta, Indonesia.
  3. Akbari. M., Dehghanisanij. H. and Mirlatifi. S. M. 2009. Impact of irrigation scheduling on agriculture water productivity. Iranian Journal of Irrigation and Drainage. No. 1:69-79 (in Farsi)
  4. Akbari. M., Dehghanisanij H and Torabi M. 2008. Evaluation of farm salinity using SWAP simulation model. Agricultural Sciences and Technology Journal. Special  Issue in Soil, Water and Air, 21: No. 2:105-114. (in Farsi)
  5. Anon. 2002. Agriculture Statistics Book. Agricultural Ministry Statistics and Information Bureau.(in Farsi) 
  6. Droogers, P. and Kite, G. 2001, Simulation modelling at different scales to evaluate the productivity of water. Physics and Chemistry of the Earth vol 26, No. 11-12, 877-880.
  7. Droogers, P., Torabi, M. 2002. Field scale scenarios for water and salinity management by simulation modeling in the Zayandeh Rud basin, Esfahan Province, Iran. IAERI-IWMI Research Reports 12.
  8. Droogers, P., Torabi, M., Akbari, M., and Pazira, E. 2001, Field-scale modeling toexplore salinity problems in irrigated agriculture. Irrigation and Drainage. 50:77-90.
  9. Farahani, H.J., Izzi, G., Steduto, P., and Oweis, T.Y. 2009. Parameterization and evaluation of AquaCrop for full and deficit irrigated cotton. Agron. J. 101:469–476.
  10. García-Vila, M., Fereres, E., Mateos, L., Orgaz, F., and Steduto, P. 2009. Deficit irrigation optimization of cotton with AquaCrop. Agron. J. 101:477– 487.
  11. García-Vila, M., Lorite, I.J., Soriano, M.A., and Fereres, E. 2008. Management trends and responses to water scarcity in an irrigation scheme of Southern Spain. Agric. Water Manage. 95:458–468.
  12. Geerts, S., Raes, D., Garcia Cardenas, M., Condori, O., Mamani, J., Miranda, R., Cusicanqui, J., Taboada, C., Yucra, E., and Vacher, J. 2008. Could deficit irrigation be a sustainable practice for quinoa (Chenopodium quinoa Willd.) in the Southern Bolivian Altiplano Agric. Water Manage. 95:909–917.
  13. Geerts, S., Raes, D., Garcia, M., Miranda, R., Cusicanqui, J.A., Taboada, C., Mendoza, J., Huanca, R., Mamani, A., Condori, O., Mamani, J., Morales, B., Osco, V., and Steduto, P. 2009. Simulating yield response to water of quinoa (Chenopodium quinoa Willd.) with FAO-AquaCrop. Agron. J. 101:499–508
  14. Heng, L.K., Evett, S.R., Howell, T.A., and Hsiao, T.C. 2009. Calibration and testing of FAO aquacrop model for rainfed and irrigated maize. Agron. J. 101:488–498.
  15. Hsiao, T.C., Heng, L ., Steduto, P., Rojas-Lara, B., Raes, D., and Fereres, E. 2009. AquaCrop The FAO crop model to simulate yield response to water: III. Parameterization and testing for maize. Agron. J. 101:448– 459
  16. Isidoro, D., Qulez., D., and Aragues, R. (2004), Water balance and irrigation performance analysis: La Violada irrigation district (Spain) as a case study. Agricultural Water Management. 64:123-142.
  17. Molden, D. 2007. Water for food, water for life: A comprehensive assessment of water management in agriculture. Earthscan, London.
  18. Panigrahi, B., and Sudhindra N. P. (2003), Field test of a soil water balance simulation model. Agricultural Water Management. 58: 223-240.
  19. Raes, D., Steduto, P., Hsiao, T.C., and Fereres, E. 2009. AquaCrop The FAO crop model to simulate yield response to water: II. Main algorithms and software description. Agron. J. 101:438–447.
  20. Steduto, P., Hsiao, T.C., and Fereres, E. 2007. On the conservative behavior of biomass water productivity. Irrig. Sci. 25:189–207.
  21. Steduto, P., Hsiao, T.C., Raes, D., and Fereres, E. 2009. AquaCropThe FAO crop model to simulate yield response to water: I. Concepts and underlying principles. Agron. J. 101:426–437.
  تاریخ ثبت : 9 مهر 1399
 پشتیبانی گروه دیبا
 470