برآورد آب مصرفی بخش کشاورزی کشور ایران و ارزیابی نتایج به‏ دست ‏آمده از سامانۀ WaPOR با داده ‏های زمینی

نوع مقاله : پژوهشی

نویسندگان

1 گروه انرژیهای نو و محیط زیست، دانشکده علوم و فنون نوین دانشگاه تهران

2 کارشناسی ارشد سنجش‏ از دور و سیستم اطلاعات جغرافیایی، دانشکدۀ جغرافیا، دانشگاه تهران

3 دانش‌آموختۀ دکترای فیزیولوژی گیاهان زراعی، مرکز مطالعات و برنامه ‏ریزی شهر تهران

4 کارشناسی ارشد اکو‏هیدرولوژی، دانشکدۀ علوم و فنون نوین، دانشگاه تهران

چکیده

در این مطالعه میزان مصارف آب کشور ایران با استفاده از محصول تبخیر‌ـ تعرق واقعی WaPOR که توسط FAO توسعه داده‏ شده، در سطح همۀ استان‏ های کشور برآورد شده است. با در نظر گرفتن دشت‏ هایی که بیشتر مصارف کشاورزی ایران را دار‏ند، میزان حجم آب مصرف‏ شده طی سال‏های 2010 تا 2016 میلادی به تفکیک استانی تخمین زده شد. سپس، برای هر استان به ‏صورت جداگانه شیب تغییرات مصارف کشاورزی استخراج شد. حجم آب مصرفی در بخش کشاورزی استان ‏های خوزستان، تهران، گیلان به ‏ترتیب طی سال‏های 2010 تا 2016 بیشترین روند افزایشی را داشته‌اند و به بیانی، دارای شیب تغییرات مثبت هستند. استان‏ های هرمزگان و کرمانشاه نیز بیشترین روند کاهشی در میزان حجم آب مصرفی در بخش کشاورزی را داشته‌اند. نتایج بررسی این دورۀ آماری هفت‌ساله، بیانگر آن است که مصرف آب کشاورزی در سطح کشور و حجم آبیاری از سال‏های 2013 به بعد روند افزایشی داشته است. برای بررسی دقت محصول WaPOR، مقادیر آن با تبخیر و تعرق حاصل از الگوریتم SEBAL و آمار ایستگاه لایسیمتری در دشت میاندوآب مقایسه شد. نتایج بیانگر آن است که در غالب مناطق، مقادیر تبخیر‌ـ تعرق الگوریتم SEBAL نسبت به سامانۀ WaPOR بیشتر است که با حرکت به سمت ارتفاع 2 هزار متر این اختلاف به بیشترین مقدار خود می‏رسد. مقادیر تبخیر‌ـ تعرق واقعی لایسیمتر دانشگاه تبریز همخوانی قابل‏ قبولی با مقادیر محاسباتی الگوریتم SEBAL داشت، درنتیجه حجم آب مصرفی محاسبه‏ شده با WaPOR کمتر از مقدار واقعی برآورد شده است.

کلیدواژه‌ها

موضوعات


[1]. Frenken K, Kiersch B. Monitoring agricultural water use at country level. Experiences of a pilot project in Benin and Ethiopia. FAO Land & Water Discussion Paper 9. Rome: Food and Agriculture Organisation, Rome. 2011.
[2]. Parris K. Sustainable management of water resources in agriculture. OECD Publishing; 2010.
[3]. Blatchford ML, Mannaerts CM, Zeng Y, Nouri H, Karimi P. Influence of Spatial Resolution on Remote Sensing‌ـ‌Based Irrigation Performance Assessment Using WaPOR Data. Remote Sens. 2020; 12, 2949.
[4]. Blatchford ML, Mannaerts CM, Njuki SM, Nouri H, Zeng Y, Pelgrum H, et al. Evaluation of WaPOR V2 evapotranspiration products across Africa. Hydrol. Process. 2020.
[5]. Kaune A, Opstal JV. Water Productivity Technical Report. Agência de desenvolvimento do Vale Zambeze (ADVZ). 2020; FutureWater Report 195.
[6]. Conrad C, Usman M, Morper‌ـ‌Busch M. Schonbrodt‌ـ‌Stitt. Remote sensing‌ـ‌based assessments of land use, soil and vegetation status, crop production and water use in irrigation systems of the Aral Sea Basin. Water Security, 11, 2020, 100078.
[7]. Fritza F, Seea L, Bayasa JCL, Waldnerb F, Jacquesc S, Becker‌ـ‌Reshefd I, et al. A comparison of global agricultural monitoring systems and current gaps. Agricultural Systems 168. 2019; 258–272.
[8]. Cai C, Thenkabail PS, Biradar CM, Platonov A, Gumma M, Dheeravath V, et al. Water productivity mapping using remote sensing data of various resolutions to support "more crop per drop". Journal of Applied Remote Sensing, 2009; Vol. 3, 033557.
[9]. Samani m. Water resources management and Sustainable development. Parliamentary infrastructure studies office of the Islamic Parliament. 2005; Repotr No. 7374, 35 pages. [Persian]
[10]. Abbasi F, Naseri A, Sohrab F, yaghani J, Abbasi N, Akbari M. Improving water consumption efficiency. Institute of technical and agriculture research. 2015. [Persian]
[11]. Krinner W, Garc´ıa A, Estrada F. Method for estimating efficiency in Spanish irrigation systems. J. Irrig. Drain. Eng. ASCE 120 (5). 1994, 979–986.
[12]. Faci JM, Bensaci A, Saltni A, Playán E. A case study for irrigation modernisation. I. Characterisation of the district and analysis of water delivery records. Agric. Water Manage. 2000; 42, 315–334.
[13]. Burt CM, Clemmens AJ, Strelkoff TS, Solomon KH, Bliesner RD, Hardy LA, et al. Irrigation performance measures: efficiency and uniformity. J. Irrig. Drain. Eng. ASCE 123 (6). 1997, 423‌ـ‌442.
[14]. Castaño S, Sanz D. Gómez‌ـ‌Alday JJ. Methodology for quantifying groundwater abstractions for agriculture via remote sensing and GIS. Water Resources Management, 2010. 24(4), 795‌ـ‌814
[15]. Remot Sensing Research Center (RSRC). Introducting and comparing the FAO Portal and the activities of the Remot Sensing Center in estimating productivity in agriculture sector. Sharif University of Technology. 2017. [Persian]
[16]. Bastiaanssen WGM, Cheema M J M, Immerzeel WW, Miltenburg IJ, Pelgrum H. Surface energy balance and actual evapotranspiration of the transboundary Indus Basin estimated from satellite measurements and the ETLook model, Water Resour. Res., 48, W11512, 2012.
[17]. FAO and IWMI. Stakeholder mapping and capacity needs assessment, Ethiopia. Remote Sensing for Water Productivity Technical Report: Capacity Development Series. Rome, FAO. 2018, 56 pages. Licence: CC BY‌ـ‌NC‌ـ‌SA 3.0 IGO.
[18]. Al yasin A. Water crisis. Iranian Society of Consulting Engineers, 2007, 964‌ـ‌06‌ـ‌6404‌ـ‌9, 518 pages. [Persian]
[19]. Agriculture statistics, Office of Statistics and Information Technology. Tehran, the Ministry of Agriculture Jahad, Deputy of Planning and Economy. Crop product, 2013. [Persian]
[20]. Dalton JC. Irrigation water requirements. Cody, Wyoming, United States of America. 2003 Mar 1.
[21]. Agriculture statistics, Office of Statistics and Information Technology. Tehran, the Ministry of Agriculture Jahad, Deputy of Planning and Economy, garden product, 2013. [Persian]
دوره 8، شماره 3
مهر 1400
صفحه 829-839
  • تاریخ دریافت: 01 اسفند 1399
  • تاریخ بازنگری: 07 تیر 1400
  • تاریخ پذیرش: 15 مرداد 1400
  • تاریخ اولین انتشار: 15 مرداد 1400
  • تاریخ انتشار: 01 مهر 1400