Investigating the Probability of Occurrence of Evapotranspiration in Different Climates and Planting Dates of Rice in Non-Northern Regions of Iran

Document Type : Research Paper

Authors

1 Rice research institute of Iran. Head of Department of Technical Research and Agricultural Engineering

2 PhD in climatology. Physical Geography Department, Faculty of Geography, University of Tehran.

3 Assistant Professor in Atmospheric Science and Meteorological Research Center

4 Ph.D. in Agrometeorology, Applied Meteorological Research Center, Mashhad, Iran.

5 Researcher, Soil and Water Research Institute, Agricultural research, Education and extension organization (AREEO), Karaj, Iran

Abstract

Changes in evapotranspiration values of rice plants in non-northern regions of the country were estimated for three different planting dates (early, on time and late planting) and with four different probabilities of 75%, 50%, 25%, and 10% (years with low, medium, high, and very high evapotranspiration, respectively), using the Penman-Monteith Equation and meteorological data of 15 stations with a statistical period of 30 years (1990-2020). The crop coefficient of rice in different stages of growth were calculated as an average in 10-day periods based on the Weibull Model. The results showed that, in all non-northern climatic regions, adopting an early planting strategy leads to a reduction in water requirement in all evapotranspiration scenarios. Adopting early planting strategy in years with very high evapotranspiration reduces the water requirement of rice in hot, cold and temperate regions by 125.9, 113.5, and 115 mm, respectively, during the growing season (on average 0.7 to 9. 0 mm per day) compared to late planting. However, in cold and temperate climates, there was no big difference between early planting and timely planting and even late planting. So, it is better to use late planting to avoid the possibility of late frosts. Comparison of the results of evapotranspiration rate of rice plant in all planting dates and different probability levels in cold, moderate, hot and very hot climate regions showed that the highest evapotranspiration rate is related to the hot region at the rate of 1021, and moderate and cold regions have much lower evapotranspiration rate than hot regions with evaporation rates of 784.8 and 729 mm, respectively. Therefore, considering the lack of water resources and the negative effects of climate change in arid or semi-arid regions such as Iran, it is better to avoid rice cultivation in hot regions, especially in years with high evapotranspiration. Also, it is better that in cold and temperate regions, the type of irrigation management and the design of structures and water systems should be adapted to the calculations of years with high evapotranspiration.

Keywords


  1. اسعدی اسکویی، ا.، کوزه گران، س.، یزدانی، م.، رحمانی، ا. 1400. تأثیر سطوح احتمالات متفاوت در برآورد نیاز خالص آبی خالص برنج در استان­های شمالی ایران. آب‌وخاک (علوم و صنایع کشاورزی)، 5: 659-671.
  2. اسعدی اسکویی، ا.، موسوی بایگی، م.، یزدانی، م.، علیزاده، ا. 1396. اثر عمق غرق آبی بر تلفات تبخیر از سطوح شالیزاری. پژوهش­های حفاظت آب‌وخاک، 1: 221-235.
  3. امینی، ع.، نوری، هد و اصلانی سنگده، ب. 1394. ارزیابی و سنجش پایداری زراعت برنج با استفاده از روش­های تصمیم‌گیری چند معیاره (مورد مطالعه: شهرستان رضوانشهر). علوم ترویج و آموزش کشاورزی ایران، 1: 101-126.
  4. پیرمرادیان، ن.، ذکری، ف.، رضایی، م.، عبدالهی، و. 1392. استخراج ضرایب گیاهی سه رقم برنج بر پایه روش برآورد تبخیر و تعرق مرجع در منطقه رشت. تحقیقات غلات، 2: 95-106.
  5. خالدیان، م.، رضایی، گ.، کاوسی کلاشمی، م.، رضایی، م. 1400. ارزیابی شاخص­های بهره­وری آب در استان­های عمده تولیدکننده برنج در ایران. نشریه آبیاری و زهکشی ایران، 3: 636-644.
  6. خوش­اخلاق، ف.، روشن، غ.، کرمپور، م. 1390. ارزیابی و اصلاح مدل مناسب تبخیر و تعرق بالقوه برای ایران. پژوهش­های جغرافیای طبیعی، 78: 49-68.
  7. درزی نفت­چالی،ع و کاراندیش، ف. 1395. مدیریت کشت برنج در استان مازندران در شرایط تغییر اقلیم. پژوهش آب در کشاورزی، 3: 333-346.
  8. دهقانی سانیج، ح.، اسعدی اسکویی، ا.، تقی زاده قصاب، ا. 1400. تحلیلی بر آب مصرفی بخش کشاورزی مبتنی بر تبخیر و تعرق واقعی. نشریه آبیاری و زهکشی ایران، 6: 1251-1262.
  9. سپاسخواه، ع.، پیرمرادیان، ن.، کامکار حقیقی، ع. 1381. ضریب گیاهی و نیاز خالص آبی برنج در منطقه کوشک استان فارس. علوم و فنون کشاورزی و منابع طبیعی، 3: 15-24.
  10. شاهنظری، ع.، جلالی کوتنایی، ن.، ضیاء تبار احمدی، م.، خوش‌روش، م.، رضایی، م. 1400. برآورد نیاز خالص آبی و ضریب گیاهی برنج رقم­های کوهسار و هاشمی در سامانه­های مختلف کشت. پژوهش آب در کشاورزی، 3: 235-245.
  11. شیدائیان، م.، ضیا تبار احمدی، م.، فضل اولی، ر. 1393. تأثیر تغییر اقلیم بر نیاز خالص آبیاری و عملکرد محصول برنج (مطالعه موردی: دشت تجن). آب‌وخاک (علوم و صنایع کشاورزی)، 6: 1284-1297.
  12. فاطمی، م.، امیدوار، کمال و رحبی مورکانی، ص. 1400. پهنه‌بندی اقلیمی کشت برنج در شهرستان لنجان. کاوش­های جغرافیایی مناطق بیابانی، 2: 67-84.
  13. قمرنیا، ه.، براتی، ز.، جلیلی، ز. 1400. برآورد نیاز خالص آبی و ضرایب گیاهی برنج با استفاده از لایسیمتر در شرایط غیر غرقابی در اقلیم نیمه‌خشک ایران. نشریه آبیاری و زهکشی ایران، 5: 1131-1140.
  14. کاراندیش، ف؛ جهانتیغ، م و دلبری، م؛ 1395؛ تحلیل اثرات تقویم کشت بر نیاز خالص آبی گندم در استان سیستان و بلوچستان در شرایط تغییر اقلیم؛ نشریه آبیاری و زهکشی ایران؛ 4: 498-489.
  15. مدیری، ا.، براری تاری، د.، امیری، ا.، نیک نژاد، ی.، فلاح، ه.، خزایی، م.1397. ارزیابی و برآورد میزان تبخیر و تعرق گیاه برنج در استان­های شمالی کشور. جغرافیا (برنامه‌ریزی منطقه­ای)، 1: 561-572.
  16. منصوری دانشور، م.، طاوسی، ت.، موقری، ع. 1391. پهنه­بندی شدت خشکی در ایران با استفاده از مدل تبخیر و تعرق هارگریوز-سامانی بر مبنای اوپوگرافی رقومی DEM. جغرافیا و پایداری محیط، 4: 95-110.
  17. میرلطیفی، م.، مدبری، ه.، غلامی، م. 1393. تعیین تبخیر و تعرق و ضریب گیاهی ارقام هاشمی و خزر برنج در دشت مرداب (گیلان). علوم و فنون کشاورزی و منابع طبیعی، علوم آب‌وخاک، 67: 95-106.
  18. موسوی بایگی، م.، اسعدی اسکویی، ا.، یزدانی، م.، علیزاده، ا.، زهد قدسی، م. 1396. اثر عمق غرقابی بر دمای آب‌وخاک در شالیزار (مطالعه موردی: رشت). هواشناسی کشاورزی، 1: 48-56.
  19. Arouna, A., Fatognon, I., Saito, K., Futakuchi, K. 2021. Moving toward rice self-sufficiency in sub-Saharan Africa by 2030: Lessons learned from 10 years of the coalition for African rice development. World Development Perspectives, 21: 1-15.
  20. AsadiOskouei, E., Delsouz Khaki, B., Lopez-Baeza, E. Kouzegaran, S., Navidi, M.N., Haghighat, M., Davatgar, N., Lopez-Baeza, E. 2022. Mapping climate zones of Iran using hybrid interpolation methods. Remote Sens, 14: 1-21.
  21. Gaydon, D.S; Singh, B;Wang, E; Poulton, P.L; Ahmad, B; Ahmed, F; Akhter, S; Ali, I; Amarasingha, R; Chaki, A.K; Chen, C; Choudhury, B.U; Darai, R; Das, A; Hochman, Z; Horan, H; Hosang, E.Y; Vijaya Kumar, P; Khan, A.S.M.M.R; Laing, A.M; Liu,L; Malaviachichi, M.A.P.W.K; Mohapatra,K.P; Muttaleb,M.A; Power,B; Radanielson,M.A; Rai,G.S; Rashid,M.H; Rathanayake, W.M.U.K; Sarker, M.M.R; Sena,D.R; Shamim,M; Subash,N; Suriadi,A; Suriyagoda, L.D.B; Wang,G; Wang,J; Yadav, R.K; Roth, C.H;2017, Evaluation of the APSIM model in cropping systems of Asia, Field Crops Research,204: 52–75.
  22. Li Liu, D; Zeleke. K; Wang.B; Macadam.I; Scott.F; Martin.R; 2017; Crop residue incorporation can mitigate negative climate change impacts on crop yield and improve water use efficiency in a semiarid environment; Europ. J. Agronomy; 85: 51–68.
  23. Saville,D.J ., 1990. Multiple Comparison Procedures: The practical solution. The American Statistician, 44(2): 174-180.
  24. Shrestha, S., Chapagain, R., Babel, M. 2017. Quantifying the impact of climate change on crop yield and water footprint of rice in the Nam Oon Irrigation Project, Thailand. Science the Total Environment, 599-600: 689-699.
  25. Silva, F; Azevedo, C. 2016. Comparison of means of agricultural experimentation data through different tests using the software Assistat. African Journal of Agricultural Research, 11(37): 3527-3531.
  26. Swallow, W. 1984. Those overworked and oft-misused mean separation procedures Duncan, LSD, etc. Plant Disease, 68(10): 919-921.
  27. Zhao-fei, L., Zhi-jun, Y., Cheng, Y., Zhi-ming, ZH. 2013. Assessing crop water demand and deficit for the growth of spring highland barley in Tibet, China. Journal of Integrative agriculture, 12: 541-551.