Climate-induced shifts in irrigation water demand and supply during sensitive crop growth phases in South Asia
Notice bibliographique
Résumé
Abstract This study investigated the shifts in irrigation water demand and supply of the major staple and water-intensive crops (wheat and rice) in the Indus, Ganges and Brahmaputra (IGB) river basins of South Asia under the combined impacts of climate change and socio-economic development during the period 1981–2100. It explores irrigation water usage during climate-sensitive crop growth phases (i.e. vegetative and reproductive which required ~ 60% of the total seasonal (sowing to harvest) water demand), which is supposed to be crucial for long-term integrated crop water management. A hydrology vegetation model Lund Potsdam Jena Managed Land is forced with an ensemble of eight downscaled (5 arc-min) global climate model’s using the RCP (Representative concentration pathways) -SSP (Shared socio-economic pathways) framework, i.e. RCP4.5-SSP1 and RCP8.5-SSP3. To investigate phase-specific crop water projections, trend analysis is performed. It shows a significant ( p <0.001) increase in irrigation water demand during the vegetative phase of wheat (6 mm) and reproductive phase of rice (26 mm) and a decrease during the reproductive phase of wheat (13 mm) and vegetative phase of rice (11 mm) in selected study sites. The large decrease in projected irrigation demand for wheat can be explained by a shortening of the growing season length as a result of rising temperatures and increased precipitation. Whereas, an increase in irrigation demand for rice is a combined effect of higher temperatures and less precipitation during the reproductive phase in the region. At the same time, irrigation supply by surface water and groundwater is likely to change in future due to warmer and drier growing periods, causing a significant increase in groundwater irrigation, mainly for rice. Our major research findings show the importance of crop water assessments during the sensitive crop growth phases of wheat and rice which vary in space and time. Including crop phase-specific, climate impact assessments of regional and global projection will help improve the region’s existing crop-water management strategies and adaptation practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».