Demonstration of a remote sensing-modelling approach for irrigation scheduling and crop growth forecasting

• Autorzy: Dabrowska-Zielinska K. , Moran M.S. , Maas S.J. , Pinter P.J. , Kimball B.A. , Mitchell T.A. , Clarke T.R. , Qi J.
• Języki publikacji: EN

Abstrakty

EN

The PROtotype Biomass and Evaporation (PROBE) model was developed for simulation of daily plant growth and evaporation (E) rates in natural, vegetated ecosystems (Maas et al., 1992). The inputs to the model are basic meteorological information and periodic (weekly or bi-weekly) measurements of green leaf area index (GLAI) and E. The model uses an interactive approach with two submodels - a vegetation growth (VG) submodel and soil water balance (SWB) submodel - where the estimate of GLAI from the VG submodel is used in the SWB submodel to calculate E. In turn, the estimate of E is used in a rerun of the VG submodel to refine the estimate of GLAI. This model was tested based on meteorological data and measurements of GLAI and E acquired in a cotton (Gossypium hirsutum L.) field in central Arizona. Overall, the modelled and measured values of GLAI and E corresponded well. Results showed that the time and precision of input data were very important to obtaining accurate estimates of GLAI and E. The model showed promise for use in scheduling crop irrigations.

PL

Prototypowy model Biomasy i Ewapotranspiracji (PROBE) został utworzony do symulacji dziennego przyrostu biomasy (В) i ewapotranspiracji (E) dla naturalnych roślinnych ekosystemów (MASS et al., 1992). Danymi wejściowymi do modelu są podstawowe dane meteorologiczne i okresowe dane wskaźnika powierzchni zielonej liści (GLAT) oraz ewapotranspiracji E. Danymi wyjściowymi są codzienne wartości GLAI, E, biomasa i wilgotność gleby. Model składa się z dwóch submodeli. Pierwszy dotyczy wzrostu roślin, drugi - bilansu wodnego gleby, w którym symulowana wartość GLAI z submodelu pierwszego wpływa na obliczenie ewapotranspiracji w sub- modelu drugim. Następnie symulowana wartość E wpływa na ostateczną symulację GLAI. W wyniku pracy model został skalibrowany dla bawełny dla całego okresu wzrostu uprawy, a następnie modelowane wartości GLAI i E zostały porównane z wartościami uzyskanymi z badań terenowych. W wyniku symulacji modelu została określona dokładność wyznaczenia GLAI i E w zależności od częstotliwości, okresu i precyzji wyników GLAI i E uzyskanych teledetekcyjnie. Została zbadana przydatność tego modelu do prognozy wielkości biomasy i terminu nawodnień.

Słowa kluczowe

EN

hydrology; plant growth; vegetation; ecosystem; meteorological information; soil water; water management; simulation; evaporation rate; crop growth forecasting; PROBE model; periodic measurement; water balance

• Wydawca: -
• Czasopismo: Journal of Water and Land Development
• Rocznik: 2001
• Numer: 05
• Opis fizyczny: p.69-87,fig.,ref.

Twórcy

autor

Dabrowska-Zielinska K.

• Institute of Geodesy and Cartography, Remote Sensing Centre, Warsaw, Poland

autor

Moran M.S.

autor

Maas S.J.

autor

Pinter P.J.

autor

Kimball B.A.

autor

Mitchell T.A.

autor

Clarke T.R.

autor

Qi J.

Bibliografia

• ARKIN G.F., VANDERLIP, WIEGAND C.L., HUDDLESTON H., 1977. The future role of a crop model in large area yield estimation. In Proceedings of the Crop Modelling Workshop, USDC-NOAA-EDIS- CEAS, Columbia, MO p. 87-116.
• BROWN K.W., 1969. A model of the photosynthesizing leaf. Physiologia Plantarum 22 p. 620-637.
• BROWN P.J., 1989. Accessing the Arizona Meteorological Network by Computer. The University of Arizona, Tucson, AZ 85721.
• CHARLES-EDWARDS D.A., DALEY D., REMINGTON G.M., 1986. Modeling Plant Growth and Devel¬opment. Orlando: Academic Press FL. 235 pp.
• FEDDES R.A., KOWALIK P.J., ZARADNY H., 1978. Simulation of field water use and crop yield. Wageningen: Centre for Agricultural Publishing and Documentation 189 pp.
• HODGES T., KANEMASU E.T., 1977. Modelling daily dry matter production of winter wheat. Agron¬omy Journal 69 p. 974-978.
• MAAS S.J., 1992. GRAMI: A crop growth model that can use remotely sensed Information ARS91. U.S. Dept, of Agric., Washington, DC, 78 pp.
• MAAS S.J., 1993a. Parameterized model of gramineous crop growth: I. Leaf area and dry mass simu¬lation. Agronomy Journal 85 p. 348-353.
• MAAS S.J., 1993b. Parameterized model of gramineous crop growth: II within - season simulation calibration, Agronomy Journal 85 p. 354-358.
• MAAS S.J., JACKSON R.D., IDSO S.B., PINTER P.J. Jr., REGINATO R.J., 1989. Incorporation of remotely sensed indicators of water stress in a crop growth simulation model. Preprints 19th Conference on Agricultural and Forest Meteorology, 7-10 March 1989, Charleston, SC, American Meteorological Society, Boston, MA, p. 228-231.
• MAAS S.J., MORAN M.S., JACKSON R.D., 1992. Combining remote sensing and modelling for re¬gional resource monitoring. Part II: A simple model for estimating surface evaporation and biomass production. Proc. ASPRS/ASPRS/ACSM/RT92, Wash. DC, 3-7 Aug. 1992, p. 225-234.
• MORAN M.S., CLARKE T.R., Qi J., PINTER P.J. Jr., 1996. MADMAC: A test of multispectral airborne imagery as a farm management tool. Proc. 26th Intern. Symp. on Rem. Sens. Env., 25-29 March, Vancouver, BC, Canada, p. 612-617.
• MORAN M.S., MAAS S.J., PINTER P.J. Jr., 1995. Combining Remote Sensing and Modeling for Esti¬mating Surface Evaporation and Biomass Production, Remote Sensing Reviews 12 p. 335-353.
• RITCHIE J.T., BURNETT E., 1971. Dryland evaporative flux in a subhumid climate. II. Plant influences. Agronomy Journal 63 p. 56-62.
• ROSENTHAL W.D., ARKIN G.F., SHOUSE P.J., JORDAN W.R., 1987. Water deficit effects on transpira¬tion and leaf growth, Agronomy Journal 79 p. 1019-1026.
• Van BAVEL C.H.M., 1966. Potential evaporation: The combination concept and its experimental verification. Water Resources Research 2 p. 455-467.
• WIT C.T. de, BROUWER R., PENNING de VRIES F.W.T., 1970. The simulation of photosynthetic sys¬tems. Prediction and measurement of photosynthetic productivity. I. Setlic (Ed). Pudoc, Wageningen, The Netherlands 148 pp.
• WIT C.T. de, Van KEULEN H., 1987. Modelling production of field crops and its requirements. Geo¬derma 40 p. 254-265