Bahrololoum, Rezvan, Ramezani Etedali, Hadi, Azizian, Asghar, and Collins, Brian (2020) Use of Gridded Weather Datasets in Simulation of Wheat Yield and Water Requirement (Case Study: Iran’s Qazvin Plain) / کاربرد اطلاعات پایگاه‏ های داده‏ های هواشناسی مختلف در برآورد عملکرد و نیاز آبی گندم (مطالعۀ موردی: دشت قزوین). Iranian Journal of Ecohydrology, 7 (3). pp. 691-706.

Preview

PDF (Published Version) - Published Version Available under License Creative Commons Attribution. Download (1MB) | Preview

Abstract

Temperature and rainfall affect the quantity and quality of agricultural products. Therefore, it is important to estimate its spatial-temporal changes. In many region of the country, due to the low density of meteorological stations or the small statistical period of new stations, limited time and space information is available. Therefore, this study aims to use the data of CRU, AgMERRA, AgCFSR and GPCC gridded weather datasets in estimation of yield and water requirement of wheat and compare them with the estimated values ​​with the information of Qazvin Synoptic Station. For this purpose, monthly weather time series of Qazvin synoptic station were extracted from 1980 to 2010 along with the data from the selected gridded datasets extracted from the closest grid cell to the synoptic station (K1), the average of four closest grid cells to the synoptic station (K4), and the average of eight closest grid cells to the synoptic station (K8). The quality of the gridded datasets was assessed with four statistical indices (R2, RMSE, NRMSE, ME) in a direct and indirect way (the latter using the outputs of the AquaCrop model). In estimating wheat water requirement, GPCC database with four points (K4) and one point (K1) showed the best performance. Wheat yield simulated with AgMERRA data with one (K1) and four (K4) closest grid cells had the highest correlation with the simulated values with data from the synoptic station. Results showed that all selected gridded datasets can be used to simulate grain yield with satisfactory performance, but only data from GPCC-CUR dataset would result in reliable estimation of wheat water requirement.

دمای هوا و بارندگی، کمیت و کیفیت تولیدات محصولات کشاورزی را تحت تأثیر قرار می‏دهد، بنابراین برآورد و بررسی تغییرات مکانی-زمانی آن اهمیت دارد. در بسیاری از مناطق کشور به دلیل تراکم کم ایستگاه‏های اندازه‏گیری و یا دورۀ آماری کوتاه ایستگاه‏های جدید، اطلاعات زمانی و مکانی محدودی در دسترس است. پژوهش حاضر با هدف امکان‌سنجی استفاده از داده‏های پایگاه‏ها هواشناسی شبکه‏بندی‌شدة CRU، AgMERRA، AgCFSR و GPCC-CRUدر برآورد عملکرد و نیاز آبی گیاه گندم و مقایسۀ آن با مقادیر برآوردشده با اطلاعات ایستگاه سینوپتیک قزوین است.به این منظور، اطلاعات اقلیمی ماهانۀ ایستگاه سینوپتیک قزوین از سال 1980 تا 2010 و اطلاعات اقلیمی پایگاه‏های یادشده به سه روش استفاده از نزدیک‏ترین نقطه به ایستگاه سینوپتیک (K1)، استفاده از میانگین چهار نقطۀ نزدیک ایستگاه سینوپتیک (K4) و استفاده از میانگین هشت نقطۀ نزدیک ایستگاه سینوپتیک (K8) استخراج شد. کیفیت داده‏های این پایگاه‏ها با استفاده از چهار شاخص آماری ( RMSE،NRMSE، ME) به صورت غیر مستقیم (با استفاده از خروجی‏های مدل گیاهی AquaCrop) ارزیابی شد. در برآورد نیاز ‏آبی گیاه گندم، پایگاه اطلاعاتی GPCC-CR با چهار (K4) و یک (K1) نقطه همسایگی بهترین عملکرد را در قیاس با سایر گزینه‏ها داشت. برآورد عملکرد گندم با استفاده از داده‏های AgMERRA در دو حالت K1 و K4 بیشترین میزان همبستگی با داده‏های ایستگاه سینوپتیک را نشان داد. نتایج نشان می‏دهدبرای برآورد عملکرد محصولات زراعی می‏توان از اطلاعات پایگاه‏های اطلاعاتی هواشناسی شبکه‏بندی‌شده با دقت مناسب استفاده کرد. اما در خصوص برآورد نیاز آبی فقط پایگاه اطلاعاتی GPCC-CRUدقت قابل قبولی داشته است.

Item ID:	69523
Item Type:	Article (Research - C1)
ISSN:	2423-6101
Date Deposited:	17 Jun 2024 08:17
FoR Codes:	30 AGRICULTURAL, VETERINARY AND FOOD SCIENCES > 3002 Agriculture, land and farm management > 300201 Agricultural hydrology @ 100%
SEO Codes:	26 PLANT PRODUCTION AND PLANT PRIMARY PRODUCTS > 2603 Grains and seeds > 260312 Wheat @ 100%
Downloads:	Total: 8 Last 12 Months: 7
	More Statistics