4 Irigasi dan Inovasi Pengelolaan Air Pertaniandan Tantangan

4.1 Referensi Tanaman Evapotranspirasi

Doorenbos dan Pruitt (1977) memperkenalkan secara internasional, koefisien panen dua langkah
prosedur evapotranspirasi referensi (Kc - ETref ) untuk memperkirakan kebutuhan air tanaman
dalam acara praktis. ETref mewakili efek cuaca utama yang disebabkan oleh konsumsi air, dan
koefisien tanam (Kc) mengukur referensi ET untuk memperhitungkan pengaruh spesifik tanaman
di ET dan variasi mereka selama musim tanam. Nilai standar untuk Kc pada tahap tanaman khas
diberikan untuk berbagai tanaman, dan empat metode diusulkan untuk memperkirakan
ETref berdasarkan ketersediaan data. FAO56 hanya mengusulkan Penman-Monteith metode (Allen
et al 1998).

FAO56 mendefinisikan ETref sebagai tingkat evapotranspirasi dari tanaman referensi hipotetis
dengan tinggi tanaman yang diasumsikan h = 0,12 m, resistansi kanopi harian tetap rs = 70 sm-1,
dan Albedo dari 0.23, sangat menyerupai evapotranspirasi dari permukaan hijau yang luas.
Rumput setinggi seragam, tumbuh secara aktif, benar-benar menaungi tanah dan tidak kekurangan
air. Definisi ini memungkinkan parameterisasi persamaan Penman-Monteith (PM)
(Monteith 1965) untuk menghasilkan persamaan referensi tanaman rumput standar (ETo), PM-ETo
persamaan. Khususnya dalam penelitian hidrologi, ETo sering disebut sebagai ET potensial. Itu
Perhitungan parameter dalam persamaan PM-ETo juga distandarisasi. Filosofi dalam memilih
PM-ETo sebagai metode referensi yang berlaku secara global adalah bahwa fisika di mana-mana.
Jadi, jika metode PM-ETo berbasis fisika diatur dengan benar menggunakan data pengukuran
cuaca berkualitas tinggi dari beberapa lokasi, seharusnya cukup berfungsi sebagai basis untuk
panen ET secara global. Hal ini sebagian besar telah ditunjukkan oleh studi
perbandingan pengukuran PM-ETo dan ET lokal dan penelitian regional yang mengkonfirmasikan
penerapan persamaan PM-ET untuk berbagai macam lingkungan yang telah direvisi oleh Pereira
et al. (2015).

Setelah memimpin FAO, ASCE menetapkan persamaan Penman-Monteith untuk keduanya

rumput terjepit dan permukaan alfalfa dan mengadopsi parameterisasi serupa yang menghasilkan
ASCE-PMET ref equation (ASCE-EWRI 2005). Nantinya, formulasi untuk aplikasi ke langkah
waktu per jam diadopsi (Allen et al. 2006 ) di mana r lebih rendah s = 50 sm -1 nilai untuk rumput
yang dipotong-potong referensi direkomendasikan untuk siang hari dan r s = 200 sm -1
direkomendasikan untuk malam hari.

Penerapan persamaan PM-ET o memiliki dua persyaratan utama: yaitu perhitungan parameter
mengikuti prosedur standar seperti yang diusulkan dalam pedoman FAO56, dan itu data cuaca
berkualitas baik dan mewakili kondisi cuaca yang bisa ditemukan di atas hijau daerah rumput,
sesuai dengan definisi ET o. Kesalahan dapat terjadi akibat penyimpangan dari standar metode
untuk menghitung parameter di PM-ET o . Kebutuhan akan ketaatan yang ketat terhadap FAO56
merekomendasikan prosedur perhitungan parameter yang telah dibuktikan (Nandagiri dan
Kovoor 2005 ; Irmak dkk. 2011 ).

FAO56 mendorong penilaian dan pengendalian kualitas data cuaca.Kebutuhan untuk diperiksa
kualitas data cuaca dan pendekatan untuk koreksi mereka telah dibahas oleh Allen ( 1996, 2008)
dan Estévez dkk. ( 2011 ) antara lain. Pentingnya lokasi stasiun cuaca Pereira LS ditekankan di
FAO56 karena saat membuat perhitungan ET o , pengukuran cuaca harus mencerminkan
lingkungan yang didefinisikan oleh permukaan referensi rumput. Stasiun cuaca Mendukung
perhitungan ET o harus mengukur suhu, kelembaban, radiasi dan angin kecepatan dalam batas
dinamis yang menutupi permukaan tanah (Allen et al. 2011a , 2011b ).

Sifat lapisan batas ini mencirikan keseimbangan energi di permukaan dan digunakan untuk
memperkirakan tingkat ET. Koreksi suhu untuk mengatasi masalah adveksi lokal dan kekeringan
pengaturan stasiun cuaca dieksplorasi oleh Allen ( 1996 ) dan Temesgen dkk. ( 1999 ).

Bila data cuaca bukan berasal dari lingkungan pertanian atau referensi dan / atau ditunjukkan
Secara substansial dipengaruhi oleh advokasi lokal, pengguna harus bersedia untuk menyesuaikan
data dengan menggunakan prosedur seperti itu dari FAO56, ASCE-EWRI ( 2005 ) atau Allen
dkk. ( 2007a ), atau untuk meninggalkan penggunaan dataPenelitian selanjutnya dapat
memusatkan perhatian pada persyaratan kualitas fasilitas observasi dan pengendalian data
(Allen 1996) , 2008 ; Allen dkk. 2011a , 2011b ) karena dari pengaruh negatif bahwa data yang
buruk memiliki perkiraan ET o , khususnya di gersang dan daerah semi kering di mana tendangan
lokal dan kegemaran stasiun cuaca dapat mempengaruhi Eto hasil.

Di banyak negara, data cuaca yang diukur tidak tersedia atau tidak dapat diakses tanpa
pembayaran, sehingga mengarah pengguna untuk menjelajahi komputasi ET omenggunakan
estimasi alternatif Metode, seperti menggunakan data suhu saja. Namun, FAO56
merekomendasikan agar tidak mengadopsi persamaan ET o yang sederhana namun untuk
memperkirakan data yang hilang dan mempertahankan penggunaan Metode PM-
ET o . Pendekatan yang terakhir, menggunakan suhu maksimum dan minimum memperkirakan
radiasi matahari (R s) dan tekanan uap aktual (e a), umumnya dikenal sebagai PMT, telah diuji
secara positif oleh banyak orang yang ditinjau baru-baru ini oleh Pereira dkk. (2015 ) dan Ren et
al. ( 2016a ).

Namun, pendekatan ini tidak mendapat preferensi sebagian besar peneliti karena memerlukan
kalibrasi R dan e suatu persamaan estimasi, terutama koefisien penyesuaian radiasi k Rs dan
koreksi suhu minimum untuk estimate titik embun suhu (Todorovic et al 2013 ¸ Ren et
al. 2016a). Hargreaves dan Samani (1985) Persamaan, yang hanya membutuhkan suhu udara,
lebih sering disukai karena kesederhanaannya.Namun demikian, kalibrasi persamaan tersebut
seringkali bersifat statistik alam saja, tanpa mencari nilai terbaik untuk k Rs , yang bervariasi
dengan kegemarannya lokasi seperti yang ditunjukkan oleh Raziei dan Pereira ( 2013 ) dan Ren et
al. ( 2016a ).

Sejumlah besar publikasi telah melaporkan perkembangan berbagai pendekatan, cukup sering
metode numerik, misalnya, JST dan sistem fuzzy dan neuro-fuzzy, untuk menggantikan PM-
ET o persamaan. Pengguna algoritme ini perlu mempertimbangkan banyak tren yang didefinisikan
oleh ini Pendekatan tetap empiris dan mungkin tidak terjalin dengan baik dalam ruang dan waktu
dan memang ada tidak ada penggantian untuk fisika dasar, seperti yang ditunjukkan
dalam formulasi PM-ET o seperti yang dicatat oleh Pereira dkk. ( 2015 ).

Aspek ini perlu diperhatikan saat melakukan analisis trend ET o karena tren terjadi ketika
menggunakan set data penuh berbeda dari yang diperoleh menggunakan suhu saja (Ren et
al, 2016b ).
Pendekatan terbaru untuk memperkirakan ET o dari data penginderaan jauh mencakup hal-hal
dengan de Bruin dkk. ( 2010 ) dan Cammalleri dan Ciraolo ( 2013 ) yang mengadopsi radiasi-
persamaan suhu untuk memperkirakan ET harian o menggunakan radiasi dan suhu data dari satelit
geostasioner LANDSAF. Pendekatan inovatif lainnya mengacu pada penggunaan Perhitungan
evapotranspirasi harian USGS Global Data Assimilation System (GDAS) produk (Liu et
al 2011 ). Yang menarik adalah penggunaan produk reanalisis untukkomputasi
dengan persamaan PM-ET o pada berbagai waktu dan skala ruang (Srivastava et al. 2013 ; Martins
dkk. 2016 ; Paredes dkk. 2017 ). Isu tersebut diperkirakan akan berlanjut berkembang di masa
depan Air, Pertanian dan Makanan: Tantangan dan Isu

4.2 Kebutuhan Air Minum dan Irigasi

Kebutuhan air tanaman (CWR) mengacu pada musim panen atau periode waktu yang diasumsikan
untuk menjadi nilai akumulasi tanaman ET (ET c , mm) untuk periode tersebut. Berbeda dengan
irigasi bersih persyaratan (NIR) terdiri dari kedalaman bersih air yang dibutuhkan untuk memenuhi
CWR selain tersedia air tanah di zona akar, curah hujan dan kenaikan kapiler, serta kedalaman air
yang diperlukan untuk pencucian garam di zona akar. Hasil irigasi bruto (GIR) dari inefisiensi
penerapan air irigasi dan terdiri dari rasio NIR / BWUF, dimana BWUF adalah fraksi penggunaan
air yang bermanfaat dari air yang digunakan (Pereira et al2012 ).
CWR dihitung dari ET c , dan NIR dihasilkan dari neraca air tanah dari akar tanaman zona, yang
sering menyiratkan penggunaan model. Allen dkk. ( 2011a ) merevisi berbagai metode dan
persyaratan yang terkait untuk akurasi Saat mengamati atau menghitung tanaman ET:
a) mengukur perubahan air tanah,
b) keseimbangan massa di daerah yang luas yang menyediakan skala DAS ET,
c) lysimetry, termasuk untuk mengukur tanah penguapan,
d) Rasio Energi Bowen Rasio,
e) kovarian eddy,
f) scintillometers,
g) getah metode aliran untuk estimasi transpirasi,
h) keseimbangan energi penginderaan jauh,
dan i) satelit- berbasis ET menggunakan indeks vegetasi.

Estimasi ET yang konsisten dan padat dari tanaman atau vegetasi alami dapat diperoleh
menggunakan konsep kurva ET o dan K c , dimana hanya tiga nilai K c yang menentukan awal,
pertengahan musim dan musim akhir cukup untuk menentukan kurva (Allen et al 1998 ). Apalagi
begitu sederhana dan akurat (Burt et al 2005 ; Farahani dkk. 2007 ; Allen dkk. 2011a ). K c - ET o
pendekatan untuk memperkirakan penggunaan air tanaman dan tanaman ET di bawah berbagai
pertumbuhan tanaman dan pengelolaan kondisi bait mempengaruhi pengaruh
(a) tahap pertumbuhan tanaman, jumlah vegetasi, dan jenis kultivar;
(b) tanggal tanam, musim tanam, dan penghentian;
(c) jarak tanam dan barisan, kepadatan tanaman, tinggi tanaman dan arsitektur kanopi;
(d) pembasahan frekuensi dan kontribusinya terhadap total ET;(e) ketersediaan air tanah dan air
yang terkait menekankan;
(f) salinitas tanah dan air;dan
(g) praktek tanam nonstandar dan suboptimal (Pereira et al., 2015).
Selain itu, K c diperluas ke vegetasi alami untuk disokong aplikasi hidrologi Aplikasi dari K c -
ET o sangat banyak, terutama dalam domain tanaman pangan - sereal, kacang polong, sayuran,
pohon buah - buahan dan tanaman merambat menggunakan koefisien tanaman K co tunggal yang
umum yang menggabungkan transpirasi tanaman dan evapo proses ransum. Penerapan pendekatan
dual K c , yang mengadopsi K c = K cb + K e , dengan demikian basal K cb mewakili transpirasi
tanaman dan evaporasi tanah koefisien K e, maka memisahkan dua proses ini, masih terbatas
karena komputasi yang lebih menuntut Persyaratan.

FAO56 (Allen et al 1998 ) memperluas database K c yang disediakan di FAO24 (Doorenbos dan
Pruitt 1977 ). Nilai tabulari untuk panjang tahap pertumbuhan tanaman adalah ilustrasi umum
kecenderungan.Pengamatan lokal pasti diperlukan untuk menjelaskan variasi varietas tanaman,
praktik budaya dan variasi efek cuaca. Namun, banyak pengguna tidak tepat Anggaplah fase
pertumbuhan tanaman yang tabulasi secara universal, maka ciptakanlah sumber kesalahan yang
tidak perlu yang seharusnya tidak dikaitkan dengan ketidakcukupan di FAO56.

SEBUAH Solusi yang diadopsi secara progresif adalah penggunaan persamaan regresi berbasis
hari kumulatif untuk memperkirakan tahap pertumbuhan tanaman bila tidak diamati. Nilai
tabularized untuk K c di FAO56 mewakili tingkat ET di bawah optimal, well-watered
kondisi. Dalam praktek lapangan umum, kondisi tanaman seringkali tidak optimal karena
ketidakmampuan dalam irigasi, kepadatan tanaman, salinitas dan pengelolaan tanah atau
agronomi. Hasilnya yang sebenarnya ET c (ET c tindakan) lebih kecil dari ET c yang dihitung dari
standar K nilai c,yaitu, ET c Pereira LS bertindak <ET c dengan K c act <K c . Oleh karena itu,
adalah umum bahwa lapangan yang diamati sebenarnya K c lebih kecil dari Standar tabularized
K c , bukan karena kekurangan pada tabel FAO 56 namun karena tekanan lapangan mempengaruhi
tanaman ET, sehingga K c bertindak = K s K c di mana K s adalah koefisien stres. Konsep yang
sama berlaku untuk ganda K c tapi K s hanya berlaku untuk K cb, sehingga dengan K c tindakan =
K s K cb + K e. Konsepnya potensi dan aktual K c , K cb dan ET c dan terminologi terkait
semakin meningkat diterima dan merupakan kunci untuk pengalihan nilai K c dan
K cb . Sementara itu, relatif terhadap buah pohon dan tanaman merambat, update dan
perpanjangan nilai K c dan K cb dibuat oleh Allen dan Pereira (2009 ) untuk mempertimbangkan
kepadatan dan tinggi tanaman.

Dual K c pendekatan membutuhkan keseimbangan air tanah dari zona akar untuk menghitung
K dan dari lapisan penguapan untuk menghitung K e , yang terakhir bergantung pada fraksi
penutup bawah tanah oleh vegetasi (Allen et al 1998 , 2005 ). Oleh karena itu diperlukan
pemodelan. Dual K cadalah besar
bunga untuk tanaman penutup yang tidak lengkap - pohon buah-buahan dan tanaman merambat -
, untuk tanaman lainnya selama periode tertentu
dimana tanah tidak sepenuhnya tertutup oleh vegetasi, dan bila fraksi tanah dibasahi oleh
irigasi dikurangi untuk irigasi tetes.Hal ini juga menarik untuk lebih membedakan efeknya
salinitas pada transpirasi dan penguapan tanah (Rosa et al, 2016 ). Baru-baru ini, Kool et
al. ( 2014 )
meninjau ulang partisi ET dan membahas tentang teknik lapangan terkait untuk pengukuran tanah
penguapan dan transpirasi tanaman di samping untuk menilai berbagai pendekatan pemodelan.Itu
Shuttleworth dan Wallace ( 1985 ) Model SW partisi ET berdasarkan dua Penman-Monteith
persamaan (Monteith 1965 ), satu untuk tanaman dan yang kedua untuk permukaan tanah.SW
Model umumnya dianggap akurat namun sulit untuk di parameterkan, dan digunakan sebagai
acuan
model lainnya Model FAO dual K c (Allen et al 1998 , 2005) ) adalah yang paling umum
digunakan sebagai
Ini memerlukan parameter yang relatif sedikit dan hasilnya umumnya akurat (Cammalleri et al.
2013 ) dan bandingkan dengan model SW (Zhao et al., 2015 ). Model simulasi
SIMDualKc (Rosa et al 2012 ) menerapkan pendekatan itu dan telah berhasil diuji coba
pengamatan lapangan penguapan tanah (Zhao et al 2013 ; Gao et al., 2014) ; Wei et al.2015 ),
transpirasi aktual (Paço et al., 2014 ; Qiu dkk. 2015 ) dan pengukuran kovarians eddy
(Zhang et al 2013 ; Tian dkk. 2016 ). Model HIDRUS (Šimŭnek et al, 2016 ), yaitu tanah
model deterministik fluks air yang dirancang untuk simulasi transportasi air, panas dan zat terlarut,
dan
yang akurasi tergantung pada parameterisasi tanah dan kondisi batas, telah diuji
bersama-sama dengan ganda K c tanah model neraca air SIMDualKc untuk partisi ET bawah
stres garam Kedua model ini tampil dengan baik dan akurat membedakan efeknya
salinitas pada transpirasi dan penguapan tanah (Rosa et al, 2016 ).
Penggunaan pendekatan penginderaan jarak jauh untuk memperkirakan aktual ET tanaman sangat
diminati
dan penggunaannya akan berkembang di masa depan.Salah satu pendekatannya adalah dengan
melakukan keseimbangan energi penginderaan jauh
menggunakan model seperti SEBAL (Bastiaanssen et al 2005 ), METRIC (Allen et
al 2007b , 2011c ),
SEBS (Elhag dkk 2011 ) dan algoritma dua sumber (Cammalleri et al 2012 ; Neale et al.
2012 ). Model ini memberikan akurasi estimasi ET c yang bagus dan hasilnya digabungkan
baik dengan keseimbangan air tanah untuk perkiraan rata-rata tindakan ET (Santos et al 2008 ;
Neale et al.
2012 ; Paço dkk. 2014 ). Alternatif lain adalah menurunkan tindakan ET berbasis satelit saat
menghitung K c atau K cb dari indeks vegetasi, umumnya NDVI dan SAVI (Gontia dan
Tiwari 2010 ; Glenn et al. 2011 ; Mateos dkk. 2013 ; Pôças et al. 2015 ), yang mungkin mudah
dikaitkan dengan keseimbangan air pemodelan karena akurasi estimasi ET sesuai untuk
penjadwalan irigasi.

4.3 Penjadwalan dan Pengelolaan Irigasi

Penjadwalan irigasi yang tepat (IS) sangat penting untuk mencapai hasil dan keuntungan yang
baik, efisien penggunaan air dan pengendalian dampak lingkungan irigasi. Sejak lama (Feinerman
dan Falkovitz 1997 ), diketahui bahwa penjadwalan pupuk bisa dikaitkan dengan IS, jadi
berkontribusi terhadap hasil dan kontrol yang lebih tinggi dari polusi nitrat dan emisi gas rumah
kaca. Itu Frekuensi irigasi dapat didasarkan pada pengetahuan petani atau didukung oleh observasi
status air tanaman (Jones 2004) ) dan / atau pemantauan air tanah (Jones 2007 ), serta jarak jauh
sensing status air tanaman (Pôças et al, 2017 ). Apalagi, para petani yang menasihati IS sering
didukung oleh model (Lorite et al 2012 ), termasuk dalam kombinasi dengan penginderaan jarak
jauh informasi (Vuolo et al., 2015 ).
Pendekatan ini memerlukan keputusan tentang kedalaman irigasi Diaplikasikan yang umumnya
disediakan melalui model atau perangkat otomatis.Penggunaan ini technologies, which comprise
a vast panoply of measuring and wireless transmission devices, is known as precision irrigation
and is used by commercial farms, namely tree and vine crops, and with pressurized irrigation, very
often automated. IS options depend upon the soil water holding capacity, the type of crops – eg,
vegetables vs. cereals -, the irrigation system – infrequent irrigation with large depth for surface
irrigation, which oppose to frequent irrigation and small depths for center-pivots and micro-
irrigation as formerly reviewed (Pereira1999 ; Pereira dkk. 2002 , 2009 ). Moreover, IS options
depend upon the quality requirements of food crops, mainly those dictated by the consumers'
preferences and industry, as well as water availability, which may dictate the adoption of deficit
irrigation (Pereira et al. 2009 ).

The application of optimized IS depends upon the timing, duration, flow-rate and pressure of water
supply or delivery schedule (Pereira 1999 ). A farmer is free to build the IS more appropriate to
his crop, soil and irrigation system when he owns the water source or water rights adequate to his
farming. When a farm is supplied by a collective conveyance and distribution system, then IS
depends upon the local conditions for delivery scheduling (DS). When the service is through a
canal system, DS is often by rotation, thus with restrictions in deliveries frequency, duration and
flow-rate; IS is then controlled by the irrigation system managers and only infrequent irrigation
may be practiced. Meanwhile, adopting low pressure pipes distribution and modifications in
outlets, DS may become more flexible, anyway constrained in terms of duration and flow-rate;
then, using private pumps, pressurized farm irrigation - sprinkler or micro-irrigation - can be used.
When pressurized distribution systems are adopted DS is generally on-demand and constraints
resume to flow-rate and pressure; farmers are then free to select the irrigation system and IS.

However, design characteristics impact the functioning of conveyance and distribution systems
(Lamaddalena and Pereira 2007 ; Córcoles et al. 2015 ; Khadra et al. 2016 ) and care in manage-
ment of collective systems is required to avoid impacts on the functioning and performance of
farm irrigation systems (Daccache et al. 2010 ).