MENGEVALUASI KINERJA A TANAMAN AIR BALANCE MODEL dalam

memperkirakan DAERAH TANAMAN PRODUKSI

Gabriel B. Senay
Raytheon, EROS Data Center, Sioux Falls, SD, 57.198
senay@usgs.gov

James Verdin
USGS, EROS Data Center, Sioux Falls, SD, 57.198
verdin@usgs.gov

ABSTRAK

Perbandingan antara indeks tanaman didistribusikan secara spasial dan hasil dilaporkan dievaluasi. Indeks
tanaman yang dihasilkan oleh model neraca air tanaman yang mensimulasikan pengurangan hasil panen (sebagai
persentase dari potensi) karena defisit air. Model ini saat ini sedang operasional sebagai pemantauan dan peramalan
alat untuk analisis ketahanan pangan wilayah-luas dalam kekeringan negara rawan di Sub-Sahara Afrika.
Parameter input yang paling penting dari model adalah Afrika-lebar gambar estimasi curah hujan berbasis
satelit dan didistribusikan spasial potensi gambar evapotranspirasi dihitung dari 6 jam model data cuaca numerik.
tingkat kabupaten hasil panen data dari Ethiopia digunakan untuk mengevaluasi kinerja model. Data historis hasil
sorgum dari tahun 1996-1999 digunakan untuk mengevaluasi kinerja indeks kepuasan kebutuhan air musiman
(WRSI) untuk sorgum. nilai-nilai WRSI dan data hasil kabupaten dilaporkan secara signifikan berkorelasi. Model
WRSI terutama berhasil menangkap respon dari tanaman selama satu tahun yang relatif kering. Di kabupaten yang
pernah mengalami defisit air selama masa studi, adalah mungkin untuk menyimpulkan besarnya variabilitas hasil
yang disebabkan oleh faktor lain selain pasokan air.

PENGANTAR

Pemantauan pembentukan musim tanam tanaman dan kinerja selanjutnya tanaman adalah proses penting dalam
penilaian kondisi ketahanan pangan regional di Afrika. The Famine Early Warning System Network (Fews NET)
menggunakan data dari dua produk penginderaan jauh operasional untuk memantau daerah-daerah pertanian untuk
tanda-tanda kekeringan pada waktu nyata dekat-, secara spasial terus menerus. Ini termasuk dekadal (10 hari)
AVHRR-Normalisasi Difference Vegetation Index (NDVI) gambar, diproduksi oleh National Aeronautic and Space
Administration (NASA), dan Curah Hujan Estimasi (RFE) gambar disiapkan oleh Prediksi Iklim Pusat National
Oceanic and Atmospheric (NOAA). Salah satu produk derivatif saat ini digunakan oleh Fews NET adalah Air
Kebutuhan Satisfaction Index (WRSI).
Meskipun kesepakatan umum antara update WRSI musiman dan observasi lapangan, evaluasi komprehensif
WRSI dan melaporkan hasil panen belum dibuat di banyak negara di Afrika di mana produk gambar WRSI sedang
didistribusikan sebagai bagian dari tanaman pemantauan alat operasional. Tujuan utama dari penelitian ini adalah
untuk menguji korespondensi antara nilai-nilai WRSI dan dilaporkan hasil sorgum. Empat tahun “woreda” tingkat
administrasi (dengan unit kabupaten rata-rata sekitar 1.600 km2) Data produksi sorgum, yang dikumpulkan oleh
Departemen Pertanian, Ethiopia, yang digunakan untuk penelitian ini.

METODE

Model Deskripsi
Indeks kepuasan kebutuhan air (WRSI) merupakan indikator kinerja tanaman berdasarkan ketersediaan air untuk tanaman selama
musim tanam. Studi yang dilakukan oleh Organisasi Pangan dan Pertanian (FAO) (Doorenbos dan Pruitt, 1977)

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
telah menunjukkan bahwa WRSI dapat berhubungan dengan tanaman produksi dengan menggunakan fungsi
pengurangan linear-hasil khusus untuk tanaman. Baru-baru ini, Verdin dan Klaver (2002) menunjukkan pelaksanaan
regional WRSI dalam lingkungan pemodelan berbasis sel grid di Afrika bagian selatan.
WRSI untuk musim tanam dihitung sebagai rasio evapotranspirasi aktual musiman (AET) dengan kebutuhan air
tanaman musiman (WR). Kebutuhan air tanaman pada waktu tertentu dari musim tanam dihitung dengan
mengalikan referensi (Potensi) evapotranspirasi dengan koefisien tanaman, yang nilainya diterbitkan oleh FAO
(FAO, 1998). AET mewakili jumlah sebenarnya air ditarik dari reservoir air tanah ( “ember”) di mana kekurangan
relatif terhadap evapotranspirasi potensial (PET) dihitung dengan fungsi yang memperhitungkan jumlah air tanah di
“ember”.
Kadar air tanah diperoleh melalui persamaan keseimbangan massa sederhana di mana jumlah air tanah
dipantau dalam volume yang ditentukan oleh daya ikat air (WHC) tanah dan kedalaman akar tanaman.

Itu adalah,
SWsaya = SWsaya-1 + PPTsaya - AETsaya

Dimana, SW adalah air tanah, PPT adalah curah hujan, dan saya adalah indeks langkah waktu. Saat ini, model
dijalankan di dekadal langkah waktu; Namun, model ini juga dapat dijalankan dalam langkah waktu harian.
Input yang paling penting untuk model ini adalah curah hujan dan evapotranspirasi potensial (PET). Fews NET
di USGS menghitung nilai PET harian untuk Afrika pada resolusi 1,0 derajat dari 6 jam numerik Model meteorologi
output menggunakan persamaan Penman-Monteith (Shuttleworth, 1992; Verdin dan Klaver, 2002). Blended satelit-
gauge curah hujan estimasi (RFE) gambar untuk benua Afrika diperoleh dari NOAA pada 0,1 derajat (~ 10 km)
resolusi spasial. gambar curah hujan diproduksi menggunakan metode interpolasi yang menggabungkan data dari
durasi dingin awan Meteosat (CCD), Special Sensor Microwave / Imager (SSM / I) dari Pertahanan Meteorologi
Satelit Program, Advanced Microwave Sounding Unit (AMSU) di papan NOAA yang -15 pengorbit kutub, dan
pelaporan data curah hujan dari global System Telekomunikasi (GTS) (Xie dan Arkin, 1997).
Perhitungan WRSI membutuhkan awal yang -dari-musim kali (SOS) dan akhir-of-musim kali (EOS) untuk
setiap-sel grid modeling. Maps dari dua variabel ini sangat berguna dalam mendefinisikan variasi spasial waktu
musim tanam dan, akibatnya, fungsi koefisien tanaman, yang mendefinisikan tanaman pola penggunaan air tanaman.
Model menentukan SOS menggunakan onset-of-hujan berdasarkan akuntansi curah hujan yang sederhana.
Timbulnya-of-hujan ditentukan dengan menggunakan jumlah batas dan distribusi curah hujan yang diterima di tiga
dekads berturut-turut. Dalam studi ini, SOS didirikan ketika ada setidaknya 25 mm curah hujan dalam satu dekad
diikuti dengan total minimal 20 mm curah hujan dalam dua dekade berikutnya berturut-turut. Panjang periode
tumbuh (LGP) untuk setiap pixel ditentukan dengan kegigihan, rata-rata, di atas nilai ambang rasio klimatologi
antara curah hujan dan evapotranspirasi potensial. Dengan demikian, EOS diperoleh dengan menambahkan LGP ke
dekad SOS untuk setiap sel grid.
Pada akhir siklus pertumbuhan tanaman, atau sampai dekad tertentu dalam siklus, jumlah total AET dan jumlah WR
digunakan untuk menghitung WRSI dalam lingkungan Sistem Informasi Geografis (GIS) di 0,1 derajat (sekitar 10 km) spasial
resolusi. Sebuah kasus “tidak ada defisit” akan menghasilkan nilai WRSI dari 100, yang sesuai dengan adanya penurunan hasil
terkait dengan defisit air. Nilai WRSI musiman kurang dari 50 dianggap sebagai kondisi gagal panen (Smith, 1992).

Data Tanaman
Data produksi tanaman diperoleh dari Departemen Pertanian Ethiopia melalui NET Kantor fews, Addis Ababa, Ethiopia.
Data produksi termasuk daerah ditanam di hektar dan produksi dalam ton di Unit Administrasi Woreda. data produksi sorgum
yang tersedia dari tahun 1996 sampai tahun 1999. Hanya “mahar” musim Data yang digunakan; musim meher merupakan musim
utama tumbuh di Ethiopia, meliputi periode antara bulan Mei dan Oktober. Musim meher menyumbang 90-95% dari produksi
tanaman tahunan negara (fews NET, 2001).
Dalam rangka untuk melakukan analisis spasial dalam GIS, data produksi yang terkait dengan kabupaten file
peta batas menggunakan nama administrasi woreda di ArcView (ESRI, 2000). Database berbagai utilitas dari
Microsoft Access (Microsoft*, 2000) digunakan untuk menyortir data dengan tahun, musim, dan jenis tanaman.
Beberapa kabupaten tidak memiliki pencocokan kabupaten-nama antara file peta batas dan meja produksi, dalam hal
ini data produksi untuk kabupaten-kabupaten tidak dapat digunakan untuk perbandingan dengan gambar WRSI.

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
 Microsoft Excel * (Microsoft, 2000) digunakan untuk analisis data statistik dan grafis. Yield (ton / ha)
per kabupaten dihitung sebagai rasio antara produksi dalam ton (setelah mengkonversi kwintal dilaporkan
ton) dan daerah (ha) yang ditanam.

WRSI
Model tanaman keluaran (selanjutnya disebut hanya sebagai WRSI) dijalankan untuk 4 tahun periode waktu
yang ada sesuai data produksi tanaman. Model ini dijalankan untuk mensimulasikan kebutuhan air sorgum untuk
musim meher dari tahun 1996 sampai tahun 1999. Biasanya, awal musim bervariasi dari Mei hingga Juli dan akhir
yang sesuai musim ditentukan dengan menambahkan periode tumbuh 3 sampai 6 bulan , tergantung pada daerah -
climatic agro bertepatan dengan lokasi pixel di negara ini. WRSI gambar yang dihasilkan pada tanggal 30 November
setiap tahun digunakan untuk mengkarakterisasi hasil setiap musim secara keseluruhan.

analisis Prosedur
Data kabupaten tersebut dikelompokkan berdasarkan nilai WRSI rata-rata. Karena data WRSI dalam format
raster data, nilai rata-rata pixel yang terletak di dalam setiap batas kabupaten dihitung untuk mewakili kabupaten.
Kabupaten dikelompokkan menggunakan dua kriteria: pengelompokan pertama sepenuhnya didasarkan pada 4-
tahun nilai rata-rata WRSI. Kabupaten dengan nilai rata-rata 100 diberi label sebagai “optimal” dan diperlakukan
berbeda dari kabupaten yang memiliki WRSI rata-rata kurang dari 100 ( “rawan kekeringan”).
Ada 44 kabupaten di kategori rawan kekeringan dan 23 dalam kategori optimal. 67 (44 + 23) kabupaten dipilih
dari grand total 172 kabupaten yang memiliki Meher (Juni-September) musim tanam. Pemilihan didasarkan pada
kenyataan bahwa kabupaten ini memiliki data hasil sorgum dilaporkan dalam semua empat tahun. Juga, 67
kabupaten ini memiliki hasil rata-rata kurang dari 2,5 ton / ha. nilai ambang ini digunakan untuk layar keluar
mungkin outlier dan analisis Confine ke distrik-distrik dengan potensi produksi yang sama. Mean hasil sorgum
untuk semua 172 kabupaten adalah 1,15 t / ha dengan standar deviasi 0,84 t / ha. Minimum dan hasil maksimal yang
0,12 dan 5,0 t / ha.
Berdasarkan kriteria kedua, kabupaten lanjut dikelompokkan berdasarkan persentase areal yang ditanami
sorgum dalam sebuah distrik (area persen). Sebuah pengelompokan berdasarkan wilayah persen dibuat untuk
menguji apakah korespondensi antara WRSI dan hasil dilaporkan tergantung pada persen dan / atau ukuran area
yang ditanam di kabupaten. Semakin besar area persen, lebih baik korespondensi spasial yang diharapkan antara
WRSI dan daerah ditanam sebenarnya.
Untuk setiap tahun, rata-rata dari WRSI dan hasil rata-rata dihitung untuk masing-masing sembilan kelompok kabupaten
didefinisikan oleh interval persen dari lahan yang ditanami. Di sisi lain, rata-rata dari semua kabupaten 44 rawan kekeringan
dianalisis untuk memperoleh penilaian -lebar negara yield dan variabilitas WRSI yang sesuai dari tahun ke tahun.

HASIL DAN DISKUSI

Angka 1 dan 2 menunjukkan pola temporal negara -lebar rata WRSI dan data hasil untuk optimal dan rawan kekeringan
kelompok kabupaten, masing-masing. Meskipun nilai-nilai WRSI tetap maksimal (100) seperti yang diharapkan di kabupaten
optimal, nilai-nilai yield bervariasi dari tahun ke tahun. Dari rumusan dasar WRSI mana hanya membutuhkan waktu dalam
pasokan air pertimbangan dan permintaan, variasi yield tahun-ke-tahun di kabupaten optimal dapat dikaitkan dengan faktor-faktor
lain selain air. Khususnya, hasil yang dilaporkan pada tahun 1997 jauh lebih rendah dibandingkan tahun-tahun lainnya, dengan
pengurangan 22% dari tahun 1996. Variabilitas hasil sementara di kabupaten rawan kekeringan dapat dikaitkan dengan kombinasi
stres air dan faktor stres non-air lainnya . Jika kita dapat menentukan besarnya variabilitas yang disebabkan oleh faktor-faktor
non-air, variabilitas hasil karena stres air dapat diperkirakan sebagai selisih antara total variabilitas dikurangi variabilitas karena
faktor non-air. Dalam studi ini, variabilitas hasil di kabupaten optimal diasumsikan akibat dari faktor-faktor non-air karena nilai
WRSI 100 dalam semua tahun, yaitu, tidak ada hujan defisit untuk tanaman.
Gambar 2 menunjukkan bahwa nilai WRSI rata-rata untuk kabupaten rawan kekeringan adalah yang terendah pada tahun
1997 sementara tahun 1996 dan 1998 tetap dekat dengan maksimal, dengan 1999 sedikit lebih rendah dari maksimum. Pola hasil
yang sesuai diikuti pola yang sama dalam tahun 1997 hasil adalah yang terendah dan hasil 1999 lebih rendah dari kedua 1996 dan
1998. Perubahan hasil yang terbukti lebih sensitif dibandingkan dengan perubahan nilai-nilai WRSI. Sebagai contoh, WRSI
perubahan 1996-1997 adalah tentang pengurangan 9%; Namun, sesuai penurunan yield adalah 52%. Seperti yang ditunjukkan di
distrik optimal, 22% dari penurunan hasil 52% mungkin disebabkan faktor stres non-air. Ini memegang dengan asumsi bahwa

* Menyebutkan produk komersial tidak menyiratkan dukungan oleh USGS / Fews NET.
TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES
Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
Faktor stres non-air mempengaruhi baik optimal dan rawan kekeringan kabupaten sama. Oleh karena itu, tampak
bahwa penurunan hasil 1996-1997 sebagai terkait dengan stres air mungkin diperkirakan sebagai 30%.
Menentukan efek dari faktor non-air di penurunan hasil harus ditetapkan berbeda untuk tanaman yang berbeda. Sebagai
contoh, sebuah studi yang sebanding pada jagung tidak menunjukkan penurunan hasil di kabupaten optimal pada tahun 1997
(Senay dan Verdin, 2000), sehingga menghasilkan variabilitas karena faktor non-air harus ditentukan untuk setiap tanaman secara
individual.
Perbedaan tersebut antara WRSI dan penurunan hasil aktual umumnya ditangani oleh faktor respon penurunan
hasil (Ky), yang merupakan tanaman spesifik dan bervariasi dari satu tempat ke tempat (Reynolds, 1998). Nilai Ky
musiman untuk sorgum diterbitkan oleh FAO menjadi 0,9 (FAO, 1996). Hal ini menunjukkan bahwa untuk setiap
unit pengurangan WRSI dari maksimum (100), hanya penurunan 0,9 unit diharapkan hasil yang sebenarnya, yaitu,
pengurangan WRSI 10% akan diterjemahkan ke dalam hanya penurunan hasil 9% dari hasil yang maksimal. Namun,
itu harus menunjukkan bahwa nilai-nilai Ky didirikan menggunakan eksperimen lapangan dengan menggunakan
varietas unggul yang juga disesuaikan dengan lingkungan dan, yang lebih penting, tumbuh di bawah tingkat tinggi
pengelolaan tanaman.
Meskipun korespondensi dalam pola temporal antara WRSI dan hasil dilaporkan, besarnya penurunan hasil
dibandingkan dengan pengurangan WRSI jauh lebih besar (lebih dari 3 kali) dari apa yang dilaporkan dalam
literatur.
Setidaknya untuk Utara Ethiopia, di mana sebagian besar kabupaten berada, bahkan sedikit penurunan WRSI
berhubungan dengan nilai-nilai besar penurunan hasil. Salah satu perbedaan utama antara fungsi yield yang
diterbitkan pengurangan dan apa yang dilaporkan dari lapangan adalah tingkat praktek pengelolaan tanaman.
Sementara itu dinyatakan (FAO, 1996) bahwa nilai-nilai Ky dikembangkan di bawah tingkat tinggi pengelolaan
tanaman, tidak ada informasi pada tingkat praktek pengelolaan tanaman di kabupaten dipelajari. Selain itu, isu skala
pengamatan dapat menjadi sangat penting. Model WRSI adalah simulasi skala kasar di mana satu piksel pada 10 km
dapat mencakup zona agro-ekologi yang berbeda dan bisa terdiri dari beberapa ribu petani subsisten.
Sementara korespondensi dalam pola temporal antara WRSI dan hasil dilaporkan menjanjikan, fungsi
penurunan hasil perlu ditetapkan untuk masing-masing daerah daripada menggunakan nilai-nilai Ky, yang didirikan
dan dimaksudkan untuk digunakan pada tingkat petani. Hal ini dapat dicapai dengan membangun hubungan antara
WRSI dan hasil pada skala spasial yang besar. Karena keakuratan data hasil kabupaten sangat penting untuk tujuan
ini, koleksi data yang sistematis dengan penilaian kualitas yang tepat dan kontrol kualitas yang diperlukan.
Karena nilai-nilai WRSI untuk tanaman yang diberikan tergantung pada panjang periode tumbuh, yang mempengaruhi pola
distribusi curah hujan, dianjurkan bahwa nilai WRSI relatif bukan WRSI mutlak digunakan. Relatif WRSI didefinisikan sebagai
rasio WRSI satu tahun dengan nilai WRSI rata-rata periode wakil dari tahun. Dengan menggunakan nilai-nilai WRSI relatif, salah
satu akan mengurangi efek dari menggunakan panjang yang salah dari masa pertumbuhan untuk daerah tertentu.
Efek dari tingkat korespondensi spasial antara melaporkan data hasil dan kabupaten lebar rata-rata WRSI
diselidiki. Beberapa kabupaten memiliki seperti bentuk memanjang yang bagian dari daerah tersebut memiliki nilai
WRSI tinggi sedangkan sisanya dari kabupaten memiliki nilai-nilai WRSI rendah. Karena kita tidak tahu persis di
mana di kabupaten hasil dilaporkan berasal dari, hubungan antara yield kabupaten dan kabupaten rata-rata WRSI
bisa menyesatkan. Tabel 1 menunjukkan kabupaten rata-rata hasil dan sesuai nilai-nilai WRSI untuk kelompok
kabupaten. Kelompok-kelompok kabupaten berdasarkan wilayah persen dari sorgum ditanam di distrik (sumber data
yield) sedangkan WRSI rata-rata untuk seluruh kabupaten.
Daerah persen sorgum rata-rata di kabupaten bervariasi dari sekecil 0,6% ke level tertinggi mendekati 22%
(Tabel 1). Perbandingan temporal antara WRSI dan hasil lebih kelompok wilayah persen yang berbeda tidak
menunjukkan tren untuk membuktikan hipotesis nol bahwa hubungan antara WRSI dan hasil dilaporkan tidak
tergantung pada jumlah daerah sorgum di wilayah tersebut. Umumnya, dalam semua sembilan kelompok kabupaten,
tahun 1997 hasil dan sesuai WRSI adalah yang terendah. Kecenderungan dalam beberapa tahun lainnya adalah
sebanding dari satu kelompok kabupaten yang lain. Namun, hipotesis ini memiliki kelemahan dalam hal itu hanya
dianggap daerah sorgum; area sorgum kecil dapat diimbangi dengan area yang luas diduduki oleh tanaman lain.
Dalam hal ini, total luas pertanian mungkin lebih tepat yang berkaitan dengan potensi pertanian daerah.
Kelompok-kelompok kabupaten yang digunakan untuk membuat plot pencar hubungan antara WRSI dan hasil
(Gambar 3). Karena sifat dari pengumpulan data dan pelaporan di negara ini (dan banyak negara lainnya), masing-
masing kabupaten cenderung memiliki kesalahan besar (komunikasi pribadi, Departemen Pertanian Officer,
Ethiopia). Karena itu, rata-rata beberapa kabupaten cenderung untuk membatalkan beberapa kesalahan pelaporan.
The rata-rata yield kabupaten memiliki efek yang sama apakah itu didasarkan pada menggabungkan kabupaten
dengan provinsi atau persen-daerah.
Dari scatter plot (Gambar 3), dapat diamati bahwa ada korelasi yang baik (r = 0,77) antara WRSI dan hasil yang
dilaporkan. Dengan semua 36 titik data (kelompok 9 kabupaten lebih dari 4 tahun), 59% variabilitas hasil dapat dijelaskan
oleh WRSI. R2meningkat menjadi 0,75 ketika hanya nilai-nilai WRSI bawah 98 dianggap. Hal ini tentu menunjukkan baik
kelemahan dan kekuatan WRSI sebagai estimator hasil. Kelemahan WRSI diwujudkan dengan variabilitas yang tinggi
TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES
Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
menghasilkan ketika WRSI dekat dengan 100. Dalam curah hujan tahun yang baik atau daerah optimum, faktor
seperti penggunaan pupuk dan praktek manajemen lainnya akan menentukan variabilitas hasil. Namun, WRSI
menunjukkan efektivitas dalam memperkirakan penurunan hasil kekeringan kabupaten rawan, dengan R2nilai
meningkat 0,59-0,75 ketika hanya kabupaten dengan nilai WRSI rata-rata kurang dari 98 dianggap. Untuk tujuan
menunjukkan sifat spasial eksplisit WRSI peta, Gambar 4 menunjukkan gambar WRSI untuk tahun yang relatif
kering 1997.

Tabel 1: Rata-rata Sorghum Hasil dan WRSI dikelompokkan berdasarkan Persen Area.

Sorgum Yield (t / ha) sorgum WRSI

Kelomp
ok* Tanaman
%Daera Mengh
h Luas (ha) itung 1996 1997 1998 1999 1996 1997 1998 1999
SEBUA
H 0,6 773 6 0,98 0.56 1,28 1.08 98 87 100 99
B 1,6 1.356 4 1.08 0,71 1.20 0,94 99 90 100 100
C 2,5 3.413 11 0.95 0,51 0.89 0.65 95 88 100 99
D 3,5 2.778 6 1,24 0,57 1,31 1,17 99 91 100 100
E 4.3 4.562 3 1.07 0.86 1,15 0.92 99 92 99 97
F 5.6 8313 4 0.89 0,38 0.86 0.64 97 90 100 99
G 7.1 4877 4 1,29 0.64 0,91 0,83 99 93 99 95
H 10,8 8755 3 1,56 0.33 1,48 0.95 99 88 100 98
saya 21,9 13.721 3 1.42 0,51 1,27 1,17 100 89 99 97

rata-rata: 1,17 0.56 1,15 0.93 98 90 100 98

*: Berikut adalah nama-nama kabupaten yang terkait dengan masing-masing kelompok.

Grup A: Endamehoni, Gidan, Bugna, Mulona Sululta, Ofla, Hintalo Wajirat
Grup B: Enarj Enawga, Kutaber, Alaje, Tenta
Grup C: Dehana, Sayint, Enticho, Mekdela, Sekota, Gulomahda, WadlaI, WadlaII, Zikuala,
Enticho, Debresina
Grup D: Enbise Sar Midir, Werie LeheI, Enemay, Werie LeheII, Ambasel, Wegde
Grup E: Meket, Jama, Shebel Berenta
Grup F: Kola Temben, Samre, Guba Lafto, Habru
Grup G: Degem, Kola Temben, dejen, Moretna Jiru
Grup H: Kobo, Gerar Jarso, Alamata
Kelompok I: Weremo Wajetuna Mida, Lay Betna Tach Bet, Hidabu Abote

KESIMPULAN

Tujuan utama dari penelitian ini adalah untuk mengevaluasi korespondensi antara WRSI dan data hasil sorgum dilaporkan.
Hal ini menunjukkan bahwa pola temporal WRSI dan hasil berkorespondensi dengan baik, terutama dalam menyoroti tahun yang
relatif kering dari 1997. pengelompokan kabupaten ke optimal dan rawan kekeringan kelas muncul untuk menyediakan sarana
untuk memperkirakan dampak dari faktor stres tanaman tidak berhubungan dengan stres air. Hal ini dilakukan dengan asumsi
variabilitas hasil di kabupaten optimal (di mana WRSI selalu maksimum pada 100) disebabkan oleh faktor-faktor lain selain stres
air seperti input, pengelolaan tanaman dan kerusakan hama. Misalnya, pengurangan 1997 sorgum yield (52%) dari tahun 1996 di
kabupaten rawan kekeringan dievaluasi disebabkan oleh kedua defisit air (30%) dan faktor stres non-air (22%).
Hal ini menunjukkan bahwa koefisien determinasi (R2) Antara WRSI dan hasil dilaporkan meningkat 0,59-0,75
ketika hanya kabupaten dengan nilai WRSI kurang dari 98 dianggap. Peningkatan R ini 2nilai-nilai menunjukkan
kekuatan WRSI dalam memperkirakan perubahan hasil relatif di daerah rawan kekeringan. Memang, itu adalah
intuitif bahwa kegunaan WRSI marjinal jika air bukan merupakan faktor pembatas karena variabilitas hasil
dikendalikan oleh faktor-faktor lain selain air.
Tidak ada indikasi bahwa daerah persen dari sorgum di kabupaten mempengaruhi hubungan antara WRSI dan hasil yang
dilaporkan. Hal ini mungkin disebabkan oleh asumsi yang salah dalam menggunakan hanya daerah sorgum bukan daerah
pertanian total dalam kabupaten. Studi masa depan harus mengevaluasi kembali dan membahas pentingnya ukuran daerah
pertanian sementara

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
membandingkan WRSI kabupaten-lebar dengan data hasil yang dikumpulkan dari sebagian kecil dari wilayah
kabupaten.
Penelitian ini juga menunjukkan bahwa perubahan kecil dalam WRSI dapat mengakibatkan perubahan yang
lebih besar dalam hasil. fungsi penurunan hasil diterbitkan umumnya pada tingkat petak sedangkan hubungan kita
dievaluasi terdiri dari beberapa ribu pertanian-plot di kabupaten. Kami merekomendasikan bahwa fungsi penurunan
hasil tersebut ditetapkan untuk berbagai daerah daripada menggunakan atau asumsi fungsi penurunan hasil yang
didirikan di stasiun percobaan.

120 2.00

1.80
100
1,60

1,40
80
1.20

60 1.00

0.80
40 WRSI
0.60
Menghasi
lkan
0.40
20
0,20

0 0.00
1996 1997 1998 1999
Tahun

Gambar 1: Pola Temporal dari WRSI dan Sorghum Yield di 23 "Optimum" Districts

120 2

1.8
100
1,6

1.4
80
1.2

60 1
WRSI
Menghasilk 0,8
an
40
0,6

0,4
20
0,2

0 0
1996 1997 1998 1999
Tahun

Gambar 2: Pola Temporal dari WRSI dan Sorghum Yield di 44 “Kekeringan-Rawan” Kabupaten.

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
 1.80

1,60

1,40
2
1.20 R = 0.59

1.00

0.80

0.60

0.40
Paling cocok
0,20

0.00
80 85 90 95 100 105
WRSI

Gambar 3: Scatter Plot dari Sorghum Yield vs WRSI dari 44 “rawan kekeringan” Kabupaten.

Gambar 4: Sorghum WRSI tahun 1997.

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings
 REFERENSI

Doorenbos J dan WO Pruitt, WO (1977). Tanaman Persyaratan Air. FAO Irigasi dan Drainase Paper No 24.
Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa, Roma, Italia.
ESRI. (1995). pengguna Arc / Info Online, Redlands, CA.
ESRI. (2000). Lingkungan Systems Research Institute, ArcView 3.2a. Redlands, CA.
FAO. (1988). Tanah FAO / UNESCO Peta Dunia. Revisi Legend. World Resources Report 60. FAO, Roma.
FAO. (1996). Yield Respon untuk Air. FAO Irigasi dan Drainase Kertas 33. Roma, Italia.
FAO. (1998). Tanaman Evapotranspirasi. FAO Irigasi dan Drainase Kertas 56. Roma, Italia.
Fews NET. (2001). Ethiopia Jaringan Keamanan Pangan. Laporan Bulanan, No. 01/04.
Gesch, DB, Verdin, KL, dan Greenlee, SK (1999). permukaan lahan baru digital elevation model meliputi bumi.
EOS, Transaksi dari American Geophysical Union, v. 80, n. 6, hlm. 69-70.
http://edcdaac.usgs.gov/gtopo30/hydro/africa.html
Perusahaan Microsoft. (2000). Akses microsoft.
Perusahaan Microsoft. (2000). Microsoft Excel.
Reynolds, CA (1998). Memperkirakan hasil panen dengan mengintegrasikan model keseimbangan air FAO
tanaman tertentu dengan data satelit real-time dan data pendukung berbasis darat. Ph.D. Disertasi, The
University of Arizona.
Senay, GB dan J. Verdin, 2001. Menggunakan GIS Berbasis Air Balance Model Untuk Menilai Kinerja Tanaman
Regional. Prosiding Lokakarya Internasional Kelima pada Aplikasi Penginderaan Jauh di Hidrologi, 02-
05 Oktober 2001, Montpellier, Prancis
Shuttleworth J. (1992). Penguapan. Handbook of Hidrologi, Maidment, D. (ed.). McGraw-Hill: New York; 4,1-4,53. Smith, M.
(1992). konsultasi ahli pada revisi metodologi FAO untuk kebutuhan air tanaman. FAO, Roma,
Publikasi 73.
Verdin, J. dan Klaver, R. (2002). sel grid akuntansi berbasis air tanaman untuk kelaparan sistem peringatan dini.
Proses hidrologi, 16: 1617-1630.
Xie, P. dan Arkin, PA (1997). Sebuah analisis bulanan 17 tahun berdasarkan pengamatan gauge, perkiraan
satelit, dan numerik Model output. Buletin American Society Meteorologi 78 (11): 2539-58.

TENTANG KEBUTUHAN DINAMIS PENJADWALAN PENCITRAAN SATELLITES

Pecora 15 / Informasi Tanah Satelit IV / ISPRS Komisi I / FIEOS 2002 Conference Proceedings