Požadavky na zavlažování plodin

Potřeby a rozsah

Méně než 65 % vody použité k zavlažování je skutečně využíváno rostlinami. Kromě toho mají různé plodiny různé požadavky na vodu v závislosti na jejich vývojových stádiích a některých dalších parametrech. V této kapitole představíme určování potřeb vody pro různé plodiny, jako je přijetí udržitelných postupů zavlažování a používání vhodných technologií [1].

Potřeba vody plodiny

Potřeba vody plodinou představuje množství vody potřebné k tomu, aby rostliny překonaly ztrátu vody v důsledku evapotranspirace, protože plodina má optimální podmínky pro růst a produkce dosahuje ve stávajícím prostředí maxima [1]. Parametry, které určují potřebu vody pro plodinu, jsou:

1. Klimatické podmínky (které přímo ovlivňuje proces evapotranspirace);

2. Druh plodiny (různé druhy potřebují pro svůj vývoj různé množství vody);

3. Růstová fáze, kdy se používá zavlažování (během posledních fází vývoje mohou rostliny vyžadovat více vody než v prvních fázích vývoje).

Vliv klimatu na potřebu vody plodin

Voda nezbytná pro plodiny je určována podmínkami prostředí: teplotou, vlhkostí, slunečním zářením, srážkami a větrem. Ve vlhkém podnebí je dostatek srážek k uspokojení potřeb rostlin na vodu; zde problém spočívá v příliš velkém množství vody na poli, což je problém, který lze vyřešit odvodňovacími systémy. V polosuchém klimatu stále dochází k významným srážkám, ale ne vždy pokrývají potřeby rostlin, zejména během období sucha, kdy je zavlažování povinné. V aridním podnebí je pěstování jakékoli plodiny bez zavlažování nemožné. Požadavky na závlahovou vodu jsou definovány FAO-56 [1].

V horkých, suchých a větrných oblastech je potřeba vody pro plodiny nejvyšší, zatímco nejnižší je v chladu, podmrakem a vysoké vlhkosti, s menším počtem větrných zón. Tyto faktory jsou začleněny do parametru zvaného evapotranspirace referenční plodiny (ETo), vyjádřeného v mililitrech za časovou jednotku (např. den, měsíc, sezóna) [1,2]. Referenční plodinou je tráva, a tedy evapotranspirace referenční plodiny představuje „rychlost evapotranspirace z velké plochy pokryté zelenou trávou o výšce 8 až 15 cm, která aktivně roste, zcela zastiňuje půdu a která nemá nedostatek vody“. [1].

Rychlost evapotranspirace referenční plodiny může být stanovena experimentálně nebo může být teoreticky vypočtena na základě klimatických dat (např. metoda Blaney-Criddle). Experimentálně se používá několik odpařovacích pánví, jako jsou pánve třídy A nebo Sunken Colorado. Pánev je instalována na poli a do pánve je umístěno známé množství vody (je známý nebo změřený povrch pánve a hloubka vody); voda se během časového intervalu vypaří (např. 24h) a zbývající množství se změří na konci časového intervalu (včetně případných srážek). Odpařování v pánvi se musí vynásobit koeficientem pánve, aby se určila evapotranspirace referenční plodiny, a to následovně:

ETo = K_pan × E_pan

kde ETo je referenční evapotranspirace plodiny, E_pan je pan evaporation a K_pan je tzv. pan koeficient [1]. V případě, že hladina vody výrazně klesne, přidá se voda měřením její hloubky před a po přidání; totéž se provede v případě srážek. Koeficient pánve závisí na typu pánve, umístění a klimatu, hodnoty se pohybují mezi 0,35 a 0,85 pro odpařovací pánev třídy A a 0,45 a 1,10 pro pánev Sunken Colorado.

Ke stanovení rychlosti evapotranspirace referenční plodiny lze také použít teoretickou metodu, konkrétně Blaney-Criddleovu metodu. Vychází z průměrné denní teploty:

ETo = p(0.46•T_mean+8)

kde p je střední denní procento ročních denních hodin a T_mean je střední denní teplota. Střední teplota je vyhodnocena jako průměr mezi minimální a maximální průměrnou teplotou během měsíce. Průměrné denní procento ročních denních hodin lze nalézt v závislosti na přibližné zeměpisné šířce oblasti. Přesnost této metody je nízká, v extrémních klimatických podmínkách se jedná pouze hrubý odhad. V závislosti na klimatu a průměrné denní teplotě se hodnota rychlosti evapotranspirace referenční plodiny mění, jak ukazuje tabulka 1 [1].

Tabulka 1. Odhadované hodnoty pro rychlost evapotranspirace referenční plodiny.

Vliv typu plodiny

Může být zaveden do vzorce faktorem plodiny, K_c, pro stanovení rychlosti evapotranspirace konkrétní plodiny. Vzorec je následující:

ET_crop = ETo × K_c

Rychlost odpařování vody z rostliny se měří ve stejných jednotkách jako referenční rychlost odpařování. Faktor plodiny závisí také na některých faktorech: na typu plodiny (např. některé rostliny mají větší listy, takže rychlost evapotranspirace je zvýšená a faktor plodiny je vyšší než jednotka, protože tato konkrétní plodina spotřebuje více vody než referenční tráva; druhy, které využívají méně vody, faktor plodiny je menší než jednotka), fenofáze (např. plodiny obvykle spotřebují více vody, když jsou plně vyvinuty ve srovnání s těmi v prvních fenofázích) a klima (např. klima určuje fenofáze a tedy vegetační období, například v chladnějších podnebích rostliny rostou pomaleji než v teplejších). Plodinový faktor závisí na specifických parametrech, jako je délka vegetačního období a také trvání některých důležitých fenofází. První z nich lze určit na základě znalosti druhu, klimatických podmínek a data výsadby. Jen například mrkev má vegetační dobu 100-150 dní, kukuřice 120-180 dní, zelená cibule 70-95 dní a rýže 90-150 dní [3-8].

V rámci výše diskutovaných informací je období růstu rozděleno do 4 fází:

-fáze 1 – počáteční fáze – od zasetí nebo přesazení plodiny, dokud nepokryje 10 % půdy,

-fáze 2 – fáze vývoje plodiny – od konce počáteční fáze do doby, kdy plodina zcela pokryje půdu,

-fáze 3 – fáze uprostřed sezóny – od konce fáze vývoje plodiny až do doby, kdy rostlina dosáhne zralosti,

-fáze 4 – fáze pozdní sezóny – od konce mezisezónní fáze až do sklizně plodiny.

Protože se plodinový faktor mění každý měsíc, mění se i rychlost evapotranspirace plodiny v čase, takže je nutné ji počítat měsíčně. Existují také speciální případy. Například vojtěška a jetel jsou pravidelně koseny, takže po posekání budou opět v počáteční fázi. Jedním ze způsobů, jak takové situace překonat, je vzít v úvahu průměrné hodnoty plodinového faktoru. Pro různé druhy plodin se provádějí hrubé odhady, aby se určila potřeba vody pro plodiny a citlivost na sucho [3-8].

Potřeba závlahové vody

Vodu nezbytnou pro plodiny obvykle poskytují srážky. Když tato voda není k dispozici kvůli nedostatku srážek, rovná se potřeba vody na zavlažování (IN) potřebě vody pro plodiny. Když srážky jsou k dispozici, pak by potřeba zavlažovací vody byla rozdílem mezi potřebou vody pro plodiny (ET_crop) a vodou ze srážek efektivně využívanou rostlinami, nazývané efektivní srážky (P_e), tedy:

IN = ET_crop − P_e

Efektivní srážky lze určit z rozdílu mezi celkovým množstvím srážek a množstvím výparu, odtoku a vsaku, což představuje množství vody, které zůstává v blízkosti kořenů rostlin.

V důsledku výše diskutovaných odhadů, aby bylo možné určit potřebu závlahové vody určité konkrétní plodiny, je třeba nejprve vyhodnotit všechny diskutované faktory, jak bylo uvedeno výše, a nakonec lze určit potřebu závlahové vody příslušné plodiny. Tato metoda se nazývá metoda FAO56 a používá velmi jednoduchý přístup ke stanovení evapotranspirace plodiny. Standardní plodinové faktory jsou uvedeny v tabulce. Vztahují se však na standardní podnebí a je třeba je přizpůsobit místním podnebím. V takových podmínkách je standardní potenciál ET_c nahrazen skutečnou evapotranspirací plodiny ET_act a standardní K_c je nahrazen skutečným faktorem plodin K_{c act}, což je součin mezi faktorem plodiny K_c a koeficientem stresu K_s, který odpovídá na vodní nebo slanostní stres a lze jej rozšířit i na jiné typy stresu.

Požadavky na vodu plodin (CWR) představují množství vody, které plodina potřebuje k dosažení své potenciální produkce za určitých známých podmínek prostředí. Čisté požadavky na zavlažování (NIR) představují množství vody, které je třeba použít k uspokojení jejích požadavků na vodu, a vypočítá se odečtením srážek, kapilárního vzlínání a variace skladování vody v půdě od CWR a přičtením hluboké perkolace z kořenové zóny (DP) a odtoku (RO). Tímto způsobem lze také hrubé požadavky na zavlažování definovat následovně [3]:

$GIR = \frac{NIR + LR}{BWUF}$

kde BWUF je prospěšná frakce využití vody, nazývaná také účinnost aplikace nebo kombinovaná účinnost dopravy, distribuce a aplikace, pokud se berou v úvahu provozní ztráty v kanálech.

Detekce vodního stresu plodin

Vodní stres rostlin lze detekovat jako snížený obsah vody v půdě nebo fyziologickou reakci rostlin na nedostatek vody [8-14]. Hrubý odhad potřeby vody pro plodiny nestačí pro udržitelné a účinné zavlažování. Existuje několik metod používaných ke kvantifikaci vodního stresu plodin, aby bylo možné implementovat optimální plánování zavlažování.

1. Měření vody v půdě

- gravimetrická metoda (půda se vysuší a zváží před a po, aby se odhadlo množství vody);

- senzory půdní vlhkosti (neutronová sonda, TDR a FRD dle rozdílu dielektrické konstanty vody a půdy);

- tenzometry (měří vodní potenciál).

2. Soil water balance approach (vlhkost půdy je určena výpočtem)

3. Přístupy na úrovni rostliny

- stomatální vodivost;

- potenciál listové vody;

- relativní obsah vody;

- měření průtoku mízy;

- průměr stonku a plodu.

4. Remote sensing

- infračervená termometrie (teplota vegetačního pokryvu se zvyšuje v důsledku vodního stresu);

- spektrální vegetační indexy: strukturní indexy (měří se indexy odrazivosti ve VIS a NIR spektrálním rozsahu), xatofylové indexy (měří fotochemický index odrazivosti spojený s xantofylovým cyklem), vodní indexy (měří odrazivost v oblasti NIR pro stanovení vlhkosti zápoje obsah) [5].

Klasické metody používané k monitorování vodního stresu jsou založeny na měření vlhkosti a meteorologických datech. Odeberou se vzorky půdy v blízkosti kořenů a odhadne se vyčerpání vody. Metoda není příliš přesná, protože předpokládá jednotnou hustotu rostlin, stejnou rychlost transpirace pro všechny rostliny. Výše popsané metody evapotranspirace jsou časově náročné a poskytují někdy nespolehlivé informace. Jiné metody využívají vodivost průduchů a potenciál vody v listech k získání obrazu o stavu vody rostlin.

Dálkový průzkum Země je nově navržená metoda k detekci vodního stresu v rostlinách prostřednictvím indexů spektrální odrazivosti. Taková technika souvisí spíše s plánováním zavlažování a podrobně ji popíšeme v jiné části. Tyto technologie byly navrhovány již mnoho let, ale s nejnovějším vývojem termokamer s vysokým rozlišením se staly populárnějšími [5]. Některé nedávné práce také navrhovaly integraci dat dálkového průzkumu s bilancí vody v půdě pro optimalizaci hospodaření s vodou při zavlažování. Spektrální vlastnosti listů nezávisí pouze na stavu vody v půdě, zapojení porostu, tloušťce a stáří listů a některýcg dalších faktorech, které mohou ovlivnit spektrální odezvu související se stavem vody rostlin. V současné době probíhá výzkum zaměřený na zvýšení přesnosti těchto metod, protože dálkové snímání umožňuje monitorování vodního stresu v rostlinách v reálném čase, může pokrýt velké oblasti a umožňuje rychlé zpracování informací, čímž nabízí možnost rychle jednat [ 12-14].

Zdroje

1. Allen, R.G., Pereira, L.S., Raes, D., Smith, M. Crop evapotranspiration - Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56, FAO – Food and Agriculture Organization of the United Nations, Rome, 1998.

2. Ihuoma, S.O., Madramootoo, C.A. Recent advances in crop water stress detection, Computers and Electronics in Agriculture, 2017, 141, 267-275, https://doi.org/10.1016/j.compag.2017.07.026.

3. Pereira, L.S., Paredes, P., Jovanovic, N. Soil water balance models for determining crop water and irrigation requirements and irrigation scheduling focusing on the FAO65 method and the dual K_c approach, Agricultural Water Management, 2020, 241, 106357, https://doi.org/10.1016/j.agwat.2020.106357.

4. Virnodkar, S.S., Pachghare, V.K., Patil, V.C., Jha, S.K. Remote sensing and machine learning for crop water stress determination in various crops: a critical review, Precision Agriculture, 2020, 21, 1121-1155, https://doi.org/10.1007/s11119-020-09711-9.

5. Gerhards, M.; Schlerf, M.; Mallick, K.; Udelhoven, T. Challenges and Future Perspectives of Multi-/Hyperspectral Thermal Infrared Remote Sensing for Crop Water-Stress Detection: A Review. Remote Sens. 2019, 11, 1240. https://doi.org/10.3390/rs11101240/

6. Danielescu, S.; MacQuarrie, K.T.B.; Zebarth, B.; Nyiraneza, J.; Grimmett, M.; Levesque, M. Crop Water Deficit and Supplemental Irrigation Requirements for Potato Production in a Temperate Humid Region (Prince Edward Island, Canada). Water 2022, 14, 2748. https://doi.org/10.3390/w14172748.

7. Pereira, L.S. ed., Editorial – Updated and advances to the FAO56 crop water requirements method, Agricultural Water Management, 2021, 248, 106697, https://doi.org/10.1016/j.agwat.2020.106697.

8. Alghory, A., Yazar, A. Evaluation of crop water stress index and leaf water potential for deficit irrigation management of sprinkler-irrigation wheat, Irrigation Science, 2019, 37, 61-77, https://doi.org/10.1007/s00271-018-0603-y.

9. Jackson, R.D., Kustas, W.P., Choudhury, B.J. A reexamination of the crop water stress index, Irrigation Science, 1988, 9, 309-317, https://doi.org/10.1007/BF00296705.

10. Wanjura, D.F., Hatfield, J.L., Upchirch, D.R. Crop water stress index relationships with crop productivity, Irrigation Science, 1990, 11, 93-99, https://doi.org/10.1007/BF00188445.

11. D’Odorico, P., Chiarelli, D.D., Rosa, L., Rulli, M.C., The global value of water in agriculture, PNAS, 2020, 117(36), 21985-21993, https://doi.org/10.1073/pnas.2005835117.

12. Minhas, P.S., Ramos, T.B., Ben-Gal, A., Pereira, L.S. Croping with salinity in irrigated agriculture: Crop evapotranspiration and water management issues, Agricultural Water Management, 2020, 227, 105832, https://doi.org/10.1016/j.agwat.2019.105832.

13. Current perspective to predict actual evapotranspiration D. Bucur Ed., IntechOpen, Croatia, 2017, https://doi.org/10.5772/65621.

14. Advanced Evapotranspiration Methods and Applications, D. Bucur Ed., IntechOpen, London, UK, 2019, https://doi.org/10.5772/intechopen.73720.