Stima dei fabbisogni irrigui in ambiente mediterraneo Gianfranco Rana CRA-SCA Unità di Ricerca per i Sistemi Colturali degli Ambienti Caldo-Aridi Bari – Italy Basato su attività e risultati del progetto CLIMESCO Parole chiave • • • La maggior parte dell’acqua (>95%) fornita a un sistema colturale viene persa per evapotraspirazione Æ fabbisogno irriguo La misura dell’ET reale è complessa Æ stima Æ modelli Ambiente mediterraneo: – – Caldo d’estate, pioggia scarsa, alto deficit idrico Æ irrigazione Colture più facilmente sottoposte a stress abiotici 1 Analisi teorica e fisica dell’evaporazione • Penman (1946): evaporazione da superficie di acqua libera • Monteith (1963-1965): evapotraspirazione da una coltura teorica • Thom (1975-1978): formalizzazione della resistenza aerodinamica • Perrier (1975-1983): evapotraspirazione da una coltura reale 2 Evaporazione potenziale modello di Penman da una superficie d’acqua libera • Fisica di base: – Principio di conservazione dell’energia (bilancio energetico) – Scambi d’energia e di materia d’origine convettiva (introduzione di una temperatura superficiale) – Introduzione di una relazione pressione di vapore saturo/temperatura • Ipotesi di applicazione (condizioni al contorno): – Regime permanente – statico (da qualche minuto a un’ora) – Conservatività dei flussi con l’altezza (superfici larghe) • Ipotesi sulla superficie evaporante – Piana, omogenea e continua – Energia pienamente disponibile 3 Equazioni Rn = G + H + λE ∂T H = ρc p K h ≈ ρc p h(Ts − T ) ∂z ρc p ∂e ρc p λE = Kv ≈ h(e(T s ) − e(T )) γ γ ∂z e* (Ts ) − e* (T ) Δ= Ts − T h è il coefficiente di scambio m/s 4 Evaporazione potenziale (Penman) λE p = ΔA + ρc p D ra A = Rn − G Δ +γ energia disponibile D = e* (T ) − e(T ) deficit di pressione di vapore •Nessun controllo biologico da parte di una eventuale coltura •Nessun controllo dovuto alla struttura di una eventuale coltura •Può rappresentare bene la domanda evaporativa dell’atmosfera 5 6 Evaporazione potenziale di una coltura (Perrier) Una coltura con acqua sempre disponibile oppone solo una resistenza dovuta alla sua struttura λE p λEcp = γ r0 1+ γ + Δ ra 7 Evaporazione potenziale di una coltura (Perrier) Crop λEcp ≤ λE p -Situazione teorica -Solo dopo una pioggia o rugiada o irrigazione per aspersione -Le due quantità possono essere uguali per il prato in particolari condizioni Height Climatic conditions r0 Grass 0.1 Normal 0-5 Bean 0.4 Normal 5-10 Maize 0.6 Normal 10-15 Maize 2.2 Normal 20-30 Wheat 0.2 Weak demand 0 Wheat 0.4 Weak demand 6 Wheat 0.6 Weak demand 10 Wheat 0.2 Normal 5 Wheat 0.4 Normal 10 Wheat 0.6 Normal 208 Resistenza aerodinamica E’ la resistenza che l’atmosfera oppone al trasferimento di vapore dalla coltura Top of the crop 9 Espressioni della resistenza aerodinamica per Thom e Perrier 120 a) GRASS Thom Perrier ln 40 Monteith (Thom) figura 0 0 2 4 6 wind speed (m/s) 8 10 50 Perrier b) SWEET SORGHUM 40 30 ra (s/m) z−d z−d ln z0 z0 h ' ra = k 2u z−d z−d ln ln z0 h−d ra = k 2u ra (s/m) 80 Thom Perrier 20 10 0 0 2 4 6 wind speed (m/s) 8 10 10 11 Evapotraspirazione (Monteith) Se non vi è nessuna saturazione a nessun livello allora la coltura oppone una resistenza biologica: la resistenza colturale Questa varia tra un minimo, quando la coltura è in buone condizioni idriche e un massimo quando è completamente secca rc = r0 + rs λE p λE = γ rc 1+ γ + Δ ra 12 Relazione resistenza stomatica/resistenza colturale Monteith et al. (1965) 13 Punto in cui la concentrazione di vapore è bassa ET=vapore Punto in cui la concentrazione di vapore è alta Resistenza colturale Equivalente all’insieme di tutte resistenze stomatiche fogliari che agiscono come una sola “grande foglia” (big leaf) virtuale 14 Interno della coltura (60 - 75% dell’altezza) Resistenza colturale 15 Sintesi Penman -> Perrier -> Monteith λE ≤ λEcp ≤ λE p -Situazione teorica -Solo dopo una pioggia o rugiada o irrigazione per aspersione -Le due quantità possono essere uguali per il prato in particolari condizioni 16 Modello di Penman-Monteith versione Perrier λE = ΔA + ρc p D ra Δ + γ (1 + rc ra ) • Δ, ρ, γ, cp quasi constanti • A, energia disponibile = Rn-G – Rn, radiazione netta – G, flusso di calore nel suolo • D, deficit di pressione di vapore • ra, resistenza aerodinamica • rc, resistenza colturale Le misure dovrebbero esser fatte SULLA COLTURA 17 MODELLI DI EVAPOTRASPIRAZIONE REALE DIRETTI MISURE SULLA COLTURA INDIRETTI ET=Kc ET0 18 Modelli indiretti: approccio Kc ET = K c ET0 1. Kc single o dual 2. ET0 misurata 3. ET0 da modelli • • • Penman-Monteith (FAO56) Hargreaves Blaney-Criddle 19 Penman-Monteith FAO56 • ET0 calcolata sopra un prato di riferimento • Scala temporale – Cn=37 e Cp=0.24 – Cn=900 e Cp=0.34 Cn 0.408Δ (Rn − G ) + γ u2 D T + 273 ET0 = Δ + γ (1 + C p u 2 ) Resistenza colturale costante 20 Prato di riferimento • • • • • Ben irrigato Ben concimato 10 - 15 cm Esteso (100 x 100 m2) Solo una specie (lolium perenne L.) 21 LAI>2 FAO 56 DAILY SCALE LAI<=2 2 Emod=0.61 Em+2.06 R2=0.55 Emod=0.98 Em R =0.55 8 4 Sunflower Sweet sorghum ET FAO 56 (mm d-1) 0 Emod=0.64 Em+1.69 R2=0.77 8 Emod=0.92 Em+0.27 R2=0.40 4 Grain sorghum Soybean 0 Emod=0.78 Em+0.30 R2=0.94 Emod=0.80 Em+0.73 R2=0.77 8 4 Grass Tomato 0 0 4 8 0 ET measured (mm d-1) 4 8 22 Storia della resistenza colturale costante per un prato • • • • • Monteith et al., 1965 Allen et al., 1989 Allen and Wright, 1994 Allen et al., 1998 Allen et al., 2006 23 Monteith et al., 1965 (J. Appl. Ecol.) 24 Allen et al., (1989; 1994; 1998; 2006) rc = rs ,min LAI 100 rc = 0.5 LAI 100 rc = LAI eff rc=70 s/m rc=50 s/m 25 Perché l’approccio indiretto Kc FAO 56 sembra non funzionare in un ambiente Mediterraneo? 1. La rc è considerata costante nel giorno 2. Il valore del Kc è ritenuto quasi costante per tutti I siti (es. pomodoro) 400 Kc 29 August 30 August rc=130 s/m 2 June 3 June rc=60 s/m 300 Practice Country Initial Middle End 1.15 1.3 0.9 Pull Drip Italy 0.36 0.77-1.2 0.74 Not specified Drip Algeria 0.82 0.45 Mill Drip – mulch Jordan 0.61 0.95-1.44 0.95 IPA-5 culticar Sprinkle r Brasil 100 0.19 0.99-1.08 0.6 Processing Drip buried USA 0 400 0.19 0.9-1.15 0.7 L. Mill Drip – mulch Spain 0.64 1.03-1.48 0.73 Processing NS Spain 0.2 1.1 Mill Drip USA Processing NS FAO56 26 200 100 0 400 300 rc (s/m) Type 10 July 11 July rc=65 s/m 21 July 22 July rc=80 s/m 200 18 May 28 May rc=70 s/m 1 June 4 June rc=50 s/m 300 200 100 0.75 0 6 8 10 12 time 14 16 18 6 8 10 12 time 14 16 18 1.05-1.25 0.7-0.9 c K FAO crop coefficient Kc FAO experimental Kc 1996 experimental Kc 1997 1.5 mean experimental Kc Kc 1.0 0.5 0.0 60 80 100 120 140 160 180 DOY 200 220 240 260 280 27 Difference between ETcsingle and ETcdual 8 7 6 + 12% ETc (mm) 5 4 3 2 1 0 120 ETc dual 140 ETc single 160 180 200 giorni 220 240 260 28 Massimo errore nella stima di ET K c ET0 = ETcrop 45%+25%=70% Esempio: pomodoro in Puglia 6000 m3 acqua ± 4200 m3 !!! 29 Analisi di sensibilità del modello di Penman-Monteith (Saxton, 1975; Beven, 1979; Rana and Katerji, 1998) • Obiettivo: determinare il peso (importanza) di ciascuna variabile d’ingresso del modello di ET » Clima (A,D) » Resistenze rc ed ra • In funzione di » Altezza della coltura (prato, sorgo da granella e zuccherino) » Condizioni idriche δ (λE ) λE Si = δi i Coefficiente di sensibilità Si ~ 0 la variabile non ha influenza sull’ET ~ +1/-1 la variabile ha un peso importante sull’ET 30 Risultati dell’analisi di sensibilità • Colture ben irrigate – Prato » ET è molto sensibile ad A (spiega il 60 – 70% dell’ ET giornaliera) » rc spiega solo il 10 – 20% dell’ET – Sorgo » ET è sensibile sia ad A che a D » rc spiega il 50% dell’ET • Colture in stress – ET è sensibile a D per tutte le colture – Sorgo » rc spiega il 70-90% della variazione di ET • Resistenza colturale è di fondamentale importanza per l’ET in condizione di stress • Per colture ben irrigate e in particolare per il prato di riferimento un buon modello di ET non deve avere necessariamente una buona stima della rc 31 100 a) Ta-Tr=4.5-7.5 °C ra=17 s/m 75 50 25 y=0.0004 x2-0.3713 x+104.2 0 canopy resistance (s/m) 0 100 200 300 400 Rn (W/m2) 500 75 b) Rn = 300-400 W/m2 ra=14.5-17.5 s/m 50 25 y=4.5 x+6.39 r=91% 0 0 2 4 Ta-Tr (°C) 6 60 8 10 y=-1.2 x+65.7 r=65% 50 40 c) Rn = 200-300 W/m2 Ta-Tr = 5-9 °C 30 0 10 aerodynamic resistance (s/m) Wheat, Katerji, 1977 20 32 Lettuce, Alves and Pereira, 2000 Agrotecniche: sfalcio, irrigazione 400 before grass cutting after grass cutting rc (s/m) 300 200 100 0 400 before irrigation rc (s/m) 300 after irrigation 200 100 0 8 10 12 local time 14 16 33 Ozone concentration in atmosphere 34 Modelli di resistenza colturale • E’ funzione di 2 gruppi di fattori – Variabili climatiche (A) – Stato idrico della coltura (B) rc = f ( A, B ) Ci sono numerosi modelli di questo tipo che si differenziano nel modo di valutare lo stato idrico della coltura 35 rc Jarvis (1976) ΔA + λE = ρc p D rc = rs ,min LAI ⋅ F1 F2 F3 F4 ra ⎛ rc ⎞ Δ + γ ⎜⎜1 + ⎟⎟ ⎝ ra ⎠ PAR WS VPD Tair •Leaf water potential (Jarvis, 1976) •Available water (Szeicz et al., 1973) •Soil water potetial (Jones, 1983; Jarvis and McNaughton, 1986) 36 Whitley et al., (2009) 37 Matsumoto et al., 2008; 4 sites in Russia 38 Problemi e precauzioni con il modello di Jarvis • Le funzioni Fi sono sperimentali • Non tengono conto dell’interazione tra fattori (Baldocchi et al., 1991) • Sono specifica per un clima (Stewart, 1988; Jacobs et at., 1997) • Non è stato definitivamente dimostrato che non dipendono dal andamento climatico annuale • E’ molto difficile determinare accuratamente rc,min, che dipende dalla coltura Ciò nonostante ha un buon successo soprattutto in applicazione sulle foreste 39 Modello rc di Katerji and Perrier (1983) scala oraria 2000 ra=0 r* A=300 W/m2 D=1.5 kPa 1000 ra=10 ra=50 2000 La coltura è disaccoppiata dall’atmosfera ra>>0 0 ET (W/m2) ra=10 A=600 W/m2 D=2.5 kPa ra=0 1000 ra=50 ra>>0 0 1E+0 1E+1 1E+2 rc (s/m) 1E+3 1E+4 40 Per una data situazione climatica (A e D) esiste un valore di rc che non dipende da ra ∂ (λE ) Δ +γ D = 0 ⇔ rc = ρc p ∂ra Δγ A Questo valore è indicato come rc=r* ed è chiamato “resistenza critica” perché rappresenta un valore sooglia tra 2 situazioni: • rc<r* ET aumenta quando ra diminuisce • rc>r* ET diminuisce quando ra diminuisce 41 500 400 r* (s/m) 300 200 2.5 kPa 100 1.5 kPa 0.5 kPa 0 0 200 400 A (W/m2) 600 800 42 Quando la coltura e l’atmosfera sono disaccoppiate (ra=∞ or rc=r*), ET non dipende dalle caratteristiche termodinamiche dell’aria sulla coltura ma solo dall’energia disponibile: λE = Δ Δ+γ A = λE eq λEeq si chiama evaporazione d’equilibrio (McNaughton and Jarvis, 1983; Raupach, 1995) 43 omega factor and ETeq (Jarvis and McNaughton) 44 Δ +γ D ρc p r = Δγ A Δ λE = A = λEeq Δ +γ * γ γ r* γ + Δ ra λE = λE eq γ rc 1+ γ + Δ ra 1+ * r 1+ γ + Δ ra λEeq λE = γ rc 1+ γ + Δ ra ET dipende aritmeticamente da A, r*, rc ed ra 45 Applicazione di un tipico della “meccanica dei fluidi” fluidi a un fenomeno biofisico • L’analisi dimensionale – Si combinano insieme gruppi di variabili senza dimensione – Questo metodo permette un’interpretazione dei dati sperimentali senza risolvere alcuna equazione – Ma non da alcuna informazione sulla natura del fenomeno • E’ necessario avere una conoscenza del fenomeno • Teorema π di Buckningam 46 Modello rc di Katerji and Perrier (1983) applicazione del teorema π ΔA + ρc p D ra λE = rc π1 = Δ + γ (1 + rc ra ) ra * r π2 = ra ⎛r ⎞ rc = f ⎜⎜ ⎟⎟ ra ⎝ ra ⎠ * 47 Relazione sperimentale a Rutigliano (Ba) tra π1=rc/ra e π2=r*/ra rc calcolata per inversione della PM con ET misurata a=0.16 and b=0.01 ~ 0 48 L’analisi di Katerji – Perrier mostra che • E’ possibile descrivere “l’evapotraspirazione effettiva” con 2 gruppi adimensionali – π1=rc/ra – π2=r*/ra • UQesti sono sperimentalmente legati da una relazione lineare con a = pendenza e b = intercetta che tiene conto della specie e dello stato idrico γ * rc r = a +b ra ra * r 1+ γ + Δ ra Δ A λE = * ⎞ Δ+γ γ ⎛ r ⎜⎜ a + b ⎟⎟ 1+ γ + Δ ⎝ ra ⎠ 49 Soia sénescence 30 −0.4<Ψ<−0.6 −0.2<Ψ<−0.4 Ψ>−0.2 Crop Growth stage Soybean Active development rc/ra 20 10 Grain Sorghum Senescence Active development 0 0 2 4 6 r*/ra 8 10 Sunflower Sweet sorghum Senescence Active development Active development Predawn leaf water potential (MPa) ψ≥-0.5 -0.5>ψ≥-1 -1≥ψ -1≥ψ ψ≥-0.2 -0.2>ψ≥-0.4 -0.4≥ψ-0.6 -0.6≥ψ ψ≥-0.6 -0.6>ψ≥-1 -1≥ψ ψ≥-0.2 ψ<-0.2 a b 0.53±0.09 0.4±0.91 0.24±0.08 3.8±1.05 0.33±0.15 4.0±1.46 0.91±0.09 0.8±0.89 0.56±0.12 0.6±0.7 1.04±0.21 2.8±1.06 1.10±0.46 6.5±3.31 2.65±0.28 5.0±1.4 0.45±0.06 0.2±0.35 1.10±0.36 1.2±0.55 1.45±0.38 2.4±1.02 0.78±0.08 1.74±0.55 0.51±0.08 5.4±0.69 50 Test of the model for well watered crops LAI>2 MODEL 1 HOURLY SCALE LAI>2 LAI<=2 LAI<=2 MODEL 1 DAILY SCALE 1.2 Emod=1.07 Em R2=0.87 Emod=1.02 Em+0.02 R2=0.88 Emod=1.01 Em R2=0.94 Emod=0.99 Em R2=0.68 8 0.8 4 0.4 Sunflower 1.2 Emod=0.93 Em R2=0.81 Emod=0.93 Em R2=0.89 0.8 0.4 1.2 Emod=0.95 Em R2=0.73 8 Emod=0.94 Em R2=0.88 4 Soybean 0 Emod=1.01 Em R2=0.97 Emod=0.99 Em R2=0.95 Emod=0.99 Em R2=0.87 Sweet sorghum 0 Grain sorghum Soybean Grain sorghum 0.0 Sunflower Sweet sorghum ET model 1(mm d-1) ET model 1 (mm h-1) 0.0 Emod=1.02 Em R2=0.97 8 0.8 4 0.4 Grass Tomato Grass 0.0 0.0 0.4 0.8 Tomato 0 1.2 0.0 0.4 ET measured (mm h-1) 0.8 1.2 0 4 8 0 ET measured (mm d-1) 4 8 51 Esempio del sorgo a scale oraria al sud d’Italia 0.9 a) sorghum ET calculated 0.8 ET measured Ψ=−0.15 (192) 0.7 ET (mm/h) 0.6 Ψ=−0.25 (200) 0.5 0.4 Ψ=−0.5 (204) 0.3 0.2 Ψ=−1.1 (246) 0.1 0.0 7 8 9 10 11 12 13 local time 14 15 16 17 52 Multilocal test a and b calibrated for soybean in a site and used in another site 6 6 Measured values Measured values Calculated values 5 Calculated values 5 Calibration days 4 ET (mm/d) ET (mm/d) 4 3 2 3 2 1 1 South Italy 0 South France 0 190 200 210 D.O.Y. 220 South Italy 230 210 220 230 240 D.O.Y. 250 South France 260 53 Problemi di utilizzo del modello Katerji-Perrier •Misura delle variabili climatiche a scala oraria •Grandi parcelle •Condizioni idriche della coltura •Deve essere misurata sulla pianta •All’alba (!!!) ogni giorno (???) 54 Soluzione alternativa per evitare l’uso di un modello indiretto (Rana and Katerji, 2009) La domanda a cui rispondere: è possibile misurare una variabile meteo su una superficie standard (prato di riferimento) è stimare questi valori sulla coltura? coltura 55 Temperature and Vapour pressure deficit: comparison between measurements above the reference grass and measurements above crop (soybean, 1 m) 8 july 28 °C 24 20 T soybean T grass 16 12 12 4 6 8 10 12 14 16 18 20 22 24 18 20 22 24 °C 10 8 Ta-Tr soybean Ta-Tr grass 6 4 2 9 july 28 °C 24 Ta soybean Ta grass 20 16 12 12 4 6 8 10 12 14 time 16 °C 10 Path of air temperature Ta and vapour pressure deficit D (under the form Ta-Tr, where Tr is the dew point temperature) measured above a soy bean crop of 0.9 m height and in the agro-meteorological station during two successive days characterised by high values of vapour pressure deficit. 8 6 4 2 Ta-Tr soybean Ta-Tr grass 56 Temperature and Vapour pressure deficit: comparison between measurements above the reference grass and measurements above crop (sweet sorghum, 3 m) 40 31 august °C 30 T sweet sorghum 20 T grass 10 20 4 6 8 10 12 14 16 18 20 18 20 °C 16 12 8 4 Ta-Tr sweet sorghum Ta-Tr grass 0 1 september 40 °C 36 32 Ta sweet sorghum Ta grass 28 24 20 12 4 6 8 10 12 time 14 16 Path of air temperature Ta and vapour pressure deficit D (under the form Ta-Tr, where Tr is the dew point temperature) measured above a sweet sorghum crop of 2.9 m height and in the agro-meteorological station during two successive days. °C 10 8 6 4 2 Ta-Tr sweet sorghum Ta-Tr grass 57 Net radiation: Rn=a’Rg+b’ (Monteith and Szeicz, 1962; Allen et al., 1998) crop a’ b’ (W m-2) References Wheat 0.751 -76.8 Fritschen (1967) Barley 0.665 -83.8 Fritschen (1967) Durum Wheat 0.808 -121.5 Fritschen (1967) Oats 0.75 -116.6 Fritschen (1967) Cotton 0.738 -69.8 Fritschen (1967) Grain sorghum 0.752 -74.0 Fritschen (1967) Maize 0.82 -90.5 Uchijima (1976) Rice 0.865 -90.5 Uchijima (1976) Sunflower 0.76 -41.1 Abi Saab (2007) Soybean 0.79 -109.0 Rana & Katerji (2009) Sweet sorghum 0.56 -22.2 Rana & Katerji (2009) 58 Velocità del vento • La velocità d’attrito u* non cambia all’interno dello strato limite equilibrato δ(x) • In prima approssimazione ad altezza δ(x) le caratteristiche termodinamiche della massa d’aria non dipendono dalla coltura sottostante ma solo dal tempo locale • La coltura sta crescendo nell’area della stazione agrometeorologica 59 ⎛ z−d ⎞ ⎛u*⎞ ⎟⎟ ucrop (z ) = ⎜ ⎟ ln⎜⎜ ⎝ k ⎠ grass ⎝ z0 ⎠ grass ⎛u*⎞ = ⎜ ⎟ ⎝ k ⎠ grass u grass ⎛ z sensor − d grass ⎞ ⎟ ln⎜ ⎜ ⎟ z 0 , grass ⎝ ⎠ 8 july V soybean 8 4 V grass V sweet sorghum V model 4 1 0 0 6 8 10 12 14 time 16 18 20 22 V model 2 2 4 V grass 3 m/s 6 m/s 31 august 4 24 6 9 july 4 12 14 16 18 12 14 16 18 20 V sweet sorghum V grass V model 3 4 3 m/s m/s 10 1 september V soybean V grass V model 5 8 2 2 1 1 60 0 0 4 6 8 10 12 14 time 16 18 20 22 24 4 6 8 10 time 20 Valutazione del modello ET KP operazionale 0.8 0.8 ET_OV=1.07 ETmeasured r2=0.91 ET_OPV=0.93 ETmeasured r2=0.32 0.6 ET_OPV (mm/h) ET_OV (mm/h) 0.6 0.4 0.4 0.2 0.2 0 0 0 0.2 0.4 ETmeasured (mm/h) 0.6 0.8 0 0.2 0.4 ETmeasured (mm/h) 0.6 Modello velocità del vento più dettagliato in: Allen and Wright, 1997. J. Hydrol. Eng., 2(1), 26-35. 0.8 61 Il deficit di pressione di vapore, D • E’ fondamentale in biometeorologia, poiché definisce il potentiale del trasferimento di massa • D=es(T)-ea • La sua dinamica è simile a quella di Tair • Punto di rugiada Tr: “è la temperatura a cui si forma la rugiada; cioè quando la pressione reale del vapore è uguale alla pressioni di saturazione (umidità relativa = 1) 63 64 50 ra(grass) ra (s/m) 40 ra(sweet sorghum) 30 20 10 0 0 5 10 wind speed (m/s) 15 20 65 anemometer 66 In function of the height of the crop Grass (0.1 m) Grain sorghum (1 m) 67m) Sweet sorghum (2 In function of crop water conditions (as determined by the “predawn leaf water potential” A A ra ra rc rc VPD VPD grain sorghum 1.00 sensitivity 1.00 sensitivity sweet sorghum 0.00 0.00 -1.00 -1.00 0.00 -0.40 -0.80 PLWP -1.20 -1.60 0.00 -0.20 -0.40 -0.60 -0.80 -1.00 PLWP 68 Canopy / stomatal resistance • The canopy resistance can be considered as the stomatal resistance of a SINGLE LEAF (which represents the whole crop) placed at a height around d+z0 inside the crop • The first models of canopy resistance were based on measurements of stomatal resistance at leaf level 69 Canopy resistance modelling • Factors affecting stomatal/canopy resistance • Models of canopy resistance – Jarvis model – CRA-SCA model (based on Katerji-Perrier approach) – (Todorovic model) • Application to crops submitted to abiotic stress (high air ozone concentration) 70 320 25 300 160 rc LP 140 20 LP(bars) rc(s/m) 120 100 80 15 60 40 20 Σ(P-ET) (mm) 0 -260 10 -220 -180 -140 19-May 1-Jun Date 14-Jun 27-Jun 71 Summary of the factors affecting canopy resistance • Environmental variables – – – – Solar/net radiation Air humidity / vapour pressure deficit Wind speed through the aerodynamic resistance Air temperature (rc increases with T up to a maximum in function of the species) • Plant parameters – Phenology, diseases, pollution – Leaf surface / senescence – Water stress • Agro-techniques 72 4000 A=300 W/m2 rc=10 D=1.5 rc=1 2000 rc=50 4000 rc=r*=120 0 rc>>0 ET (W/m2) rc=10 rc=1 2000 A=600 W/m2 D=2.5 rc=50 rc=r*=100 rc>>0 0 1E-2 0.1 1 1E+1 1E+2 1E+3 1E+4 1E+5 1E+6 1E+7 1E+8 1E+9 1E+101E+11 ra (s/m) 73 π Buckingam theorem • If we have n variables with m fundamental dimensions • We need n-m groups without dimensions to characterise the system • We have to solve a system of equations of the first order: F (π 1 , π 2 , π 3 ....) = 0 We can search for experimental relationships π1=f(π2) 74 Test for crops in contrasted water conditions with a e b locally calibrated 75 When the soil can be considered as semi-closed sistem, it can be demonstrated (Rana et al., 997) that the PLWL can be substituted with a simple relationship between it and the soil water content 0.0 Ψ b = α ( AW ) with α and β function of β PLWP (MPa) -1.0 sorghum vegetative stage sorghum senescence soybean vegetative stage soybean senescence sunflower -2.0 crop, water status and soil type -3.0 0.0 0.2 0.4 0.6 AW 0.8 1.0 1.2 76 ET Models at daily scale ETd = ∑ ET ETd = 1 λ C Δ Δ+γ Ad ⎛ r* ⎞ ⎜⎜ ⎟⎟ 1+ γ + Δ ⎝ ra ⎠ d λETd C= ⇒C = Δ γ ⎛ rc ⎞ Ad ⎜⎜ ⎟⎟ 1+ Δ +γ γ + Δ ⎝ ra ⎠ d γ 77 Katerji-Perrier model at daily scale C = AΨ p + B ETd = 1 λ (AΨ p + B) Δ Δ+γ Ad soja sorgho tournesol C 1.2 0.8 0.4 -1.6 -1.2 -0.8 potentiel de base (MPa) -0.4 0.0 78 FAO 56 - indirect Penman-Monteith - direct LAI>2 LAI>2 FAO 56 DAILY SCALE Emod=0.61 Em+2.06 8 R2=0.55 Emod=0.98 Em R2=0.55 Emod=1.01 Em R2=0.94 Emod=0.99 Em R2=0.68 8 4 4 Sunflower Sunflower Sweet sorghum 0 Sweet sorghum 0 Emod=0.64 Em+1.69 R2=0.77 8 Emod=0.92 Em+0.27 R2=0.40 4 Grain sorghum Soybean 0 ET model 1(mm d-1) ET FAO 56 (mm d-1) LAI<=2 MODEL 1 DAILY SCALE LAI<=2 Emod=0.95 Em R2=0.73 8 Emod=0.94 Em R2=0.88 4 Grain sorghum Soybean 0 Emod=0.78 Em+0.30 R2=0.94 Emod=0.80 Em+0.73 R2=0.77 8 Emod=1.02 Em R2=0.97 Emod=1.01 Em R2=0.97 8 Rana & Katerji, 2006, AFM 4 4 Grass Tomato Grass 0 Tomato 0 0 4 8 0 ET measured (mm d-1) 4 8 0 4 8 0 ET measured (mm d-1) 4 8 79 Try to give an answer to the problems linked to the Kc Kc = ETcrop ETreference Total error Minimum: 20% Maximum: 60% • ETcrop and ETreference be measured – Directly (err=10%) – Indirectly (err=10%) • ETcrop and ETreference can be estimated – Directly (err=25%) – Indirectly (err=30%) 80 Thus, which solution for the field applications? • Use the direct estimation method at hourly scale • Give the water whenever it is available for not to suffer the crop • Always verify the Kc in the table and determine locally them, bu using suitable methods for both ET and ET0 • Use the dual Kc 81 ADVECTION • Outside the fully adjusted boundary layer the fluxes are not conservative (constant with height) • E.g. in the Mediterranean region an important contribution to the energy balance above an irrigated crop can be given by surrounded not irrigated crops or bare soil • In this case the air passing from a dry field toward an irrigated field is cooled as well as increasing in humidity • Hence, ET increases rapidly near the boundary of the irrigated field • When the measurements of the micrometeorological variables are made in advection conditions, the energy balance is not closed, also when the sensors are placed within the internal boundary layer (Figuerola and Berliner, 2005) Rn = G + λE + H eddy + H advection 82 83 Considerations about advection (1) The theoretical studies on local advection (Philip 1959; Taylor, 1970; Itier and Perrier, 1976; Itier et al., 1994; Brunet et al., 1994) showed that the advective flux (Hadvection) depends on – the fetch F, – the roughness length of the crop, z0 – the wind speed through the friction velocity u* – the difference in temperature between the dry and irrigated fields, ΔT H advection = 360 ⋅ u ⋅ ΔT 6 z0 F * λEactual = λE − H advection Hadvection can be 1-2 mm/day for temperature differences between dry and irrigated fields of 5-10°C 84 Considerations about advection (2) Micrometeorological methods must be applied in order to make the measurements within the equilibrium of the fully adapted boundary layer The fetch value that assures an acceptable adapted layer for micrometeorology is reported by Wieringa (1993) as ⎡10 z ⎛ 10 z ⎞⎤ ⎜⎜ ln F ≅ 2 z0 ⎢ − 1⎟⎟⎥ ⎠⎦ ⎣ z0 ⎝ z0 85 Considerations about advection (3) A sensitivity analysis (Figuerola and Berliner, 2005; de Bruin et al., 2005) showed that the largest errors in estimating ET by means of Penman-Monteith type methods, were due to possible errors in the estimation of the vapour pressure deficit and the canopy resistance. These errors can be minimized by setting up the sensors as close as possible to the top of the canopy. If these precautions are taken, the errors in the PM equation used to estimate ET derive mainly from errors in the estimation of rc if the latter can be satisfactorily parameterised. It appears that it is advantageous to use the PM equation to estimate actual ET under advection conditions. 86 87 88 89 errors 90 Net radiation Rn=a Rg+b Pyranometer (Rg) Net radiometro (Rn) 91 Soil heat flux Soil plate G=c Rn 92 Difference between actual and saturation vapour pressure D=es-ea Can be determined by using a thermo - hygrometer 93 Aerodynamic resistance (s m-1) z−d z−d ln ln z0 hc − d ra = 2 k u (z ) K=0.4 Wind speed d=0.67 hc Crop height z0=0.1 hc 94 Application of this model to crops under Ozone stress CFWW -1.0 -0.5 Predawn leaf water potential (MPa) 0.0 NFS 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 CFS -1.0 -0.5 Predawn leaf water potential (MPa) 0.0 -1 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 -1 NFWW gs (cm.s ) F(2) O3+(2) gs (cm.s ) O3+(1) F(1) 95 The ET model in the filtered (without ozone) Open Top Chambers λ Cf Δ Δ+γ C f = A'Ψ p + B ' Ad 1.6 coefficient C for well watered soybean in open field 1.2 Cf ETd , f = 1 0.8 0.4 Cf=1.3Ψp+1.52 r2=0.57 0 -0.2 -0.4 -0.6 Ψp(MPa) -0.8 -1 96 The ET model applied to the non-filtered (with ozone OTC 1,0 Relative AET = +O3/-O3 y = -0,0001x + 0,9147 R2 = 0,88 0,9 ET relative 0,8 2003 0,7 if 2004 0,6 2005 0,5 0,4 0,3 0,2 0 2000 if 4000 6000 AOT40 (ppb) 8000 10000 ETd ,nf = ETd , f Ψ p ≤ −0.4 MPa ETd ,nf = Fs ⋅ ETd , f Ψ p > −0.4 MPa 97 Calibration of the model ⎛ rc , f ⎜ 1+ γ + Δ ⎜⎝ r a Fs = γ ⎛ rc ,nf ⎜ + 1 ⎜ r Δ A γ + Δ ⎝ a Δ+γ γ ETd , f = 1 λ Cf d ⎞ ⎟ ⎟ ⎠d ⎞ ⎟ ⎟ ⎠d Fs = A'' ∑ AOT 40 + B '' Fs=-0.0008(ΣAOT40)+1.19 r2=0.57 1.6 Fs 1.2 ETd ,nf = 0.8 1 λ C f Fs Δ Δ +γ Ad 0.4 0 0 2000 4000 6000 AOT40 cumulated (ppb) 8000 10000 98 Results of the application of the model (Rana et al., 2009, submitted) Control (filtered treatment) 10 ETcalculated (mm/d) 8 6 2003 - CW 2004 - CW(OTC2) 2005 - CW 2005 - CS 4 2 ETc=0.94 ETm r2=0.71 n=245 0 0 10 2 4 6 ETmeasured (mm/d) 8 10 unfiltered treatment ETcalculated (mm/d) 8 6 2003 - LW 2003 - LS 2004 - HW(OTC4) 2005 - HW 2005 - HS 4 2 ETc=1.05 ETm r2=0.64 n=268 0 0 2 4 6 ETmeasured (mm/d) 8 10 99 Jarvis model applied to high O3 concentration Emberson et al., 2000 100