A Framework for Evaluating Irrigation Impact on Water Balance and Crop Yield Under Different Soil Moisture Conditions
Notice bibliographique
Résumé
ABSTRACT In agricultural regions, irrigation is a fundamental component of the hydrological cycle that is essential to maintain crop yields but also exerts pressure on water resources. Various irrigation practices and schedules are typically implemented within a watershed, and each may have profound implications for the water balance and plant productivity. However, there is a major paucity of irrigation taking and application data on a fine‐grained spatio‐temporal scale, which poses challenges for water resource managers to assess the impact of irrigation practices under different moisture conditions. Here, we present a novel framework to evaluate the influence of different irrigation practices on a Lake Erie Basin watershed through a suite of irrigation scheduling models (ISMs) that can be implemented into the Soil and Water Assessment Tool (SWAT) model. We also provide a simple modification to SWAT's AUTOIRR function that bypasses known bugs and enables reliable representation of irrigation. This framework can be easily modified and extrapolated to other watersheds with diverse climates, crop rotations and environmental conditions. We found that a range of ISMs with varying irrigation methods (i.e., drip irrigation vs. sprinkler and surface irrigation), irrigation scheduling (i.e., continuous vs. event‐based), irrigation trigger mechanism (i.e., soil moisture threshold vs. no threshold) and water use efficiencies consistently resulted in improved corn and soybean yields, enhanced evapotranspiration and reduced flow discharge. In contrast, the same ISMs result in significant declining trends of evapotranspiration, soil water content, water yield and baseflow when we emulate conditions of prolonged droughts, which suggest that the benefits from irrigation are unsustainable regardless of the water use efficiency. Our study highlights the need for fine‐grained monitored irrigation, evapotranspiration and soil moisture content data to more accurately assess the influence of irrigation on watershed hydrology. Importantly, we stress the need to develop adaptive water resource management practices to maintain crop yields and water stores under a changing climate in the Great Lakes Basin and beyond.
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 | 0,000 |
| 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 ».