Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Mohammad dan Misganaw

CABI Pertanian dan Biosains https://doi.org/
(2022) 3:22
Pertanian CABI
10.1186/s43170-022-00092-9 dan Biosains

RISET Akses terbuka

Pemodelan dampak perubahan iklim masa

depan pada sorgum (Sorgum bicolor) produksi
dengan opsi manajemen terbaik di Amhara
Region, Ethiopia
Adem Muhammad1*dan Abebe Misganaw2

Abstrak
Sorgum adalah salah satu tanaman sereal terpenting yang beradaptasi dengan baik di daerah kering dan semi-kering di Ethiopia
tetapi hasilnya rendah dibandingkan dengan potensinya. Tanaman telah terpengaruh oleh perubahan iklim dan variabilitas iklim
disertai dengan kesuburan tanah yang rendah, serangga dan gulma. Dengan demikian, penilaian dampak perubahan iklim yang
diproyeksikan penting untuk mengembangkan strategi pengelolaan yang sesuai. Studi ini dilakukan dengan tujuan (1) untuk
mengkalibrasi dan mengevaluasi model CERES-sorghum dalam DSSAT (2) untuk menilai dampak proyeksi perubahan iklim terhadap
produksi sorgum pada tahun 2030-an (2020-2049) dan 2050-an (2040-2069) di bawah Skenario RCP4.5 dan RCP8.5 dan (3)
mengidentifikasi strategi pengelolaan tanaman terbaik yang dapat mempertahankan produksi sorgum. Model CERES-sorghum
dikalibrasi dan dievaluasi menggunakan data eksperimen lapangan bunga mekar, kematangan fisiologis, hasil gabah dan hasil
biomassa di atas permukaan tanah. Dalam simulasi, cuaca awal dan CO2dimodifikasi oleh iklim masa depan di bawah dua skenario
perubahan iklim (RCP4.5 dan RCP8.5). Data cuaca harian historis (1981–2010) curah hujan, suhu maksimum, suhu minimum, dan
radiasi matahari diperoleh dari stasiun cuaca terdekat di Sirinka dan Kombolcha, sementara tanggal iklim di masa mendatang untuk
tahun 2030-an dan 2050-an diunduh dari ansambel 17 keluaran CMIP5 GCM berjalan di bawah RCP4.5 dan RCP8.5 diturunkan ke
lokasi penelitian menggunakan MarkSim. Tanggal penaburan yang berbeda, tingkat nitrogen, dan irigasi tambahan dievaluasi untuk
efektivitasnya dalam meningkatkan hasil sorgum di bawah kondisi iklim saat ini dan masa depan di daerah penelitian. Hasil kalibrasi
model menunjukkan bahwa RMSE untuk bunga mekar, masak fisiologis, hasil gabah, dan hasil biomassa di atas tanah adalah 2 hari,
2 hari, 478 kg ha−1, dan 912 kg ha−1, masing-masing dengan nilai nRMSE yang dinormalisasi masing-masing 2,74%, 1,6%, 13,42%, dan
5,91%. Selama evaluasi model, R2
nilai adalah 78% untuk bunga mekar, 99% untuk kematangan fisiologis, 98% untuk hasil biomassa di atas permukaan tanah, dan 94% untuk
hasil gabah. Nilai d-statistik adalah 0,87, 0,91, 0,67, dan 0,98 sedangkan nilai nRMSE adalah 2,6%, 2,7%, 23,4%, dan 4,1% untuk masing-masing
parameter. Hasil analisis statistik untuk kalibrasi dan evaluasi model mengungkapkan bahwa ada kecocokan yang kuat antara nilai yang
disimulasikan dan diamati yang menunjukkan bahwa model tersebut dapat digunakan untuk aplikasi yang berbeda untuk meningkatkan
produktivitas sorgum di wilayah tersebut. Hasil analisis dampak menunjukkan bahwa hasil gabah sorgum dapat menurun pada tahun 2030-
an dan 2050-an pada kedua skenario RCPs. Namun, hasil skenario pengelolaan menunjukkan bahwa hasil sorgum dapat ditingkatkan secara
substansial melalui penggunaan pupuk nitrogen yang optimal, penerapan irigasi tambahan dan dengan menggunakan tanggal penaburan
awal secara individual atau dalam kombinasi. Kesimpulannya, diproyeksikan

* Korespondensi: ademmohammed346@gmail.com
1Departemen Ilmu Tanaman, Sekolah Tinggi Pertanian, Universitas Wollo,

POBox 1145, Dessie, Ethiopia

Daftar lengkap informasi penulis tersedia di akhir artikel

© Penulis 2022.Akses terbukaArtikel ini dilisensikan di bawah Lisensi Internasional Creative Commons Attribution 4.0, yang mengizinkan penggunaan,
berbagi, adaptasi, distribusi, dan reproduksi dalam media atau format apa pun, selama Anda memberikan kredit yang sesuai kepada penulis(-penulis)
asli dan sumbernya, memberikan tautan ke lisensi Creative Commons, dan tunjukkan jika ada perubahan. Gambar atau materi pihak ketiga lainnya
dalam artikel ini termasuk dalam lisensi Creative Commons artikel, kecuali dinyatakan lain dalam batas kredit materi. Jika materi tidak termasuk dalam
lisensi Creative Commons artikel dan tujuan penggunaan Anda tidak diizinkan oleh peraturan undang-undang atau melebihi penggunaan yang
diizinkan, Anda harus mendapatkan izin langsung dari pemegang hak cipta. Untuk melihat salinan lisensi ini, kunjungihttp://creativecommons.org/
licenses/by/4.0/. Pengabaian Pengabaian Dedikasi Domain Publik Creative Commons (http://creativeco mmons.org/publicdomain/zero/1.0/) berlaku
untuk data yang disediakan dalam artikel ini, kecuali dinyatakan lain dalam batas kredit untuk data tersebut.
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
perubahan iklim dapat berdampak buruk pada produksi sorgum di daerah semi-kering di Ethiopia pada kondisi iklim saat ini dan di masa
mendatang, tetapi dampaknya dapat dikurangi dengan menggunakan strategi pengelolaan tanaman yang sesuai.
Kata kunci:Perubahan iklim, Model tanaman, DSSAT, RCP, Sorgum, Tanggal penaburan
pengantar
Di Ethiopia, pertanian merupakan sektor dominan yang
menyumbang hampir 50% Produk Domestik Bruto (PDB).
Sekitar 85% dari total pekerjaan dan mata pencaharian di
negara ini bergantung pada sektor ini. Sektor ini
merupakan sumber pangan utama bagi penduduk dan
merupakan penyumbang utama ketahanan pangan
(CEEPA2006). Namun, sektor pertanian di Ethiopia sangat
rentan terhadap perubahan iklim dan variabilitas iklim
khususnya lingkungan kering dan semi-kering. Menurut
laporan Climate Resilient Green Economy (CRGE 2011)
perubahan iklim berpotensi membalikkan kemajuan
ekonomi Ethiopia dan dapat memperburuk masalah sosial
dan ekonomi. Sektor pertanian di Ethiopia sangat
bergantung pada curah hujan. Potensi irigasi di negara ini
tinggi tetapi aktivitas irigasi sangat terbatas yang
jumlahnya kurang dari 1% dari total lahan pertanian.
Produksi tanaman didominasi oleh petani subsisten skala
kecil. Pertanian subsisten menyumbang lebih dari 90%
dari total hasil pertanian (CSA2011). Hasil pertanian di
Ethiopia sangat dipengaruhi oleh curah hujan yang tidak
menentu dan tidak dapat diprediksi dengan distribusi
yang buruk (Tefera2012). Dengan demikian, ekonomi
negara diperkirakan akan terpengaruh secara negatif oleh
kondisi iklim di masa depan. Sebuah studi yang dilakukan
oleh Eshetu et al. (2014) menunjukkan bahwa PDB Ethiopia
dapat menurun sekitar 0,5%–2,5% per tahun dalam waktu
dekat.
Sorgum (Sorgum bicolor(L) Moench) berasal dari Afrika bagian
timur (Lupien1990). Keanekaragaman sorgum terbesar baik dalam
spesies budidaya maupun liar ditemukan di bagian timur benua
Afrika (House 1985). Di Afrika, sorgum menduduki peringkat
kedua dalam hal produksi (Belton dan Taylor2003). Tanaman
memiliki potensi untuk mentolerir efek kekurangan air di
lingkungan yang penuh tekanan (Haussmann et al.2007). Ini
dianggap sebagai model yang sangat baik untuk toleransi
kekeringan di antara tanaman tingkat tinggi (Saxena et al.2002).
Tanaman ini juga dapat menghasilkan hasil yang wajar di tanah
yang buruk karena kapasitas penyerapan nutrisinya (Dollin et al.
2007). Meskipun sorgum merupakan tanaman pangan penting di
banyak daerah semi-kering di Ethiopia, hasilnya masih di bawah
tingkat yang diharapkan karena faktor abiotik dan biotik. Produksi
sorgum di Ethiopia sangat dipengaruhi oleh perubahan iklim,
variabilitas iklim, kesuburan tanah yang rendah, kelangkaan air,
kurangnya varietas tanaman yang ditingkatkan, hama (serangga,
penyakit dan gulma) dll. Produksi di
Halaman 2 dari 17
sebagian besar negara berkembang di Afrika juga sangat
rentan terhadap dampak perubahan iklim dan variabilitas
iklim (Bank Dunia2010).
Saat ini, perubahan iklim berdampak negatif terhadap
keberlanjutan sistem pertanian di banyak wilayah dan dapat terus
menantang masyarakat di negara berkembang yang mata
pencahariannya secara langsung bergantung pada produksi
pangan lokal (Wheeler dan von Braun2013). Dampak perubahan
iklim mungkin parah di daerah kering dan semi-kering di mana
sumber daya air sudah rendah. Daerah ini sangat sensitif terhadap
variabilitas iklim dan perubahan iklim terutama terhadap
variabilitas suhu tinggi dan curah hujan. Sebagian besar sistem
pertanian skala kecil di banyak daerah adalah tadah hujan dan
mungkin bertanggung jawab terhadap pengaruh langsung dari
variasi suhu dan curah hujan yang tidak dapat diprediksi
(Kurukulasuriya et al.2006). Ada tingkat kepercayaan yang tinggi
mengenai peningkatan suhu dan curah hujan di masa depan di
Ethiopia (Hadgu et al.2015). Dengan demikian, Ethiopia dapat
mengalami pemanasan lebih lanjut pada tahun 2030-an dan 2050-
an di semua musim (Hadgu et al.2015). Sebuah studi sebelumnya
juga menunjukkan bahwa curah hujan tahunan dapat meningkat
di Ethiopia, tetapi ada sedikit kepastian mengenai pola spasial dan
temporal (Conway dan Schipper2011). Saat ini, kekeringan,
hilangnya ternak, berkurangnya panen, degradasi lahan, dan
kelangkaan air terjadi di Ethiopia (Hadgu et al. 2015). Dampak
perubahan iklim di masa depan terhadap produksi tanaman di
Ethiopia diperkirakan baik secara nasional (Deressa dan Hassan
2009) atau skala yang lebih besar seperti Afrika timur (Bryan et al.
2009). Ada studi terbatas di tingkat subnasional atau lokal di
Ethiopia (Alemayehu dan Bewket2016). Oleh karena itu, penting
untuk menilai dampak perubahan iklim di masa depan terhadap
produksi tanaman skala lokal untuk merancang strategi adaptasi
yang tepat. Solusi untuk krisis pangan di Afrika Sub-Sahara (SSA)
adalah meningkatkan produktivitas tanaman dengan
meningkatkan strategi adaptasi terhadap cekaman biotik dan
abiotik (Taylor et al.2006). Studi ini mencoba bagaimana iklim di
masa depan kemungkinan akan mempengaruhi produksi sorgum
di wilayah semi-kering di Ethiopia.
Penggunaan strategi adaptif yang dapat mengurangi
dampak pada tanaman kurang umum di daerah kering dan
semi-kering di Ethiopia dan seringkali terbatas pada kelompok
petani yang sangat kecil. Praktik pertanian cerdas iklim adalah
teknik yang telah terbukti membalikkan atau mengurangi
dampak perubahan iklim. Teknologi mitigasi dan adaptasi
yang meliputi introduksi varietas tanaman baru, penggunaan
teknologi hemat air, praktek pengelolaan kesuburan tanah,
dan penggunaan input optimum (perbaikan benih).
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
dan pupuk) adalah pilihan yang sangat efektif untuk mengatasi
dampak buruk perubahan iklim. Efek negatif perubahan iklim dan
variabilitas iklim terhadap produksi sorgum dapat diminimalkan
dengan menggunakan teknologi adaptasi yang telah terbukti
(Sandeep et al.2018). Saat ini strategi adaptasi yang menjanjikan
seperti perubahan tanggal penaburan, penerapan irigasi dan
penggunaan pupuk optimal digunakan di berbagai daerah untuk
meminimalkan penurunan hasil panen gandum (Pramod et al.
2017). Sebuah studi yang dilakukan oleh Adem et al. (2016) juga
menunjukkan bahwa irigasi tambahan, perubahan tanggal
penaburan, dan penggunaan kultivar tanaman yang ditingkatkan
secara signifikan meningkatkan hasil buncis di wilayah semi-kering
timur laut Ethiopia di bawah kondisi iklim sekarang dan masa
depan. Dengan demikian, penelitian ini mencoba bagaimana
strategi adaptasi yang sesuai dapat meningkatkan produksi dan
produktivitas sorgum di bawah kondisi iklim saat ini dan masa
depan di wilayah penelitian.
Sistem pertanian memerlukan pendekatan sistematis karena
kompleksitasnya. Ilmu komputer telah memungkinkan untuk
menganalisis secara sistematis dampak gabungan dari beberapa
faktor pada tanaman. Menjadi mungkin untuk secara akurat
memprediksi respons hasil panen terhadap efek gabungan dari
tanah, tanaman, dan sistem iklim. Model tanaman dapat
memprediksi sistem tanaman nyata dengan memprediksi
pertumbuhan dan perkembangannya. Teknologi Sistem
Pendukung Keputusan untuk Agroteknologi (DSSAT) telah banyak
digunakan untuk mempelajari kesuburan tanah, pengelolaan air
dan irigasi, analisis kesenjangan hasil, interaksi genotipe dengan
lingkungan, memprediksi dampak perubahan iklim dan variabilitas
iklim pada tanaman dan evaluasi tindakan adaptif (Bhupinde2018).
Saat ini, aplikasi teknik pemodelan tanaman mendapat perhatian
yang signifikan dan telah memberikan solusi dengan mengurangi
biaya dan meningkatkan pemahaman kita. Teknologi DSSAT telah
digunakan untuk mensimulasikan biomassa tanaman, hasil, dan
dinamika nitrogen tanah di bawah praktik pengelolaan dan
kondisi iklim yang berbeda (Li et al.2015). Namun, ada kebutuhan
terus menerus untuk mengkalibrasi dan mengevaluasi model di
bawah berbagai lingkungan dan praktik tanam (López et al.2008).
Modul Crop-Environment-Resource-Synthesis (CERES)-sorghum
merupakan salah satu model tanaman dalam teknologi DSSAT.
Komponen utama dari model tersebut adalah perkembangan
vegetatif dan reproduksi, keseimbangan karbon, keseimbangan
air dan keseimbangan nitrogen (Singh dan Virmani1996). Model ini
dapat mensimulasikan pertumbuhan dan perkembangan sorgum
pada langkah waktu harian dari penaburan hingga pemasakan
dan pada akhirnya memprediksi hasil. Model ini juga
mensimulasikan proses fisiologis yang menjelaskan respon
tanaman terhadap faktor cuaca utama, termasuk suhu, curah
hujan dan radiasi matahari dan termasuk pengaruh karakteristik
tanah terhadap ketersediaan air untuk pertumbuhan tanaman.
Perbedaan genotipik dalam pertumbuhan, perkembangan dan
hasil kultivar tanaman adalah
Halaman 3 dari 17
dipengaruhi melalui koefisien genetik (parameter khusus
kultivar) yang merupakan input model. Oleh karena itu,
penelitian ini dilakukan dengan tujuan (1) untuk mengkalibrasi
dan mengevaluasi model CERES-Sorghum untuk
mensimulasikan fenologi, pertumbuhan, dan hasil sorgum (2)
untuk memprediksi dampak proyeksi perubahan iklim
terhadap fenologi dan hasil sorgum dan ( 3) mengevaluasi
efektivitas perubahan tanggal tanam, pemupukan nitrogen
dan irigasi tambahan sebagai strategi adaptasi produksi
sorgum berkelanjutan di wilayah studi.
Bahan dan metode
Deskripsi lokasi penelitian
Penelitian dilakukan di dua tempat (Sirinkadan Harbu) terletak di
daerah semi-kering di wilayah Amhara, timur laut Ethiopia. Situs
Sirinka terletak pada ketinggian 1850 m di atas permukaan laut
(mdpl) dengan garis lintang 11° 45′00″N dan bujur 39° 36′36″E
sedangkan situs Harbu berada pada ketinggian 1450 mdpl dengan
garis lintang 10° 55′00″N dan bujur 39° 47′00″E. Wilayah ini
menerima curah hujan total tahunan sebesar 945 mm dengan
rata-rata suhu maksimum dan minimum tahunan masing-masing
sebesar 27,3 °C dan 13,6 °C. Curah hujan di wilayah tersebut
rendah, tidak menentu dan distribusinya tidak merata (Adem et al.
2016). Jenis tanah dicirikan sebagai Eutric Vertisol (Adem et al.
2016). Wilayah studi didominasi oleh pegunungan terjal dengan
perbukitan bergelombang dan dasar lembah. Kedua lokasi
menerima curah hujan bimodal dengan musim hujan kecil yang
berlangsung dari Februari hingga April/Mei (secara lokal dikenal
sebagaiBelgia) dan musim hujan utama (secara lokal dikenal
sebagai Kiremt) berlangsung dari Juni hingga September. Defisit
air terminal yang disebabkan oleh musim kering merupakan
kendala utama untuk produksi tanaman. Tanaman utama yang
ditanam di lokasi penelitian adalah sorgum, jagung, buncis,
kacang haricot, kacang polong, lentil, teff (Eragrostis teff).
Pertanian campuran (tanaman dan ternak) adalah sistem produksi
utama. Monokultur dominan sedangkan rotasi tanaman (sereal
dengan tanaman pulsa) dan tumpang sari dipraktekkan sampai
batas tertentu. Sebagian besar tanaman ladang ditanam di bawah
kondisi tadah hujan selama musim hujan utama dan beberapa
tanaman seperti kacang polong, teff, dan kacang hijau ditanam
selama musim hujan singkat. Sorgum dapat ditanam pada musim
hujan pendek maupun panjang berdasarkan sifat kultivar sorgum
(tipe berumur pendek atau panjang). Ada empat musim yang
berbeda di Ethiopia yaitu Musim Panas (Juni, Juli dan Agustus),
Musim Gugur (September, Oktober dan November), Musim Dingin
(Desember, Januari dan Februari) dan Musim Semi (Maret, April
dan Mei) seperti yang ditunjukkan pada Gambar.1.
Deskripsi model DSSAT dan CERES‑sorghum
Teknologi DSSAT adalah perangkat lunak yang paling banyak
digunakan di banyak negara. Saat ini, menggabungkan lebih
dari 42 tanaman yang berbeda termasuk sereal, biji-bijian,
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 4 dari 17

1200
Kombolcha Sirinka (SEBUAH)

1000
Curah hujan total musiman rata-rata (mm)

800

600

400

200

0
Tahunan Musim semi Musim panas Otomatis Musim dingin

Suhu Maksimum (Sirinka) Suhu Minimum (Sirinka) Suhu

Suhu Maksimum (Kombolcha) 35 Minimum (Kombolcha)
Temperatur maksimum dan minimum

(B)
30

25

20
(HaiC)

15

10

0
Tahunan Musim semi Musim panas Otomatis Musim dingin

Gambar 1Curah hujan total rata-rata tahunan dan musiman (SEBUAH) dan rata-rata tahunan dan rata-rata suhu maksimum dan minimum musiman (B) di stasiun
cuaca Kombolcha dan Sirinka (1988–2018), Etiopia

polong-polongan, dan umbi-umbian (Hoogenboom2003). dan hasil menggunakan langkah waktu harian dari penaburan
DSSAT adalah paket pertama dengan generator simulasi hingga pematangan tanaman. Perbedaan pertumbuhan,
cuaca. Berorientasi proses dan dirancang untuk bekerja perkembangan, dan hasil kultivar tanaman dipengaruhi oleh
secara independen dari lokasi, musim, budidaya tanaman, dan koefisien genetik (parameter spesifik kultivar) yang menjadi input
sistem manajemen. Itu mampu mensimulasikan pengaruh model tanaman. Model tersebut dapat mensimulasikan proses
cuaca, air tanah, genotipe, dan dinamika nitrogen tanah dan fisiologis yang menggambarkan respon tanaman terhadap faktor
tanaman pada pertumbuhan dan hasil tanaman (Jones et al. cuaca seperti suhu, curah hujan, dan radiasi matahari termasuk
2003). DSSAT dan model simulasi tanamannya telah pengaruh karakteristik tanah terhadap ketersediaan air untuk
digunakan dalam berbagai aplikasi di banyak negara. DSSAT pertumbuhan tanaman.
mengintegrasikan efek tanah, fenotip tanaman, cuaca, dan
opsi pengelolaan serta menganalisis hasilnya dalam hitungan Masukan model
menit. Model CERES-sorghum adalah salah satu model dalam Eksperimen lapangan dan prosedur pengumpulan data
DSSAT dengan komponen utama perkembangan vegetatif dan Untuk kalibrasi model tanaman, percobaan lapangan dilakukan di
reproduksi, keseimbangan karbon, keseimbangan air, dan Sirinka pada musim tanam utama 2019 di plot berukuran 10 m *
keseimbangan nitrogen (Singh dan Virmani 1996). Model 10 m yang diulang tiga kali. Dalam analisis kami menganggap
dapat mensimulasikan pertumbuhan, perkembangan, setiap replikasi individu sebagai data berpasangan
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
(diamati-simulasikan) untuk menghitung R2, RMSE, nRMSE dan
nilai d statistik untuk masing-masing parameter. Nama
kultivar sorgumGirana-1digunakan sebagai tanaman uji dan
ditanam dengan jarak tanam 0,75 m * 0,15 m. Pupuk
campuran terbaru yang direkomendasikan (NPSB) dengan
kandungan nutrisi 18,9% N, 37,7% P2HAI5, 6,95% S dan 0,18%
B diterapkan selama waktu tanam tanaman dengan takaran
100 kg ha−1. Pupuk nitrogen berupa urea (46%N) diberikan
selama masa tanam dengan takaran 25 kg ha−1dan tambahan
25 kg ha−1diterapkan 35 hari setelah munculnya tanaman.
Untuk pengamatan tanggal antesis, tanggal masak
fisiologis, periode pengisian gabah, lima tanaman dipilih
secara acak dari setiap plot dan diberi tanda. Hari hingga
bunga mekar dicatat sebagai jumlah hari dari tanggal
penaburan hingga tanggal di mana 50% tanaman dalam petak
mulai menuju. Hari sampai masak fisiologis dicatat sebagai
jumlah hari dari tanggal penaburan sampai tanggal dimana
75% tanaman dalam satu petak masak fisiologis. Masa
pengisian gabah adalah jumlah hari dari 50% pembungaan
sampai 75% kematangan fisiologis, Untuk pengukuran
berdasarkan berat, subsampel (dari seluruh bagian tanaman)
dikeringkan dalam oven selama 72 jam pada suhu 60 °C
sampai berat konstan dan beratnya ditentukan dengan
menggunakan neraca sensitif. Luas daun pada antesis 50%
diukur dengan mengalikan panjang daun dengan lebar daun
maksimum dan disesuaikan dengan faktor koreksi 0,75 (yaitu
0,75 * panjang daun * lebar daun maksimum) seperti yang
disarankan oleh Francis et al. (1969). Dengan demikian, Indeks
luas daun (LAI) dihitung dengan membagi luas daun dengan
luas tanah sampel. Model tanaman dievaluasi menggunakan
tanggal bunga mekar, tanggal masak fenologis dan hasil
gabah yang dikumpulkan dari percobaan lapangan yang
dilakukan pada tahun 2013, 2014, 2015 dan 2017 di Sirinka.
Pangkas data manajemen
Praktik pengelolaan yang direkomendasikan untuk
tanaman sorgum diperlukan sebagai masukan dari model.
Dengan demikian informasi tanggal tanam, cara tanam,
sebaran tanam, populasi tanaman, jarak tanam,
kedalaman tanam, pemilihan kultivar, jumlah dan jadwal
irigasi, jenis dan jumlah pupuk, serta jenis olah tanah
diperoleh dari Balai Penelitian Pertanian Sirinka terdekat
yang berlokasi di wilayah studi.
Data tanah
Sekitar dua minggu sebelum penaburan tanaman, sampel
tanah dikumpulkan dari kedalaman tanah 1,6 m di dekat
lokasi percobaan untuk analisis kimia dan fisik. Sebanyak
empat cakrawala tanah yang berbeda diidentifikasi. Sampel
tanah dikumpulkan berdasarkan horizon tanah dan dianalisis
tekstur tanah, pH, karbon organik, nitrogen total, tersedia
Halaman 5 dari 17
fosfor, kation yang dapat ditukar, konduktivitas listrik,
kerapatan curah, batas atas kadar air tanah yang
dikeringkan, batas bawah kadar air tanah dan kadar air
jenuh. Tekstur tanah ditentukan dengan metode
hidrometer Bouyoucos yang dimodifikasi (Bouyoucos1962)
menggunakan natrium heksametafosfat sebagai zat
pendispersi. pH tanah ditentukan secara potensiometri
menggunakan pH meter digital dalam suspensi air tanah
1:2,5 (Van Reeuwijk 2002). Karbon organik ditentukan
dengan metode destruksi basah sedangkan nitrogen total
ditentukan melalui prosedur destruksi, distilasi dan titrasi
Kjeldahl dari metode destruksi basah (Black1965). Fosfor
yang tersedia ditentukan secara kolorimetri menggunakan
metode Olsen (Olsen1954). Kapasitas tukar kation
diperkirakan secara titrimetri dengan distilasi amonium
yang digantikan oleh natrium dari larutan NaCl (Chapman
1965). Dinamika air tanah diperkirakan dengan
memasukkan tekstur tanah, kandungan bahan organik
tanah dan kepadatan tanah ke dalam program utilitas
pembuatan file tanah dari paket perangkat lunak DSSAT.
Data cuaca dan skenario RCP
Data harian suhu udara maksimum dan minimum (°C), curah
hujan harian (mm) dan total radiasi matahari harian (MJM−2
hari−1) untuk periode 1981–2020 diperoleh dari stasiun cuaca
terdekat di Sirinka dan Kombolcha. Program utilitas Weather
Man dari DSSAT 4.6 digunakan untuk mengubah jam sinar
matahari menjadi radiasi matahari (MJM−2Hari−1). Data iklim
masa depan untuk tahun 2030-an (2020–2049) dan 2050-an
(2040–2069) diperoleh dari 17 output CMIP5 GCM yang
berjalan di bawah skenario RCP4.5 dan RCP8.5 yang diunduh
dari portal perubahan iklim International Center for Tropical
Agriculture (CIAT) (http://ccafs-climate.org/) dan diturunkan ke
situs target menggunakan perangkat lunak MarkSim (Jones
dan Thornton2013). WorldClim V1.3 digunakan untuk
menginterpolasi iklim pada titik yang diperlukan. Database
iklim ini dapat dianggap mewakili kondisi iklim saat ini. Ini
menggunakan data cuaca historis dari beberapa database.
Jadi, MarkSim menggunakan catatan iklim untuk setiap lokasi
tertentu. Dalam studi ini, dua skenario perubahan iklim
(RCP4.5, RCP8.5) digunakan untuk memprediksi dampak
perubahan iklim yang diproyeksikan terhadap produksi
sorgum dan mengeksplorasi strategi adaptasi tanaman. Studi
ini mengasumsikan CO2efek pemupukan pada sorgum Jadi,
kami menggunakan 380 ppm CO22untuk periode dasar
sedangkan 423 ppm dan 432 ppm digunakan untuk tahun
2030-an dan 499 dan 571 ppm untuk tahun 2050-an masing-
masing untuk skenario RCP 4.5 dan RCP8.5 (IPCC2013). RCP
adalah lintasan konsentrasi gas rumah kaca yang diadopsi
oleh IPCC untuk penilaian kelimanya (IPCC2013). Dalam
skenario RCP4.5, Gas rumah kaca
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
(GRK) konsentrasi naik dengan meningkatnya kecepatan sampai
memaksa adalah 4,5 W m−2pada tahun 2100. Ini adalah skenario
kenaikan konsentrasi emisi moderat sedangkan, pada RCP8.5,
konsentrasi GRK naik dengan kecepatan yang meningkat hingga
pemaksaan sebesar 8 W m−2pada tahun 2100. Ini adalah skenario
kenaikan konsentrasi yang tinggi.
Prosedur kalibrasi dan evaluasi model
Model CERES-Sorghum dalam model DSSAT dikalibrasi
menggunakan data eksperimen lapangan musim tanam
utama 2019 yang dilakukan di lokasi Sirinka. Kalibrasi
didefinisikan sebagai penyesuaian parameter model agar
hasil prediksi sangat mendekati hasil yang diperoleh dari
percobaan lapangan. Model tersebut menggunakan
koefisien genetik yang menentukan karakteristik fenologi,
pertumbuhan, dan hasil dari kultivar tanaman tertentu.
Kalibrasi model dilakukan melalui metode trial and error
dengan menerapkan perubahan kecil (+5%) pada setiap
parameter dan dengan menyesuaikan koefisien genetik
yang menentukan fenologi tanaman diikuti dengan hasil
dan komponen hasil. Koefisien genetik yang disesuaikan
digunakan dalam evaluasi selanjutnya dari model
tanaman. Pada fase kalibrasi dan evaluasi, diamati tanggal
antesis, maturitas fisiologis,1991), root mean square error
yang dinormalisasi (nRMSE), indeks kesepakatan (d)
(Willmott et al.1985), dan koefisien determinasi (R2). RMSE
adalah standar deviasi residual (kesalahan prediksi).
Residual mengukur seberapa jauh titik data dari garis
regresi. Ini memberi tahu kita seberapa terkonsentrasi
data di sekitar garis yang paling cocok. R2adalah ukuran
statistik seberapa baik prediksi regresi mendekati poin
data sebenarnya. sebuah R2dari 1 menunjukkan bahwa
prediksi regresi sangat sesuai dengan data. Indeks
Kesepakatan (d) yang dikembangkan oleh Willmott (1981)
digunakan sebagai ukuran standar tingkat kesalahan
prediksi model dan bervariasi antara 0 dan 1. Nilai 1
menunjukkan kecocokan yang sempurna, dan 0
menunjukkan tidak ada kesepakatan sama sekali (Willmott
1981). nRMSE memberikan ukuran (%) dari perbedaan
relatif antara data yang disimulasikan dan yang diamati.
Nilai yang lebih kecil menunjukkan kecocokan model yang
baik
√ pengelolaan tanah dan tanaman yang khas (tingkat aplikasi
∑n
(P saya
− O )saya
2 pupuk, jarak baris, tanggal tanam, metode penanaman, dll.).
RMSE = saya=1
n Dalam simulasi, tanaman ditanam pada jarak 0,75 m
dimana n=jumlah observasi, Pi=nilai prediksi untuk
pengukuran ke-i dan Oi=nilai observasi untuk
Halaman 6 dari 17
pengukuran engan. Dengan demikian, nilai yang lebih rendah menunjukkan kecocokan
model yang baik.
RMSE
RMSE = ×100
N
di mana N adalah rata-rata dari variabel yang diamati. nRMSE
memberikan ukuran (%) dari perbedaan relatif antara data yang
disimulasikan dan yang diamati. Nilai yang lebih kecil menunjukkan
kecocokan model yang baik
[ ]
∑n
saya=1(Pi − Oi)2
=1 -∑n
saya=0(|Pi − O|) + (|Oi − O|)2
D-statistik dihitung sebagai (0≤d≤1). Semakin banyak nilai
yang mendekati kesatuan dianggap sebagai kesepakatan
terbaik antara data yang diprediksi dan diamati (Musongaleli
et al.2014). Ketika d=1 menunjukkan sangat baik. Dimana n:
jumlah observasi, Oi dan Pi adalah nilai observasi dan prediksi,
masing-masing untuk pasangan data ke-i; dan O adalah rata-
rata dari nilai yang diamati.
Analisis dampak proyeksi perubahan iklim
terhadap sorgum
Model CERES-sorghum yang dikombinasikan dengan program
analisis musiman di DSSAT digunakan untuk mensimulasikan
fenologi, pertumbuhan, dan hasil sorgum di bawah kondisi
iklim saat ini dan di masa mendatang di daerah penelitian.
Kultivar sorgum(Girana-1)digunakan sebagai tanaman uji.
Simulasi dilakukan untuk periode baseline (1981–2010) dan
untuk proyeksi perubahan iklim pada tahun 2030an (2020–
2049) dan 2050an (2040–2069) di bawah skenario RCP4.5 dan
RCP8.5. Dalam studi ini, semua simulasi dimulai pada Juli-2
karena merupakan tanggal rata-rata tanam sorgum di area
praktik sebagian besar petani. Musim hujan yang panjang
biasanya dimulai pada akhir bulan Juni hingga minggu
pertama bulan Juli. Oleh karena itu, penelitian ini juga
mengasumsikan bahwa profil tanah berada pada batas atas
ketersediaan air tanah pada tanggal tersebut dan tanaman
ditanam pada kondisi curah hujan pada model tersebut.
Diasumsikan juga bahwa kondisi tanah, praktik pengelolaan
tanaman, dan karakteristik kultivar tanaman serupa dengan
situasi saat ini. Dengan demikian, tanggapan kultivar sorgum
terhadap iklim masa depan dievaluasi menggunakan praktik
* Jarak tanam 0,15 m menggunakan pupuk campuran (NPSB) dan
Urea dengan takaran 100 kg ha−1dan 50 kg ha−1, masing-masing.
Studi ini juga mengasumsikan tidak ada masalah serangga,
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 7 dari 17

penyakit dan gulma selama periode simulasi. Keluaran
dari model tanaman seperti hari hingga bunga mekar, hari
hingga kematangan fisiologis, hasil gabah dan transpirasi
tanaman musiman dihitung. Perubahan fenologi dan hasil
dibandingkan sebagai berikut.
irigasi) dievaluasi. Analisis simulasi dilakukan secara individual
dan dalam kombinasi untuk semua faktor yang ditunjukkan di
atas (perubahan tanggal penaburan, kadar nitrogen, dan
irigasi tambahan) untuk menemukan strategi adaptasi yang
paling menjanjikan. Akhirnya, hasil simulasi

Xpredicted - Xbase
hang di antheis atau kematangan fisiologis (%) = ∗100
Xbase

di mana, X adalah bunga mekar atau kematangan fisiologis data dianalisis menggunakan teknik analysis of variance (ANOVA)
menggunakan sistem analisis statistik (SAS2009). Rata-rata
YPredicted − Ybase
tergantung pada hasil gabah (%) = ∗100 dibandingkan dengan menggunakan least significant difference
Ybase (LSD) pada tingkat probabilitas 5%. Tahun-tahun simulasi
dimana, Y adalah hasil gabah. dianggap sebagai ulangan karena hasil dalam satu tahun di
bawah perlakuan tertentu tidak terpengaruh oleh tahun
Analisis skenario pengelolaan sorgum berikutnya (sisa air tanah tahun sebelumnya tidak disimulasikan).
Pengaruh perubahan tanggal penaburan, kadar nitrogen, dan irigasi Tahun simulasi adalah karakteristik cuaca yang tidak dapat
tambahan dievaluasi sebagai strategi adaptasi sorgum untuk diprediksi dan oleh karena itu pengacakan formal tahun simulasi
keefektifannya dalam mempertahankan produksi di wilayah penelitian. tidak diperlukan.
Jendela penaburan sorgum di wilayah studi adalah antara pertengahan
Juni dan pertengahan Juli. Dengan demikian, jendela penaburan
hasil dan Diskusi
dikategorikan sebagai tanggal penaburan awal, tanggal penaburan
Hasil evaluasi kalibrasi model
standar (normal), dan tanggal penaburan akhir. Berdasarkan kategori
Model CERES-Sorghum dikalibrasi menggunakan data
ini, tiga tanggal penaburan (15 Juni, 30 Juni, dan 15 Juli) dipilih. Dalam
eksperimen bunga mekar, kematangan fisiologis, hasil gabah,
hal ini, penaburan pada tanggal 15 Juni dianggap sebagai penaburan
dan hasil biomassa di atas tanah yang dikumpulkan di Sirinka
awal sedangkan penaburan pada tanggal 30 Juni adalah tanggal
selama musim panen utama 2019. Model CERES-sorghum
penaburan normal seperti yang dilakukan oleh sebagian besar petani
terdiri dari sebelas koefisien eko-fisiologis yang digunakan
sedangkan penaburan pada tanggal 15 Juli dianggap sebagai
untuk mensimulasikan fenologi, pertumbuhan, dan hasil
penaburan sorgum yang terlambat. Pengaruh nitrogen dievaluasi pada
sorgum (Tabel1). Koefisien genetik yang dikalibrasi dalam
tiga tingkatan (0, 46, dan 92 kg N ha−1) dan diaplikasikan dalam bentuk
model juga ditunjukkan pada Tabel1. Setelah kalibrasi, nilai
pupuk Urea (46%). Mengenai perawatan irigasi, 100 mm air
waktu termal dari awal pengisian gabah hingga kematangan
diaplikasikan sebagai irigasi tambahan dalam interval sepuluh hari
fisiologis (P5) ditetapkan menjadi 490 derajat hari sedangkan
mulai periode antesis tanaman untuk mengurangi efek defisit air
waktu termal dari kemunculan bibit hingga akhir fase juvenil
terminal. Dengan demikian, dua tingkat perlakuan irigasi (tadah hujan
ditetapkan menjadi 420 derajat hari (Tabel1). RMSE untuk
dan tambahan
antesis,

Tabel 1Koefisien genetik yang dikalibrasi dariGirana-1kultivar dalam model

Parameter Definisi Genetik

koefisien

P1 Waktu termal dari kemunculan bibit hingga akhir fase juvenil (°Cd) Waktu 420
P2 termal dari akhir fase juvenil hingga inisiasi juvenil (°Cd) Fotoperiode kritis 102
P2O atau panjang hari terpanjang (dalam jam) 13
P2R Fase perkembangan yang mengarah ke inisiasi malai (°Cd) Waktu termal 90
PANTH dari akhir inisiasi rumbai hingga antesis (°Cd) Waktu termal dari hingga 400,5
P3 akhir pemuaian daun bendera hingga antesis (°Cd) Waktu termal dari 152.5
P4 antesis hingga awal pengisian gabah (°Cd ) 81.5
P5 Waktu termal dari awal pengisian gabah hingga kematangan fisiologis (°Cd) Interval 490
PHINT waktu termal antara kemunculan ujung daun berturut-turut (°Cd) Scaler untuk 49
G1 ukuran daun relatif 10
G2 Scaler untuk partisi asimilasi ke malai (kepala) 4
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 8 dari 17

kematangan fisiologis, hasil gabah, dan hasil biomassa di
atas tanah adalah 2 hari, 2 hari, 478 kg ha−1, dan 912 kg ha
−1, masing-masing sedangkan nRMSE untuk masing-
masing parameter adalah 2,74%, 1,6%, 13,42%, dan 5,91%
(Tabel2). Hasil penelitian menunjukkan bahwa ada
kesepakatan yang dapat diterima antara antesis yang
disimulasikan dan diukur, kematangan fisiologis, dan hasil
sorgum yang menunjukkan bahwa parameter spesifik
kultivar (koefisien genetik) dalam model tanaman cukup
disesuaikan. Namun, kinerja model harus dievaluasi lebih
lanjut dengan kumpulan data independen untuk simulasi
situasi nyata di wilayah studi.
Dengan demikian, untuk mengevaluasi kinerja model untuk
simulasi fenologi dan hasil sorgum data percobaan empat
tahun (2013, 2014, 2015 dan 2017) diperoleh dari situs Sirinka
yang dilakukan oleh Pusat Penelitian Pertanian Sirinka yang
terletak di wilayah studi. Parameter tanaman yang digunakan
untuk evaluasi adalah umur berbunga, umur masak fisiologis,
hasil gabah dan hasil biomassa di atas permukaan tanah.
Hasilnya menunjukkan bahwa kecocokan (R2) adalah 78%
untuk anthesis, 99% untuk kematangan fisiologis, 98% untuk
hasil biomassa di atas permukaan tanah, dan 94% untuk hasil
gabah sedangkan nilai statistik d adalah 0,87 untuk anthesis,
0,91 untuk fisiologis

Meja 2Perbandingan antara tanggal antesis yang disimulasikan dan yang diamati, kematangan fisiologis (hari), hasil gabah dan hasil biomassa di atas
permukaan tanahGirana-1 kultivar sorgum (data jumlah pasangan (n)=3) menggunakan R2, RMSE dan nRMSE selama kalibrasi model di Sirinka

Parameter Diamati Simulasi R2 d RMSE nRMSE (%)

Days to Anthesis (hari) 73 75 0,78 0,87 2 2.74

Hari sampai masak (hari) 125 127 0,94 0,92 2 1.6
Hasil gabah (kg ha−1) 3562 3084 0,89 0,90 478 13.42
Hasil Biomassa Atas Tanah (kg ha 15.420 14.508 0,87 0,88 912 5.91
−1)

Tabel 3Perbandingan antara tanggal antesis yang disimulasikan dan yang diamati, tanggal kematangan fisiologis, hasil gabah dan biomassa menggunakan R
2, d, RMSE dan nRMSE selama evaluasi model (jumlah perbandingan=4)

Parameter Diamati Simulasi R2 d RMSE nRMSE (%)

Antesis (hari) 71 (3.3) 73 (3.25) 0,78 0,87 1.83 2.6

Kematangan fisiologis (hari) 122 (6.34) 125 (7.54) 0,99 0,91 3.3 2.7
Hasil gabah (kg ha−1) Hasil 2932 (515) 2351 (543) 0,94 0,67 685.6 23.4
biomassa (kg ha−1) 11.656 (1296) 11.365 (1025) 0,98 0,98 477.8 4.1
Angka dalam kurung menunjukkan standar deviasi

Curah hujan Suhu maksimum Suhu minimal

982 1022 1031 1030 1060

26.8 28.2 28.3 28.7 29.3

11.6 13 13.2 13.6 14.3

Dasar (1981-2010) 2030-an (RCP4.5) 2030-an (RCP8.5) 2050-an (RCP4.5) 2050-an (RCP8.5)
Gambar 2Proyeksi rata-rata curah hujan tahunan (mm), rata-rata tahunan maksimum dan rata-rata suhu minimum tahunan (°C) dari periode baseline, 2030-an
dan 2050-an di bawah skenario RCP4.5 dan RCP8.5 di wilayah studi
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 9 dari 17

kematangan, 0,67 untuk hasil gabah dan 0,98 untuk hasil
biomassa di atas permukaan tanah (Tabel3). Nilai nRMSE
adalah 2,6% untuk bunga mekar, 2,7% untuk kematangan
fisiologis, 23,4% untuk hasil gabah, dan 4,1% untuk hasil
biomassa di atas permukaan tanah (Tabel3). Hasil evaluasi
model menunjukkan bahwa ada kecocokan yang sangat baik
antara nilai yang disimulasikan dan diamati yang
menunjukkan kinerja model untuk mensimulasikan fenologi
(bunga mekar dan pembungaan), pertumbuhan, dan hasil di
bawah lingkungan semi-kering timur laut Ethiopia. Hasil juga
menunjukkan bahwa model dapat digunakan untuk aplikasi
yang berbeda seperti untuk mempelajari pengaruh
perubahan iklim pada produksi sorgum dan untuk memilih
strategi adaptasi tanaman terbaik untuk produksi sorgum di
bawah kondisi iklim saat ini dan masa depan di wilayah studi.
Proyeksi perubahan iklim dan implikasinya
Proyeksi perubahan iklim di wilayah studi
Proyeksi iklim masa depan di wilayah studi menunjukkan bahwa suhu
rata-rata tahunan maksimum dan rata-rata tahunan dapat meningkat
pada tahun 2030-an dan 2050-an di bawah skenario RCP4.5 dan RCP8.5
(Gbr. 1).2). Hasil proyeksi menunjukkan bahwa rata-rata suhu
maksimum tahunan dapat meningkat sebesar 1,4 °C dan 1,5 °C pada
tahun 2030-an di bawah skenario RCP4.5 dan RCP8.5, masing-masing
dibandingkan dengan periode baseline. Proyeksi untuk periode 2050-
an juga menunjukkan bahwa rata-rata suhu maksimum tahunan dapat
meningkat sebesar 1,9 °C dan 2,5 °C untuk masing-masing skenario
RCP. Demikian pula, rata-rata suhu minimum tahunan dapat
meningkat sekitar 1,4 °C dan 1,6 °C pada tahun 2030-an sedangkan
diproyeksikan akan meningkat sebesar 2 °C dan 2,5 °C pada tahun
2050-an di bawah skenario RCP masing-masing (Gbr.2). Hasil proyeksi
mengungkapkan bahwa rata-rata total curah hujan tahunan dapat
meningkat sekitar 4% dan 5% pada tahun 2030 di bawah RCP4.5 dan
RCP8.5, masing-masing dapat meningkat sebesar 5% dan
8% pada tahun 2050 di bawah skenario masing-masing
(Gambar.2). Hasil proyeksi perubahan iklim dalam studi ini
sejalan dengan Conway dan Schipper (2011), Setegn et al. (
2011), dan Dereje et al. (2012) yang melaporkan
peningkatan suhu di masa depan dalam beberapa dekade
mendatang di Ethiopia. Dapat disimpulkan bahwa variasi
parameter iklim ini dapat berdampak negatif terhadap
produksi tanaman di lingkungan semi kering timur laut
Ethiopia (Tabel4).
Proyeksi dampak perubahan iklim terhadap fenologi sorgum
Pengaruh iklim masa depan (curah hujan dan suhu) pada antesis dan
tanggal kematangan fisiologis sorgum di dua lokasi (Harbu dan Sirinka)
digambarkan dalam Gambar.3 dan4. Nilai yang disimulasikan pada
kedua lokasi menunjukkan bahwa antesis dan umur masak fisiologis
dari kultivar tersebut Girana-1dapat secara signifikan (P <0,05)
menurun pada tahun 2030-an dan 2050-an di bawah skenario RCP4.5
dan RCP8.5 dibandingkan dengan nilai yang disimulasikan untuk
periode baseline (1981–2010). Pengurangan tanggal bunga mekar di
Harbusitus mungkin 3,4% dan 3,9% pada tahun 2030-an untuk skenario
iklim RCP4.5 dan RCP8.5, masing-masing sedangkan pengurangan
pada tahun 2050-an mungkin 4,8% dan 7,2%, untuk skenario RCP
masing-masing (Gambar.3). Hasil prediksi untuk periode 2030-an dan
2050-an juga menunjukkan bahwa tanggal kematangan fisiologis dapat
menurun pada skenario RCP4.5 dan RCP8.5 dengan penurunan
sebesar 3,4% dan 3,7% pada tahun 2030an dan penurunan 4,5% dan
5,8% pada tahun 2050an untuk masing-masing RCP4. 5 dan skenario
RCP8.5. Dengan cara yang sama, pengurangan tanggal bunga mekar di
situs Sirinka mungkin 10,5% dan 12,5% pada tahun 2030-an sedangkan
pada tahun 2050-an pengurangannya mungkin 6% dan 20% untuk
masing-masing skenario RCP (Gbr. 1).4). Demikian pula, tanggal
kematangan fisiologis di situs Sirinka dapat dikurangi sebesar 13%

Tabel 4Sifat fisikokimia tanah di Sirinka pada musim utama 2019 dimana PWP, titik layu permanen; FC, kapasitas lapangan; SAT, saturasi;
RGF, faktor pertumbuhan akar; SKS, konduktivitas hidrolik jenuh; BD, kerapatan curah dan KTK, kapasitas tukar kation

Kedalaman tanah (cm) PWP (Cm3Cm−3) FC (Cm3Cm−3) SAT (Cm3Cm−3) RGF (0–1) SKS (cmh−1) BD (g cm−3) Tekstur Tanah (%)

Lumpur Pasir Tanah liat

0–30 0,11 0,227 0,450 1.0 0,09 1.24 31 40 40

30–60 0,099 0,193 0,452 0,35 0,43 1.29 55 15 30
60–120 0,079 0,165 0,452 0,122 1.32 1.36 41 39 20
120–160 0,179 0,316 0,475 0,061 2.59 1.31 63 19 18
Kedalaman tanah (cm) pH tanah Karbon Organik Jumlah Nitrogen Fosfor yang tersedia Konduktivitas listrik KPK
(%) (%) (mg/kg) (us/cm) (Meq/100gm
tanah

0–30 7.2 2.73 0,02 8.031 0,165 58.3

30–60 7.4 1.62 0,13 6.752 0,123 53.7
60–120 7.8 1.26 0,07 4.450 0,087 57.5
120–160 8.0 2.32 0,03 4.297 0,052 60.2
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 10 dari 17

- 7.2
RCP8.5 (2050-an)
- 5.8

- 4.8
RCP4.5 (2050-an)
- 4.5
Hari menuju Antesis

Hari menuju Kedewasaan - 3.9

RCP8.5 (2030-an)
- 3.7

- 3.4
RCP4.5 (2030-an)
- 3.4

-8 -7 -6 -5 -4 -3 -2 -1 0
Gambar 3Perubahan bunga mekar dan tanggal jatuh tempo (%) dariGirana-1kultivar di Harbu pada tahun 2030-an dan 2050-an) di bawah skenario RCP4.5 dan RCP8.5 dibandingkan
dengan nilai simulasi untuk periode baseline (1981–2010)

- 20
RCP8.5 (2050-an)
- 21

- 16
RCP4.5 (2050-an)
- 19
Hari menuju Antesis

Hari menuju Kedewasaan

- 12.5
RCP8.5 (2030-an)
- 17.6

- 10.5
RCP4.5 (2030-an)
- 13

- 25 - 20 - 15 - 10 -5 0
Gambar 4Perubahan bunga mekar dan tanggal jatuh tempo (%) dariGirana-1kultivar sorgum di Sirinka pada tahun 2030-an dan 2050-an di bawah skenario RCP4.5 dan RCP8.5
dibandingkan dengan nilai simulasi untuk periode baseline (1981–2010)

dan 17,6% pada tahun 2030-an sedangkan tanggal jatuh tempo dapat
menurun sebesar 19% dan 21% pada tahun 2050-an untuk masing-
masing skenario RCP (Gambar.4). Penurunan tanggal jatuh tempo lebih
tinggi daripada tanggal antesis di situs Sirinka karena defisit air
terminal yang lebih besar di situs Sirinka dibandingkan dengan situs
Harbu. Ada juga variasi dalam tekstur tanah dan karakteristik tanah
terkait di antara dua lokasi yang dapat berkontribusi
variasi ketersediaan lengas tanah bagi tanaman. Kondisi
ini dapat mempengaruhi respon tanaman terhadap defisit
air terminal. Di kedua lokasi, penurunan bunga mekar dan
tanggal kematangan fisiologis tertinggi diperkirakan pada
periode tahun 2050-an dibandingkan dengan hasil prediksi
untuk tahun 2030-an dan periode baseline. Ini bisa jadi
karena kenaikan suhu tertinggi pada tahun 2050-an
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 11 dari 17

2030-an (RCP4.5) 2030-an (RCP8.5) 2050-an (RCP4.5) 2050-an (RCP8.5)

Perubahan hasil gabah (%) 0

-5
- 6.7
- 10 - 8.8

- 12.3 - 11.9
- 15 - 12.9 - 13.2

- 17.1
- 20
- 19.6

- 25 Sirinka Harbu
Gambar 5Perubahan hasil gabah (%) dariGirana-1kultivar sorgum di lokasi Sirinka dan Harbu pada tahun 2030-an dan 2050-an dibandingkan dengan periode baseline (1981–
2010)

yang dapat menyebabkan defisit air pada tanaman karena suhu
tinggi dapat memperburuk tingkat penguapan dan
evapotranspirasi. Di bawah kondisi suhu yang sangat tinggi
tanaman mungkin terpaksa menyelesaikan siklus hidupnya
sebelum terjadinya defisit air. Suhu yang sangat tinggi dapat
mempercepat tahap pertumbuhan dan perkembangan tanaman
sorgum dan mengurangi siklus hidup tanaman. Proses fisiologis
tanaman seperti laju respirasi dan fotosintesis dapat meningkat
seiring dengan kenaikan suhu dan dapat mengakibatkan
pemendekan tahap pertumbuhan dan perkembangan tanaman.
Sebuah studi sebelumnya oleh Turner dan Rao (2013) juga
menunjukkan bahwa antesis dan masa panen sorgum berkurang
secara signifikan ketika suhu dinaikkan sekitar 1%. Sebuah studi
oleh Baviskar et al. (2017) juga menunjukkan bahwa peningkatan
suhu menghasilkan akumulasi unit panas yang cepat dari
penaburan hingga pembungaan membuat tanaman berbunga
dan matang lebih awal.
Proyeksi dampak perubahan iklim terhadap hasil gabah sorgum
Perubahan hasil gabah sorgum di situs Harbu dan Sirinka di
bawah kondisi iklim yang diproyeksikan digambarkan pada
Gambar.5. Hasil gabah yang disimulasikan untuk periode baseline
adalah 2699 kg ha−1sedangkan hasil simulasi pada tahun 2030
adalah 2462,9 kg ha−1dan 2519,3 kg ha−1untuk skenario RCP4.5
dan RCP8.5 sedangkan hasil gabah yang disimulasikan pada tahun
2050 untuk masing-masing skenario RCP adalah 2171 kg ha−1
dan 2343 kg ha−1. Nilai yang disimulasikan menunjukkan bahwa hasil
gabah dapat menurun di kedua lokasi pada periode waktu 2030-an dan
2050-an dibandingkan dengan hasil dasar. Berdasarkan hasil prediksi
di situs Harbu, hasil gabah sorgum dapat menurun sebesar 8,8% dan
6,7% pada tahun 2030-an dan dapat menurun masing-masing sebesar
19,6% dan 13,2% pada tahun 2050 di bawah skenario RCP4.5 dan
RCP8.5 (Gambar.5). Hasil simulasi untuk situs Sirinka juga
menunjukkan tren serupa di mana hasil gabah dapat menurun sebesar
12,9% dan 12,3% pada tahun 2030-an dan sebesar 17,1% dan 11,9%
pada tahun 2050-an untuk RCP masing-masing.

250
Total transpirasi musim (mm)

200 190.6

156.8 163.5 156.4

148.6
150

100

50

0
Dasar (1981- 2030-an (RCP4.5) 2030-an (RCP8.5) 2050-an (RCP4.5) 2050-an (RCP8.5)
2010)
Gambar 6Rata-rata simulasi transpirasi sorgum musiman (mm) pada periode baseline, 2030-an dan 2050-an dalam skenario RCP4.5 dan RCP8.5 di Sirinka
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 12 dari 17

skenario (Gbr.5). Penurunan hasil gabah yang relatif lebih rendah pada Tabel 5Pengaruh penaburan kurma dan irigasi tambahan terhadap
tahun 2050-an dibandingkan dengan penurunan hasil gabah pada tahun hasil gabah sorgum (kg ha−1) pada baseline, 2030-an dan 2050-an di
2030-an dapat dikaitkan dengan peningkatan curah hujan tertinggi pada bawah skenario RCP4.5 dan RCP8.5 di Harbu
tahun 2050-an yang dapat meningkatkan ketersediaan kelembaban tanah Perawatan Garis dasar 2030 an 2050-an
untuk tanaman dengan mengurangi masalah defisit air terminal.
RCP4.5 RCP8.5 RCP4.5 RCP8.5
Pengurangan hasil gabah sorgum di bawah kondisi iklim masa
depan dapat dikaitkan lebih kepada peningkatan suhu masa 15 Juni+RF 3038B 2566B 2453B 2445AB 2508AB
depan yang dapat mempengaruhi tanaman dengan mempercepat 30Juni+RF 2562C 2328BC 2392BC 2085BC 2260B
tahap pertumbuhan dan perkembangan dan akhirnya 15 Juli+RF 1986D 1994C 1983C 1670C 2159B
mengurangi hasil. Peningkatan suhu di masa mendatang dapat 15 Juni+SI 3672A 3145A 2937A 2799A 2908A
memperburuk laju evaporasi dan evapotranspirasi dan dapat 30 Juni+SI 3172B 3005A 2984A 2644A 2697A
menyebabkan kekurangan air yang diperlukan untuk 15 Juli+SI 2539B 2750AB 2757AB 2565A 2766A
pertumbuhan dan perkembangan normal tanaman. Hasil LSD (0,05) 397 435 445 477 409
menunjukkan bahwa total transpirasi musiman oleh tanaman
RF dan SI masing-masing menunjukkan tadah hujan dan irigasi tambahan
berkurang pada kondisi iklim masa depan karena kenaikan suhu
(Gambar.6). Penurunan transpirasi tanaman dapat menyebabkan
variasi dapat dikaitkan dengan perbedaan dalam model iklim
penurunan hasil. Kekurangan air akibat suhu tinggi dapat
global (GCM) yang digunakan dalam simulasi dan/atau
mempengaruhi penyerapan unsur hara oleh tanaman, translokasi
metode penurunan skala yang digunakan pada GCM dalam
laju fotosintesis hasil fotosintesis dari sumber (daun) ke tenggelam
penelitian. Alasan lain yang mungkin adalah variasi regional di
(biji) dan juga mempengaruhi proses fisiologis tanaman lainnya.
antara wilayah studi karena dampak perubahan iklim sangat
Penurunan hasil gabah sorgum mungkin juga terkait dengan efek
spesifik lokasi.
merugikan dari iklim masa depan terhadap sifat fisik dan kimia
tanah. Misalnya, iklim dapat mempengaruhi tekstur tanah,
struktur, kerapatan curah, porositas, kapasitas retensi nutrisi, dll. Skenario pengelolaan tanaman untuk produksi sorgum
Selain itu, perubahan iklim dapat mempengaruhi kesuburan tanah Di lokasi Harbu, baik interaksi utama maupun interaksi penaburan
karena peningkatan salinitas tanah (Schofield dan Kirkb2003; De tanggal dan irigasi tambahan secara signifikan (P <0,05)
Paz dkk.2012) dan berkurangnya ketersediaan unsur hara dan air mempengaruhi hasil gabah sorgum pada periode baseline, pada
bagi tanaman. Perubahan iklim juga dapat mempengaruhi sifat tahun 2030-an, dan 2050-an di bawah kedua skenario RCP (Tabel5
kimia tanah seperti pH tanah (Reth et al.2005), salinitas tanah, ). Simulasi untuk periode baseline menunjukkan hasil gabah
kapasitas tukar kation, siklus nutrisi, akuisisi nutrisi dan simulasi tertinggi (3672 kg ha−1) berasal dari penaburan awal (15
keanekaragaman hayati. Studi menunjukkan bahwa sifat fisik dan Juni) di bawah kondisi irigasi sedangkan hasil gabah terendah
kimia tanah sangat berkorelasi dengan sifat biologi tanah yang (1986 kg ha−1) berasal dari penaburan akhir (15 Juli) dalam kondisi
dapat mempengaruhi kesuburan tanah (Haynes2008). Sebagian tidak beririgasi. Tanggal tanam normal (30 Juni) dan tanggal
besar fungsi tanah seperti pH, kapasitas tukar kation, retensi air tanam akhir di bawah kondisi irigasi tidak menunjukkan variasi
dan unsur hara, dan struktur tanah bergantung pada bahan hasil yang signifikan dengan perlakuan penaburan awal di bawah
organik tanah. Dengan demikian, variasi laju dekomposisi bahan kondisi tidak beririgasi. Simulasi di bawah iklim dasar
organik tanah dapat mempengaruhi kesuburan tanah menunjukkan bahwa penanaman yang terlambat di bawah kondisi
(Golovchenko et al.2007). Fakta ini dapat menunjukkan bahwa tadah hujan secara signifikan menurunkan hasil gabah. Simulasi
peningkatan suhu di masa mendatang terkait dengan perubahan untuk tahun 2030-an dengan skenario RCP4.5 menunjukkan
pola curah hujan dapat mempengaruhi hasil sorgum. Dengan bahwa penaburan awal, tanggal penaburan normal dan tanggal
demikian, kondisi tersebut mungkin memerlukan perubahan penaburan akhir semuanya dalam kondisi irigasi tidak
dalam praktik pengelolaan tanaman yang dapat mempertahankan menunjukkan variasi hasil gabah yang signifikan di antara mereka.
kesuburan tanah di wilayah studi. Studi oleh Seo et al. (2005) juga Di bawah skenario ini, hasil gabah simulasi terendah (1994 kg ha−1
menunjukkan bahwa pemanasan global diperkirakan akan ) berasal dari penaburan akhir dalam kondisi tidak beririgasi dan
berdampak negatif pada banyak tanaman, tetapi peningkatan secara statistik sama dengan hasil dari tanggal penaburan normal
curah hujan di masa depan akan memberikan dampak yang dalam kondisi tidak beririgasi tetapi secara signifikan lebih rendah
menguntungkan. Berbeda dengan hasil ini, Chipanshi et al. (2003) daripada hasil simulasi dari penaburan awal dalam kondisi tidak
dan Msongaleli (2015) melaporkan bahwa hasil gabah sorgum beririgasi (Tabel5). Simulasi periode 2030-an di bawah RCP8.5 juga
akan meningkat di bawah perubahan iklim di masa depan. Studi menunjukkan tren serupa. Simulasi tahun 2050-an di bawah
oleh Wortmann et al. (2009) juga menunjukkan bahwa produksi RCP4.5 menunjukkan bahwa hasil gabah simulasi tertinggi (2799
sorgum dapat meningkat di Afrika bagian timur mengingat sedikit kg ha−1) berasal dari penaburan awal dalam kondisi beririgasi
peningkatan suhu. Seperti tetapi ternyata demikian
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 13 dari 17

secara statistik mirip dengan hasil dari tanggal penaburan normal
dan perlakuan tanggal penaburan akhir di bawah kondisi irigasi.
Hasil gabah simulasi terendah (1983 kg ha−1) berasal dari
penaburan akhir dalam kondisi tidak beririgasi dan secara statistik
sama dengan hasil dari tanggal penaburan normal tetapi secara
statistik lebih rendah daripada hasil yang disimulasikan dalam
kondisi penaburan awal dan tanpa irigasi. Simulasi tahun 2050-an
dengan skenario RCP8.5 menunjukkan tren yang sama. Hasil
keseluruhan menunjukkan bahwa perubahan tanggal penaburan
tidak berpengaruh signifikan terhadap hasil sorgum di bawah
skenario ini yang mungkin disebabkan oleh kenaikan suhu
tertinggi. Alih-alih, penggunaan irigasi atau perubahan jenis
kultivar dapat menghasilkan peningkatan hasil sorgum pada
tahun 2050-an di bawah skenario RCP8.5..
Sebagian besar hasil simulasi menunjukkan bahwa irigasi
tambahan merupakan praktik pengelolaan air yang penting
yang dapat meningkatkan hasil sorgum di berbagai periode
waktu dan skenario iklim. Dengan cara yang sama, penaburan
awal dapat menjadi praktik penting untuk meningkatkan
produksi sorgum di lingkungan semi-kering di daerah
penelitian, khususnya di bawah kondisi tidak beririgasi. Pada
sebagian besar simulasi, penaburan awal (15 Juni)
menghasilkan hasil tertinggi pada kondisi non-irigasi (Tabel5).
Penaburan awal lebih disukai karena membantu tanaman
untuk menyesuaikan kebutuhan air puncak dengan periode
hujan utama sedangkan penanaman yang terlambat akan
mendorong periode permintaan air puncak tanaman setelah
musim hujan utama berlalu. Hasil juga menunjukkan bahwa
ada efek sinergis yang terbatas dari penaburan kurma dan
irigasi tambahan pada peningkatan produktivitas sorgum.
Semua tanggal tanam di bawah kondisi irigasi tidak
menunjukkan variasi hasil yang signifikan di seluruh periode
waktu dan skenario iklim. Lingkungan semi-kering timur laut
Ethiopia dicirikan oleh curah hujan yang rendah dan variabel
dan defisit air terminal adalah masalah utama untuk produksi
tanaman. Dengan demikian, hasil sorgum di lingkungan ini
Tabel 6Pengaruh tanggal tanam dan irigasi tambahan pada hasil
gabah pada periode dasar, 2030-an dan 2050-an di bawah skenario
RCP4.5 dan RCP8.5 di Sirinka
dapat dimaksimalkan melalui penaburan awal tanaman dan
dengan menggunakan irigasi tambahan.
Di lokasi Sirinka, interaksi tanggal penaburan utama dan irigasi
tambahan secara signifikan (P <0,05) memengaruhi hasil gabah
yang disimulasikan pada baseline, pada tahun 2030-an, dan 2050-
an di bawah skenario RCP4.5 dan RCP8.5 (Tabel6). Simulasi untuk
periode baseline menunjukkan hasil gabah simulasi tertinggi
(3616 kg ha−1) berasal dari tanggal penaburan awal dalam kondisi
beririgasi. Hasil yang disimulasikan dari tanggal penaburan awal
di bawah kondisi tadah hujan secara statistik serupa dengan hasil
dari tanggal penaburan normal di bawah kondisi irigasi (Tabel6).
Hasil gabah simulasi terendah (1270 kg ha−1) berasal dari tanggal
penaburan akhir dalam kondisi tidak beririgasi (Tabel6) diikuti
dengan hasil dari tanggal penaburan normal dalam kondisi tanpa
irigasi. Hasil simulasi di bawah skenario dasar menunjukkan tren
penurunan hasil di bawah kondisi non-irigasi ketika tanggal
penaburan ditunda (Tabel6). Simulasi untuk tahun 2030-an di
bawah RCP4.5 menunjukkan bahwa hasil gabah simulasi tertinggi
(3119 kg ha−1) berasal dari tanggal penaburan awal dalam kondisi
irigasi tetapi secara statistik sama dengan hasil dari tanggal
penaburan normal dan akhir dalam kondisi irigasi. Hasil gabah
simulasi terendah (1976 kg ha−1) berasal dari penaburan terlambat
dalam kondisi tidak beririgasi dan secara statistik serupa dengan
tanggal penaburan normal dalam kondisi tidak beririgasi tetapi
secara statistik lebih rendah daripada hasil dari tanggal
penaburan awal dalam kondisi tidak beririgasi (Tabel6). Simulasi
untuk tahun 2030-an di bawah skenario RCP8.5 menunjukkan tren
yang sama dengan hasil yang disimulasikan pada periode tahun
2030-an. Simulasi untuk tahun 2050-an dengan skenario RCP4.5
juga menunjukkan bahwa semua tanggal penaburan dalam
kondisi beririgasi tidak menunjukkan variasi hasil yang signifikan.
Hasil gabah yang disimulasikan terendah adalah dari tanggal
penaburan akhir dalam kondisi tidak beririgasi dan secara statistik
lebih rendah daripada hasil dari tanggal tanam awal dalam kondisi
tidak beririgasi tetapi secara statistik mirip dengan hasil dari
tanggal tanam nomal dalam kondisi tidak beririgasi. Simulasi
untuk tahun 2050-an di bawah RCP8.5 menunjukkan tren yang
sama bahwa semua tanggal penaburan dalam kondisi irigasi dan
penaburan awal dalam kondisi non-irigasi tidak menunjukkan
variasi hasil (Tabel6). Semua tanggal tanam di bawah kondisi
tadah hujan juga tidak menunjukkan variasi hasil gabah yang
signifikan yang dapat dikaitkan dengan peningkatan suhu yang

Perawatan Garis dasar 2030-an 2050-an

ekstrim di bawah RCP8.5

RCP4.5 RCP8.5 RCP4.5 RCP8.5

15 Juni+RF 2866B 2549B 2424B 2432AB 2490AB skenario pada tahun 20050 s. Dengan demikian, perubahan
30Juni+RF 1931C 2314BC 2366BC 2061BC 2245B kultivar dan irigasi tambahan dapat disarankan sebagai opsi
15 Juli+RF 1270D 1976C 1974C 1659C 2145B pengelolaan sorgum dalam skenario ini. Namun,
15 Juni+SI 3616A 3119A 2937A 2789A 2892A Nilai yang disimulasikan menunjukkan bahwa tanggal penaburan yang

30 Juni+SI 2716B 2991A 2917A 2632A 2685A tertunda di bawah kondisi non-irigasi secara signifikan mengurangi hasil

15 Juli+SI 1781C 2732AB 2736AB 2548A 2752A gabah sorgum dalam kondisi iklim saat ini dan di masa mendatang di

LSD (0,05) 314 432 445 477 406 wilayah studi. Perubahan tanggal tanam tidak menunjukkan pengaruh yang
nyata terhadap hasil gabah sorgum bawah
RF dan SI masing-masing menunjukkan tadah hujan dan irigasi tambahan
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22 Halaman 14 dari 17

kondisi beririgasi. Penurunan hasil gabah di bawah penaburan
yang terlambat dalam kondisi tadah hujan dapat dikaitkan dengan
defisit air terminal yang mungkin terjadi selama tahap
pertumbuhan kritis tanaman terutama pada tahap antesis dan
pengisian gabah. Daerah semi-kering di Ethiopia dicirikan oleh
distribusi curah hujan yang rendah dan tidak merata. Musim
kemarau yang sering terjadi selama musim tanam sorgum
merupakan hal yang umum di daerah tersebut. Defisit air terminal
dapat mempengaruhi tanaman sorgum dan mungkin juga gagal
panen total. Hasil penelitian ini di kedua lokasi menunjukkan
bahwa sorgum yang ditanam lebih awal dapat berhasil
meningkatkan hasil pada kondisi tadah hujan di bawah iklim saat
ini dan masa depan di wilayah studi. Tanaman pada kondisi tanam
awal dapat memanfaatkan kelembaban tanah yang dibutuhkan
untuk pertumbuhan dan perkembangannya. Di bawah penaburan
awal tanaman sorgum dapat menyelesaikan tahap pertumbuhan
dan perkembangannya sebelum terjadinya defisit air terminal.
Sebaliknya, penanaman yang terlambat pada kondisi tadah hujan
secara signifikan mempengaruhi hasil gabah yang dapat dikaitkan
dengan defisit air pada akhir musim. Pengaruh defisit air terminal
pada tanaman dapat diminimalkan dengan menggunakan irigasi
tambahan yang secara substansial dapat meningkatkan hasil di
bawah semua kondisi penaburan. Irigasi tambahan adalah
penambahan air dalam jumlah terbatas pada tanaman tadah
hujan untuk meningkatkan dan menstabilkan hasil ketika curah
hujan tidak dapat memberikan kelembaban yang cukup untuk
tanaman. Irigasi tambahan merupakan strategi adaptasi yang
efektif terhadap perubahan iklim yang dapat mengurangi dampak
buruk dari defisit air yang sebagian besar terjadi selama tahap
kritis pertumbuhan tanaman. Dengan demikian, dapat
disimpulkan bahwa penaburan awal di bawah kondisi tadah hujan
dan penerapan irigasi tambahan dapat dianggap sebagai strategi
adaptasi potensial untuk meningkatkan hasil sorgum dalam
kondisi iklim saat ini dan masa depan lingkungan semi-kering
Ethiopia di mana defisit air merupakan kendala utama untuk
produksi tanaman. . Studi oleh Cunha et al. (2015) juga
mengungkapkan bahwa perubahan dalam menabur
date adalah strategi adaptif terhadap perubahan iklim yang dapat
mencegah tanaman dari defisit air terminal.
Pengaruh nitrogen dan irigasi tambahan terhadap hasil gabah
sorgum
Di lokasi Harbu, irigasi utama dan interaksi nitrogen dan
tambahan secara signifikan (P <0,05 memengaruhi hasil
gabah pada baseline, pada tahun 2030-an dan 2050-an di
bawah skenario RCP4.5 dan RCP8.5 (Tabel7). Simulasi pada
periode baseline menunjukkan hasil gabah simulasi
tertinggi (3768 kg ha−1) berasal dari aplikasi 92 kg N ha−1
dalam kondisi irigasi tambahan (SI) tetapi tidak berbeda
nyata dengan hasil simulasi karena aplikasi 46 kg N ha−1di
bawah kondisi irigasi tambahan (Tabel7). Hasil simulasi
dari kondisi tidak dipupuk dan tidak diairi adalah yang
terendah dengan hasil simulasi 2376 kg ha−1(Meja7). Hasil
juga menunjukkan bahwa hasil simulasi pada kondisi
terpupuk dan tidak beririgasi secara signifikan lebih
rendah dibandingkan dengan hasil dari kondisi terpupuk
dan beririgasi (Tabel7). Hasil gabah yang disimulasikan
dari kondisi tidak dipupuk dan diirigasi secara statistik
serupa dengan hasil gabah dari kondisi yang dipupuk
tetapi tidak diirigasi pada periode dasar serta pada
periode iklim di masa depan (Tabel7). Hasil simulasi pada
tahun 2030-an di bawah RCP4.5 juga menunjukkan bahwa
hasil simulasi tertinggi (3145 kg ha−1) disebabkan aplikasi
46 kg N ha−1
dalam kondisi irigasi tetapi secara statistik mirip
dengan hasil simulasi karena penerapan 92 kg N ha−1
dalam kondisi beririgasi. Hasil gabah simulasi terendah (2279
kg ha−1) disebabkan oleh perlakuan yang tidak dipupuk dan
tidak diairi tetapi secara statistik mirip dengan hasil yang
disimulasikan karena aplikasi 46 kg N ha−1
dan 92 kg N ha−1aplikasi dalam kondisi non-irigasi. Secara
umum, aplikasi pupuk nitrogen di bawah kondisi irigasi
secara signifikan meningkatkan hasil gabah sorgum
dibandingkan dengan hasil gabah simulasi di bawah

Tabel 7Pengaruh pemupukan nitrogen (kg ha−1) dan irigasi Tabel 8Pengaruh pemupukan nitrogen (kg ha−1) dan irigasi
tambahan pada hasil gabah sorgum pada baseline, 2030-an dan tambahan pada hasil gabah pada baseline, 2030-an dan 2050-an
2050-an di bawah skenario RCP4.5 dan RCP8.5 di Harbu di bawah skenario RCP4.5 dan RCP8.5 di Sirinka

Perawatan Garis dasar 2030-an 2050-an Perawatan Garis dasar 2030-an 2050-an

RCP4.5 RCP8.5 RCP4.5 RCP8.5 RCP4.5 RCP8.5 RCP4.5 RCP8.5

0 kg N+RF 2376C 2279C 2185D 2036C 2161C 0 kg N+RF 1734F 2239C 2155D 2002C 2139C
46 kg N+RF 3038B 2566BC 2453CD 2445B 2508B 46 kg N+RF 2866D 2549B 2424CD 2432B 2498B
92 kg N+RF 3116B 2494BC 2403CD 2321B 2419BC 92 kg N+RF 4036B 2475BC 2392CD 2317B 2418B
0 kg N+SI 2831B 2752B 2633 SM 2269BC 2478B 0 kg N+SI 2098E 2703B 2589BC 2230BC 2452B
46 kg N+SI 3672A 3145A 2937A 2798A 2908A 46 kg N+SI 3616C 3119A 2917A 2787A 2893A
92 kg N+SI 3768A 3072A 2860AB 2710A 2836A 92 kg N+SI 5265A 3061A 2845A 2697A 2830A
LSD (0,05) 310 303 302 256 263 LSD (0,05) 343 302 303 258 267
RF dan SI masing-masing menunjukkan tadah hujan dan irigasi tambahan RF dan SI masing-masing menunjukkan tadah hujan dan irigasi tambahan
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
aplikasi nitrogen hanya di semua periode waktu dan
skenario iklim. Hasil ini menunjukkan adanya efek
sinergis yang kuat dari aplikasi nitrogen dan irigasi
terhadap produktivitas sorgum. Ketersediaan lengas
tanah sangat penting bagi tanaman untuk menjaga
kebutuhan air criop. Selain itu, air sangat penting untuk
penyerapan unsur hara, translokasi produk fotosintesis
dari daun ke biji-bijian, menjaga suhu internal, dll.
Semua kondisi ini menyebabkan peningkatan hasil
panen.
Di lokasi Sirinka, hasil menunjukkan bahwa interaksi
nitrogen utama dan irigasi tambahan secara signifikan
(P <0,05) mempengaruhi hasil gabah pada baseline,
pada tahun 2030-an dan 2050-an di bawah skenario
RCP4.5 dan RCP8.5 (Tabel7). Hasil simulasi periode
baseline menunjukkan hasil gabah simulasi tertinggi
(5265 kg ha−1) disebabkan oleh aplikasi 92 kg N ha−1
dalam kondisi irigasi (Tabel8). Rata-rata hasil gabah simulasi dari
perlakuan tanpa pemupukan dan tanpa irigasi secara signifikan
lebih rendah dibandingkan dengan rata-rata hasil gabah simulasi
dari perlakuan pemupukan dan irigasi. Simulasi pada tahun 2030-
an dengan skenario RCP4.5 menunjukkan bahwa hasil gabah
tertinggi (3119 kg ha−1) disebabkan aplikasi 46 kg N ha−1dalam
kondisi irigasi tetapi secara statistik mirip dengan hasil simulasi
karena penerapan 92 kg N ha−1dalam kondisi beririgasi. Dalam
semua simulasi, hasil gabah yang disimulasikan terendah
disebabkan oleh perlakuan yang tidak dipupuk dan tidak diairi di
seluruh periode dan skenario iklim (RCP). Hasil mengungkapkan
bahwa respon hasil sorgum terhadap aplikasi pupuk nitrogen jauh
lebih rendah pada kondisi non-irigasi, bahkan ketika tingkat
aplikasi nitrogen meningkat dibandingkan dengan respon hasil
gabah untuk meningkatkan tingkat nitrogen pada kondisi irigasi.
Hal ini jelas menunjukkan bahwa penyerapan unsur hara oleh
tanaman sangat difasilitasi oleh ketersediaan air di dalam tanah.
Tanaman dapat dengan mudah menyerap nitrogen dari tanah
ketika ada kelembaban tanah yang tersedia di dalam tanah.
Nitrogen merupakan salah satu unsur hara esensial yang
dibutuhkan tanaman untuk pertumbuhan dan perkembangan
normal. Defisit air dalam tanah dapat membatasi ketersediaan
unsur hara oleh tanaman dan akhirnya mempengaruhi hasil. Studi
sebelumnya oleh Gonzalez et al. (2005); Garwood dan Williams (
1967) menunjukkan bahwa penyerapan nitrogen oleh akar
tanaman membutuhkan air tanah, karena air adalah agen utama
yang mengangkut zat terlarut dari sistem tanah ke sistem
tanaman. Defisit air dalam tanah mempengaruhi serapan nitrogen
oleh tanaman. Kekurangan nitrogen terkait dengan kelembaban
tanah yang rendah dapat secara signifikan mengurangi
konsentrasi nitrogen dalam jaringan tanaman dan mempengaruhi
hasil panen. Sebuah studi oleh Sadras et al. (2016) juga
menunjukkan bahwa efek interaksi air dan nitrogen dapat
memodulasi siklus geokimia
Halaman 15 dari 17
nitrogen, mengatur keragaman fungsional tanaman, mengatur
hasil panen, ukuran butir, pertumbuhan akar, stoikiometri daun,
dan fotosintesis. Sinclair dan Rufty (2012) juga melaporkan bahwa
ketersediaan nitrogen dan air dapat meningkatkan hasil pada
banyak tanaman. Dengan demikian, dapat disimpulkan bahwa
penggunaan pupuk nitrogen yang optimal dan irigasi tambahan
dapat mempertahankan produksi sorgum di daerah semi-kering
Ethiopia di bawah kondisi iklim saat ini dan masa depan.
Kesimpulan
Pertanian adalah sektor ekonomi utama di Ethiopia
dan merupakan penyumbang utama PDB dan
Devisa. Saat ini, produktivitas tanaman utama di
Ethiopia menurun karena variabilitas iklim,
perubahan iklim, kesuburan tanah rendah, varietas
tanaman hasil rendah, kurangnya praktik
pengelolaan tanaman yang sesuai, penyakit,
serangga, dan gulma. Saat ini produksi sorgum
terutama dipengaruhi oleh peningkatan suhu,
perubahan pola curah hujan dan kejadian cuaca
ekstrim. Konsekuensi dari perubahan iklim sangat
parah di daerah semi-kering di Ethiopia karena
negara tersebut termasuk negara yang paling
rentan di Sub-Sahara. Karena seringnya terjadi
variabilitas kekeringan dan curah hujan, sistem
pertanian di negara ini terkena guncangan musiman
yang menyebabkan kerawanan pangan musiman.
Model tanaman telah digunakan untuk mempelajari dampak
perubahan iklim pada tanaman dan untuk mengidentifikasi
praktik pengelolaan tanaman yang berkelanjutan. Namun, model
harus dikalibrasi dan dievaluasi sebelum digunakan untuk aplikasi
yang berbeda. Oleh karena itu dilakukanlah percobaan lapangan
diSirinkadanHarbusitus yang terletak di timur laut Ethiopia. Model
CERES-sorghum dalam teknologi DSSAT digunakan dalam
penelitian ini. Model pertama kali dikalibrasi dan dievaluasi
dengan data fenologi, pertumbuhan dan hasil yang diperoleh dari
percobaan lapangan yang dilakukan di wilayah studi. Data iklim
harian historis (1981–2010) diperoleh dari badan meteorologi
nasional Ethiopia sedangkan data iklim masa depan suhu, curah
hujan, dan radiasi matahari untuk tahun 2030an (2020–2049) dan
2050an (2040–2069)) diperoleh dari ansambel 17 GCM. (CMIP5)
keluaran model. Program analisis musiman dalam DSSAT
digabungkan dengan model CERESS-sorghum digunakan untuk
mensimulasikan dampak iklim masa depan dan untuk
mengidentifikasi skenario pengelolaan yang cocok untuk tanaman
sorgum. Pengaruh tanggal penaburan yang berbeda, pupuk
nitrogen dan irigasi tambahan dievaluasi sebagai
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
skenario pengelolaan secara individual dan kombinasi untuk
efektivitas mereka untuk meningkatkan produktivitas sorgum
di bawah kondisi iklim sekarang dan masa depan timur laut
Ethiopia.
Hasil kalibrasi dan evaluasi model menunjukkan bahwa
pertumbuhan, perkembangan, dan hasil yang disimulasikan
sesuai dengan nilai yang diamati. Model tanaman berhasil
mensimulasikan pertumbuhan, perkembangan, dan hasil kultivar
sorgumGirana-1. Kami menyimpulkan bahwa jika model
dikalibrasi dengan benar, model ini dapat digunakan sebagai
pendukung keputusan untuk meningkatkan produksi sorgum
dalam kondisi iklim saat ini dan di masa depan di wilayah studi.
Hasil dari dampak perubahan iklim di masa depan terhadap
produksi sorgum menunjukkan bahwa iklim di masa depan
mungkin memiliki efek negatif yang mendalam terhadap produksi
sorgum di bawah skenario RCP4.5 dan RCP8.5. Hasil sorgum dapat
ditingkatkan secara substansial melalui penaburan awal, aplikasi
pupuk nitrogen yang optimal, dan dengan menggunakan irigasi
tambahan secara individual dan dalam kombinasi. Namun,
penerapan penaburan awal dan penggunaan irigasi tambahan
dapat dibatasi karena kekurangan air irigasi, biaya pupuk yang
tinggi, musim kemarau dan hama serangga. Sistem penyuluhan
pertanian di wilayah tersebut harus fokus pada pengembangan
irigasi skala kecil di wilayah studi. Selain itu, petani mungkin
disarankan untuk menerapkan praktik pengelolaan nutrisi terpadu
dan pengelolaan hama terpadu untuk mengurangi tantangan
terkait pupuk dan hama serta meningkatkan hasil sorgum.
Dengan demikian, penelitian di masa depan harus fokus pada
identifikasi strategi adaptasi iklim yang baik untuk produksi
sorgum di daerah semi-kering di Ethiopia dan agroekologi serupa.
Terima kasih
Kami mengucapkan terima kasih kepada Pusat Penelitian Pertanian Sirinka yang telah
menyediakan data tanaman untuk penelitian ini. Kami juga menghargai stasiun cuaca Kombolcha
karena menyediakan data cuaca untuk penelitian kami.
Kontribusi penulis
AMo terlibat dalam menganalisis dan menginterpretasikan data mengenai proses
pemodelan dan kalibrasi tanaman. Ami telah terlibat dalam pekerjaan lapangan
dan analisis data dan juga dalam penulisan naskah. Kedua penulis membaca dan
menyetujui naskah akhir.
Pendanaan
Tidak ada dana yang tersedia saat ini.
Ketersediaan data dan bahan
Kumpulan data yang dihasilkan selama dan/atau dianalisis selama penelitian ini tersedia
dari penulis yang sesuai berdasarkan permintaan yang masuk akal.
Deklarasi
Persetujuan etika dan persetujuan untuk berpartisipasi
Naskah diserahkan berdasarkan persyaratan jurnal dan
pertimbangan etis.
Persetujuan untuk publikasi
Para penulis setuju untuk menerbitkan artikel di jurnal.
Halaman 16 dari 17
Kepentingan yang bersaing
"Para penulis menyatakan bahwa mereka tidak memiliki kepentingan bersaing" di
bagian ini. Ketersediaan data dan bahan: Kumpulan data yang dihasilkan selama dan/
atau dianalisis selama penelitian ini tersedia dari penulis terkait berdasarkan
permintaan yang masuk akal.
Detail penulis
1Departemen Ilmu Tanaman, Sekolah Tinggi Pertanian, Universitas Wollo,
POBox 1145, Dessie, Ethiopia.2Departemen Ilmu Tanaman, Fakultas Pertanian
dan Manajemen Sumber Daya Alam, Universitas Tulu Awulia, PObox 32, Tulu
Awulia, Ethiopia.
Diterima: 21 Mei 2021 Diterima: 30 Maret 2022
Referensi
Adem M, Tamado T, Singh P, Driba K, Adamu M. Pemodelan perubahan iklim
berdampak pada produksi buncis dan opsi adaptasi di Ethiopia Timur Laut
semi-kering. J Agric Environ Int Mengembangkan. 2016;110(2):377–95.
https://doi.org/10.12895/jaeid.
Alemayehu A, Becket W. Variabilitas iklim lokal dan produksi tanaman di
Dataran Tinggi Tengah Ethiopia. Lingkungan Berkembang. 2016;2016(19):36–48.
Baviskar SB, Andrinjen AD, Walomna CK. Unit panas dan efisiensi unit panas
dipengaruhi oleh pengaruh lingkungan terhadap hasil dan bahan kering
sorgum Rabi. Int J Chem Stud. 2017;5(3):395–8.
Belton PS, Taylor JR. Sorgum dan millet: sumber protein Afrika. Tren Makanan
Sains Tek. 2003;15(2):94–8.
Bhupinderdhir A. Produktivitas tanaman dalam perubahan iklim bab. Pertahankan Pertanian
Pdt. 2018;27:213–41.https://doi.org/10.1007/978-3-319-75190-0. CA
Hitam. Metode analisis tanah. Bagian I, Masyarakat Agronomi Amerika.
Madison, Wisconsin, AS. 1572 P.1965.
Bouyoucos GJ. Metode hidrometer ditingkatkan untuk membuat analisis ukuran partikel
si tanah. Agron J. 1962;54:464–5.
Bryan E, Deressa TT, Gbetibouo GA, Ringler C. Adaptasi perubahan iklim
di Ethiopia dan Afrika Selatan: pilihan dan kendala. Kebijakan Sains Lingkungan.
2009;12:413–26.
CEEPA. Perubahan Iklim dan Kebijakan Pertanian Afrika, 2006; Catatan No. 10.
tre untuk Ekonomi dan Kebijakan Lingkungan di Afrika (CEEPA), Universitas
Pretoria, Pretoria.
Chapman HD. Kapasitas Tukar Kation. Di dalam: Black CA, editor. Metode Tanah
Analisis. Madison: Masyarakat Agronomi Amerika; 1965. hal. 891–
901. Chipanshi AC, Chanda R, Totoro O. Penilaian Kerentanan Jagung
dan Tanaman Sorgum terhadap Perubahan Iklim di Botswana. Perubahan Iklim.
2003;61:339–60.
Conway D, Schipper ELF. Adaptasi terhadap perubahan iklim di Afrika: Chal-
lenges dan peluang diidentifikasi dari Ethiopia '. Global Lingkungan Chang.
2011;21:227–37.
CRGE. Ekonomi Hijau Tahan Iklim Ethiopia. Strategi Ketahanan Iklim.
Pertanian dan Kehutanan Republik Federal Demokrasi Republik Ethiopia.
2011.
CSA. Laporan luas dan produksi tanaman utama (kepemilikan petani swasta,
Musim Meher): Survei sampel pertanian, Badan Pusat Statistik
(CSA), Addis Ababa, Ethiopia. 2011.
Cunha DA, Coelho AB, Féres JG. Irigasi sebagai strategi adaptif terhadap iklim
perubahan: perspektif ekonomi pada pertanian Brasil. Lingkungan
Mengembangkan Econ. 2015;20(1):57–79.https://doi.org/10.1017/S1355770X1
4000102.
De Paz JM, Viscontia F, Molina MJ, Ingelmo F, Martinez D, Sanchezb J.
Prediksi efek perubahan iklim terhadap salinitas tanah di daerah
irigasi dalam kondisi Mediterania. J Pengelolaan Lingkungan.
2012;95:53783.
Dereje A, Kindie T, Girma M, Birru Y, Wondimu B. Variabilitas curah hujan dan
tren saat ini di wilayah Amhara. Etiopia Afrika J Agric Res.
2012;7(10):1475–86.https://doi.org/10.5897/AJAR11.698. Deressa TT,
Hassan RM. Dampak ekonomi dari perubahan iklim pada tanaman
produksi di Ethiopia: bukti dari pengukuran lintas bagian. J Afrika Econ.
2009;18:529–54.
Mohammad dan MisganawCABI Pertanian dan Biosains (2022) 3:22
Dollin S, Shapter FM, Henry R, Giovanni GL, Izquierd B, Slade L. Domestikasi dan
perbaikan tanaman: Sumber daya genetik sorgum dan Saccharum. Ann Bot.
2007;100(5):975–89.
Eshetu Z, Simane B, Tebeje G, NegatuW, Amsalu A, Berhanu A, Bird N, Welham
B, Trujillo NC.. Pembiayaan iklim di Ethiopia. Institut Pengembangan Luar
Negeri, London dan Pusat Ilmu Iklim, Addis Ababa. 2014.
Francis C, Rutger AJN, Palmer AFE. Metode cepat pendugaan luas daun tanaman di
jagung (Zea mays L). Tanaman Sci. 1969;9:537–9.
Garwood EA, Williams TE. Pertumbuhan, penggunaan air, dan serapan hara dari lapisan bawah tanah
oleh padang rumput. J Agric Sci. 1967;1967(93):13–24.https://doi.org/10.1017/
S002185960008607X.
Golovchenko AV, Tikhonova EY, Zvyagintsev DG. Kelimpahan, biomassa, struktur,
dan aktivitas kompleks mikroba lahan gambut minerotrophic dan
ombrotrophic. Mikrobiologi. 2007;76:630–7.
Gonzalez-Dugo VJL, Durand F, Picon-Cochard C. Tanggapan jangka pendek dari
status nutrisi nitrogen fescue tinggi dan padang rumput ryegrass Italia di bawah
defisit air. Aust J Agric Res. 2005;56:1269–76.https://doi.org/10.1071/AR05064. Hadgu
G, Tesfaye K, Mamo G. Analisis perubahan iklim di Ethiopia utara: implikasi
kation untuk produksi pertanian. Theor Appl Climatol. 2015;121(3):733–47. https://
doi.org/10.1007/s00704-014-1261-5.
Haussmann BI, Mahalakshmi V, Reddy BV, Seetharama N, Hash CT, Geiger HH.
Pemetaan QTL stay-green dalam dua inbrida rekombinan sorgum. Pemetaan.
2007;106(1):133–42.
Haynes RJ. Kualitas bahan organik tanah dan ukuran serta aktivitas mikroba
biomassa: signifikansi mereka terhadap kualitas tanah pertanian. Dalam: Interaksi
mikroba-organik mineral tanah. Springer, Berlin. 2008; hal 201–231. Hoogenboom G.
Pertumbuhan dan perkembangan tanaman. Di dalam: Bendi DK, Nieder R, editor.
Handbook of Processes and Modelling in the Soil-Plant System. New York: The
Haworth Press, Binghamton; 2003. hal. 655–91.
Rumah LR. Panduan budidaya sorgum. edisi ke-2. Patacheru, AP502324, India.
1985.
Institut SAS. Panduan Pengguna SAS/STATR 9.2, Cary, NC, USA. 2009
IPCC. Ringkasan untuk pembuat kebijakan. Perubahan Iklim: Dasar Ilmu Fisika. Jones PG,
Thornton K. Menghasilkan data cuaca yang diturunkan dari serangkaian iklim
model untuk aplikasi pemodelan pertanian. Sistem Pertanian. 2013;114:1–5.https://
doi.org/10.1016/j.agsy.2012.08.002.
Jones JW, Hoogenboom G, Porter CH, Boote KJ, Batchelor WD, Hunt LA, Wilkens PW,
Singh U, Gijsman AJ, Ritchie JT. Model sistem tanam DSSAT. Eur J Agron.
2003;18:235–65.
Kurukulasuriya P, Mendelsohn R, Hassan R, Benhin J, Deressa T, Diop M, Eid HM,
Fosu KY, Gbetibouo G, Jain S, Mahamadou A, Mano R, Kabubo-Mariara J, El-
Marsafawy S, Molua E, Ouda S, Ouedraogo M, Sene I, Maddison D, Seo SN, Dinar A.
Akankah pertanian Afrika bertahan perubahan iklim? World Bank Eco Rev.
2006;20:367–88.
Li GH, Zhao B, Dong ST, Zhang JW, Liu P, LuWP. Penggabungan urea pelepasan terkontrol
dengan irigasi yang optimal meningkatkan hasil gabah, serapan nitrogen, dan
pertumbuhan jagung. Pengelolaan Air Pertanian. 2020;227:105834.
Loague KM, Green RE. Metode statistik dan grafis untuk mengevaluasi transpor zat terlarut
model port: ikhtisar dan aplikasi. J Kontaminan. 1991;7:51–73. López-
Cedrón XF, Boote KJ, Piñeiro J, dkk. Meningkatkan Model CERES-Jagung
Kemampuan Simulasi Dampak Defisit Air pada Komponen Produksi dan Hasil
Jagung. Agron J. 2008;100:296–307.
Lupin JR. Standar codex untuk sereal, kacang-kacangan, polong-polongan, dan produk turunannya. Sup-
pelengkap 1. Kepada Codex Alimentarius vol xviii Roma FAO/WHO PP33. 1990.
Msongaleli BM. Dampak variabilitas dan perubahan iklim terhadap sorgum tadah hujan
dan jagung: Implikasi bagi kebijakan ketahanan pangan di Tanzania. J Agric
Sci. 2015;7(5):124–42.https://doi.org/10.5539/jas.v7n5p124.
Musongaleli B, Filbert R, Siza D, Tumbo NK. Respons hasil sorgum terhadap perubahan
kondisi iklim di Tanzania tengah semi-kering: Mengevaluasi penerapan model
simulasi tanaman. Ilmu Pertanian. 2014;5:822–33.https://doi.org/10.4236/as.2014.
510087.
O'Donnell J, Rowe CM. Statistik untuk evaluasi dan perbandingan model. J
Geophys Res. 1985;90(5):8995–9005.
Olsen R, Cole S, Watanabe F, Dean L. Estimasi fosfor yang tersedia di
tanah dengan ekstraksi dengan natrium bikarbonat.United States Department of
Agriculture Circ. 1954; 939:9.
Pramod VP, Bapuji Rao B, Ramakrishna SSVS, MuneshwarSingh M, Patel NR,
Sandeep VM, Rao VUM, Chowdary PS, Narsimha Rao N, Vijaya KP. Dampak
proyeksi iklim terhadap hasil gandum di India dan strategi adaptasinya.
Jurnal Agrometeorologi. 2017;19(3):207–16.
Halaman 17 dari 17
Van Reuwijk. Prosedur analisis tanah. Referensi dan informasi tanah internasional
tion center (ISRIC), Makalah teknis, no.9. 2002.
Reth S, Reichstein M, Falge E. Pengaruh kadar air tanah, suhu tanah,
nilai pH tanah dan massa akar pada CO tanah2penghabisan - Model yang dimodifikasi. Tanah Tanam.
2005;268:21–33.
Sadras VO, Hayman D, Rodriguez M, Monjardino M, Bielich M, Unkovich B, Mudge
EW. Interaksi antara air dan nitrogen dalam sistem tanam Australia: Perspektif
fisiologis, agronomis, ekonomi, pemuliaan dan pemodelan. Ilmu Tanaman Padang
Rumput. 2016;67:1019–53.
Sandeep VM, Rao VUM, Bapuji RB, Bharathi G, Pramod VP, Chowdary P, Patel NR,
Mukesh P, Wijaya KP. Dampak perubahan iklim terhadap produktivitas sorgum di India
dan strategi adaptasinya. J Agrometeorol. 2018;20(2):89–96. Saxena NP, O'Toole JC.
Skrining Lapangan untuk Toleransi Kekeringan pada Tanaman Pangan dengan
Penekanan pada Padi: Prosiding Lokakarya Internasional tentang Skrining
Lapangan untuk Toleransi Kekeringan Padi, 11–14 Des 2000, ICRISAT, Patancheru,
India. Patancheru 502 324, Andhra Pradesh, India, 2002.
Schofield RV, Kirkby MJ. Penerapan indikator salinisasi dan pengembangan awal
ment potensi skenario salinisasi tanah global di bawah perubahan iklim. Siklus
Biogeokimia Glob. 2003; 17:1–13.
Seo S, Mendelsohn R, Munasinghe M. Dampak perubahan iklim Sivakumar 1992.
Perubahan iklim dan implikasinya bagi pertanian di Niger. Perubahan Iklim.
2005;2005(20):297–312.
Setegn SG, Rayner D, Melesse AM, Dargahi B, Srinivasan R. Dampak iklim
perubahan pada hidroklimatologi Cekungan Danau Tana, Ethiopia. Penelitian
Sumberdaya Air. 2011;47:W04511.https://doi.org/10.1029/2010WR009248. Sinclair
TR, Rufty TW. Nitrogen dan sumber daya air umumnya membatasi hasil panen
meningkat, belum tentu genetik tanaman. Glob Makanan Sec. 2012; 1:94–8.https://
doi.org/10.1016/j.gfs.2012.07.001.
Singh P, Virmani SM. Pemodelan pertumbuhan dan hasil buncis (Cicer arietinum L.).
Penelitian Tanaman Lapangan. 1996;46:41–59.
Stocker TF, Qin D, Plattner GK, Tignor M, Allen SK, Bouschung J, Nauels A, Xia Y, Bex
V. Kontribusi Kelompok Kerja I terhadap Laporan Kajian Kelima Panel
Antarpemerintah tentang Penyebar Perubahan Iklim. 2013.
Taylor JRN, Schober T, Bean S. Novel dan penggunaan sorgum dan millet non makanan. J
Ilmu Sereal. 2006;44(3):252–71.
Tefera A. Ethiopia: laporan tahunan biji-bijian dan pakan. Informasi Pertanian Global-
Jaringan. Dinas Pertanian Luar Negeri USDA, nomor laporan ET 1201. 2012.
Turner NC, Rao KPC. Analisis simulasi faktor-faktor yang mempengaruhi hasil sorgum di PT
lokasi terpilih di Afrika timur dan selatan, dengan penekanan pada
peningkatan suhu. Sistem Pertanian. 2013;2013(121):53–62.
Wheeler T, von Braun J. Perubahan Iklim Mempengaruhi Ilmu Ketahanan Pangan Global.
2013;341:508–13.
Willmott CJ. Tentang Validasi Model. Fisika Geogr. 1981;2:184–94. Willmott
CJ; Akleson GS, Davis RE; Feddema JJ, Klink KM., Wakil DR, Bank Dunia.
Ekonomi adaptasi terhadap perubahan iklim: Ethiopia. Dunia
Grup Bank, Washington, DC, hal 124. 2010.
Wortmann CS, Mamo M, Mburu C, Letayo E, Abebe G, Kayuki KC. Atlas dari
produksi sorgum di Afrika bagian timur dan selatan. Lincoln, NE:
Universitas Nebraska-Lincoln; 2009.
Catatan Penerbit
Springer Nature tetap netral sehubungan dengan klaim yurisdiksi dalam peta yang
diterbitkan dan afiliasi kelembagaan.
Siap mengirimkan penelitian Anda? Pilih BMC dan dapatkan manfaat dari:
• pengiriman online yang cepat dan nyaman
• peer review menyeluruh oleh peneliti berpengalaman di bidang Anda
• publikasi cepat pada penerimaan
• dukungan untuk data penelitian, termasuk tipe data yang besar dan kompleks
• akses terbuka emas yang memupuk kolaborasi yang lebih luas dan peningkatan kutipan
• visibilitas maksimum untuk penelitian Anda: lebih dari 100 juta tampilan situs web per tahun
Di BMC, penelitian selalu berlangsung.
Belajarlah lagibiomedcentral.com/submissions