شاخص تنش تبخیری به عنوان اندیکاتوری برای تعیین خشکسالی کشاورزی در برزیل

چکیده

به منظور تامین تقاضاهای رو به رشد (افزایش) محصولات غذایی، جامعه ی اقتصاد جهانی نیازمند داشتن یک درک بهتر و جامع تر از فاکتورها و عواملی می باشد که در حال حاضر باعث محدودیت عملکردهای محصولات زراعی می شوند، و همچنین شناخت مواردی که در آن ها می توان با حداقل تبعات و پیامدهای زیست محیطی، میزان تولید محصول را به شکل قابل توجهی گسترش بخشید. سنجش از راه دور می تواند اطلاعات مورد نیاز برای این تحلیل ها را فراهم سازد، اطلاعات فضایی و زمانی ارزشمندی را در مورد شرایط رطوبتی محدود کننده- عملکرد گیاه زراعی و همچنین عملکرد یا پاسخ گیاه تحت شرایط آب و هوایی موجود (حال حاضر) در اختیار ما خواهد گذاشت. در این مقاله به مطالعه ی ضرایب موجود برای دوره ی زمانی بین 2003-2013 مربوط به برآوردهای عملکردی گیاه برای رشد محصولات (زراعی) در برزیل و شاخص تنش تبخیری پرداخته شده است (ESI). نوعی شاخص تنش خشکسالی کشاورزی که توصیف کننده ی ناهنجاری ها در نرخ تبخیر و تعریق مرجع / واقعی می باشد و با استفاده از داده های سنجش از راه دور مربوط به دمای سطح زمین (LST) شاخص سطح برگ (LAI) بازیابی شده است. قدرت و زمان بندی ضرایب اوج عملکرد (بازده)- ESI را با نتایج به دست آمده با استفاده از ناهنجاری های سنجش از راه دور در تامین تقاضای آب (بارش باران مربوط به عملیات نقشه کشی یا پهنه بندی بارش های استوایی TRMM) و تجمع بیومس (اسپکترورادیومتر تصویر برداری با وضوح متوسط، MODIS) مقایسه کردیم. الگوهای همبستگی به شکل معنی داری بین تمامی شاخص ها، هم از لحاظ مکانی و هم زمانی مشابه بوده و قوی ترین همبستگی ها نیز در جنوب و شمال شرقی مشاهده گردید، جایی که در آن مناطق خشکسالی های شدید در دهه ی گذشته رخ داده و تنوع عملکردی نیز بسیار بالا بوده است. بالاترین (اوج) همبستگی ها در طول مراحل رشدی حساس گیاه رخ می دهد. در مقیاس استانی، پارامتر ESI بالاترین همبستگی های عملکردی را برای محصولات و نواحی مربوطه، در مقایسه با پارامترهای TRMM و LAI به خود اختصاص داده است. با استفاده از برآوردهای عملکردی در مقیاس دقیق تر و در سطح بخش (شهر)، همبستگی های ESI در دانه های گیاه سویا عملکردی سریعتر و بیشتر در یک دوره ی 10 تا 25 روزه در مقایسه با پارامترهای TRMM و LAI را از خود نشان دادند. در بیشتر استان ها (ایالت ها) ی بررسی شده، همبستگی های اوج TRMM به طور متوسط در عملکرد برآورد شده ی سالانه ی گیاه ذرت در سطح بخش (شهر) بیشتر گزارش گردید، اگرچه این برآوردهای صورت گرفته هیچ گونه تمایز خاصی را بین برداشت های ابتدایی و انتهایی نشان نمی دادند. یک مورد استثنای قابل توجه در ناحیه شمال شرقی ایالت باهیا رخ داد، جایی که پارامتر ESI آثار مشاهده شده ی بهتری از چرخه ی سریع شرایط رطوبتی بر عملکردهای گیاه ذرت در طول رخدادهای خشکسالی (تنش آبی) ناگهانی را نشان داده است.نتایج این مقاله نشان می دهد که به منظور نظارت و مانیتورینگ شرایط خشکسالی و تنش آبی در برزیل، مقدار عددی با ترکیب کردن شاخص های LAI و LST درون یک مدل فیزیک محور از استفاده ی آب گیاه اضافه می گردد.

1. مقدمه 

به منظور تامین نیازهای (تقاضا) غذایی جمعیت در حال رشد کره زمین، تولید غذای جهانی بایستی تا سال 2050 تقریبا دو برابر گردد (به عنوان مثال، Global Harvest Initiative, 2014). این میزان تولید افزایش یافته به صورت حتمی توسط یکسری محدودیت های خاص مانند عدم توزیع یکنواخت منابع آب شیرین، چرخه ی آب و هوایی تشدید کننده و نگرانی های مربوط به تاثیرات محیطی ناشی از صنعت کشاورزی احاطه می گردد (همراه می باشد) (Foley et al., 2011). به منظور برداشتن گام های قابل توجه و اساسی در جهت بهبود (پیشرفت) ظرفیت های تولید و همچنین انعطاف پذیری سیستم های کشاورزی جهانی، می بایستی به درک و فهم بهتری از پراکنش (توزیع) فاکتورها و عوامل محدودکننده ی سطح تولید در حال حاضر دست پیدا کنیم: در مناطقی که محصولات کشاورزی نسبت به شرایط آب و هوایی حاد و نامناسب آسیب پذیر می باشند، در مناطقی که گسترش و تقویت بنیه گیاهی را می توان با حداقل هزینه های محیطی (آسیب به محیط) ممکن ساخت، و در مناطقی که تزریق و بکارگیری تکنولوژی در علوم مدیریتی زمین و آب می تواند نقش قابل توجهی در بهبود عملکرد و بازدهی گیاهان داشته باشد  (Lobell et al., 2008; van Ittersum & Cassman, 2013; Zaitchiket al., 2012). شاخص های هشدار اولیه قوی که نواحی با استرس های گیاهی در حال افزایش (رشد) و شرایط کانوپی مخرب با توجه به خشکسالی یا سایر عوامل استرس زای موجود را مشخص (برجسته و هایلایت) می کنند، به منظور بهبود و توسعه ی پیش بینی های عملکردی (بازده) درون- فصلی و همچنین تجهیز هر چه بهتر پاسخ های انسانی به شکست های گیاهی منطقه ای مورد نیاز خواهد بود  (Brown, 2008). با در اختیار داشتن یک شبکه ی همواره- در حال گسترش از ماهواره های ناظر بر زمین که سطح گسترده ای از اطلاعات آزاد (مجانی) و قابل دسترسی را فراهم می سازند، نرم افزارهای سنجش از راه دور پتانسیل های جدیدی را به منظور تامین اطلاعات زمین مکانی (geospatial) لازم با جزییات مکانی و زمانی قابل استفاده و دقیق فراهم کرده و به ارزیابی های دقیق تر از فاکتورهای محدود کننده و گسترش دهنده ی عملکرد (بازده) محصولات گیاهی کمک می کنند. 

abstract

To effectively meet growing food demands, the global agronomic community will require a better understanding of factors that are currently limiting crop yields and where production can be viably expanded with minimal environmental consequences. Remote sensing can inform these analyses, providing valuable spatiotemporal information about yield-limiting moisture conditions and crop response under current climate conditions. In this paper we study correlations for the period 2003–2013 between yield estimates for major crops grown in Brazil and the Evaporative Stress Index (ESI) – an indicator of agricultural drought that describes anomalies in the actual/reference evapotranspiration (ET) ratio, retrieved using remotely sensed inputs of land surface temperature (LST) and leaf area index (LAI). The strength and timing of peak ESI-yield correlations are compared with results using remotely sensed anomalies in water supply (rainfall from the Tropical Rainfall Mapping Mission; TRMM) and biomass accumulation (LAI from the Moderate Resolution Imaging Spectroradiometer; MODIS). Correlation patterns were generally similar between all indices, both spatially and temporally, with the strongest correlations found in the south and northeast where severe flash droughts have occurred over the past decade, and where yield variability was the highest. Peak correlations tended to occur during sensitive crop growth stages. At the state scale, the ESI provided higher yield correlations for most crops and regions in comparison with TRMM and LAI anomalies. Using finer scale yield estimates reported at the municipality level, ESI correlations with soybean yields peaked higher and earlier by 10 to 25 days in comparison to TRMM and LAI, respectively. In most states, TRMM peak correlations were marginally higher on average with municipality-level annual corn yield estimates, although these estimates do not distinguish between primary and late season harvests. A notable exception occurred in the northeastern state of Bahia, where the ESI better captured effects of rapid cycling of moisture conditions on corn yields during a series of flash drought events. The results demonstrate that for monitoring agricultural drought in Brazil, value is added by combining LAI with LST indicators within a physically based model of crop water use.

1. Introduction

To meet the food supply needs of the world's growing population, global food production will need to roughly double by 2050 (e.g., Global Harvest Initiative, 2014). This increased production must be accomplished within the constraints of a non-uniform distribution of freshwater resources, an amplifying climate cycle, and concern for the environmental impacts of agriculture (Foley et al., 2011). To make significant strides in improving the production capacity and resiliency of global agricultural systems, we must better understand the regional distribution of factors currently limiting production: where crops are most vulnerable to climate extremes, where expansion and intensification can occur with minimal environmental costs, and where infusions of technology in water and land management are likely to significantly improve yields (Lobell et al., 2008; van Ittersum & Cassman, 2013; Zaitchik et al., 2012). Robust early warning indicators highlighting regions with developing crop stress and degrading canopy conditions due to drought or other stressors are needed to improve within-season yield forecasts and to more effectively mobilize humanitarian response to regional crop failures (Brown, 2008). With an ever-expanding network of earth observing satellites providing free and open data access, remote sensing provides new potential to supply global geospatial information for effective assessments of yield and yield-limiting factors with serviceable spatial and temporal detail.

چکیده

1. مقدمه

2. ناحیه مورد مطالعه

3. داده های مورد استفاده

3.1 داده های مربوط به بازده (عملکرد) گیاهی

3.2 داده های سنجش از راه دور

4. مواد و روش ها

4.1 ناهنجاری های شاخصی

4.2 همبستگی های عملکردی (بازده)

5. نتایج

5.1 همبستگی های عملکردی در سطح ایالتی

5.2 همبستگی های عملکردی در سطح شهرداری

6. بحث و گفتگو

6.1 کاربرد ابزار ESI در نظارت و بررسی خشکسالی های کشاورزی

6.2 محدودیت های آبی در رشد گیاهان – کاربرد شاخص ESI در تحلیل شکاف های عملکردی

6.3 کاربرد آن در پیش بینی عملکردی و مدل سازی محصولی

6.4 وضوح و کیفیت داده های مکانی

7. نتیجه گیری پایانی

abstract

1. Introduction

2. Study area

3. Data

3.1. Yield data

3.2. Remote sensing data

4. Methods

4.1. Index anomalies

4.2. Yield correlations

5. Results

5.1. State-level yield correlations

5.2. Municipal level yield correlations

6. Discussion

6.1. ESI utility in monitoring agricultural drought

6.2. Water limitations on crop growth — ESI utility in yield gap analyses

6.3. Utility in yield forecasting and crop modeling

6.4. Issues of spatial resolution

7. Conclusion