Evaluation of the DSSAT–CERES-Wheat Model for Simulating Winter Wheat (Triticum aestivum L.) Under Different Irrigation Scenarios in the Egyptian Nile Delta

मिस्र के शुष्क परिदृश्य में, जहाँ सूरज की तपिश अधिक है और वर्षा एक दुर्लभ अतिथि है, नील नदी राष्ट्र की कृषि की जीवनधारा है। सदियों से, किसान लाखों लोगों का पेट भरने वाले गेहूं को उगाने के लिए इसी एकल स्रोत पर निर्भर रहे हैं, लेकिन यह संतुलन तेजी से नाजुक होता जा रहा है। जैसे-जैसे जनसंख्या बढ़ रही है और पानी कम होता जा रहा है, त्रुटि की गुंजाइश घटती जा रही है। जीवित रहने के लिए, किसानों को यह सटीक रूप से जानना होगा कि उनकी फसलों को कितने पानी की आवश्यकता है और कब देना है। बहुत कम पानी होने पर अनाज विफल हो जाता है; बहुत अधिक होने पर एक बहुमूल्य संसाधन बर्बाद हो जाता है। यहीं आधुनिक विज्ञान काम आता है, जो मौसम के बदलने का इंतजार किए बिना फसल के भविष्य को देखने का एक तरीका प्रदान करता है। शोधकर्ता कंप्यूटर मॉडल का उपयोग करते हैं, जो अनिवार्य रूप से पौधों के बढ़ने के विस्तृत डिजिटल सिमुलेशन (अनुकरण) हैं, ताकि विभिन्न रणनीतियों का परीक्षण किया जा सके। ये प्रोग्राम मिट्टी, मौसम और फसल के विशिष्ट आनुवंशिकी को ध्यान में रखते हुए यह भविष्यवाणी करते हैं कि विभिन्न परिस्थितियों में कितना भोजन उत्पादित होगा। इन सिमुलेशन को चलाकर, वैज्ञानिक उस 'स्वीट स्पॉट' (अनुकूल बिंदु) को खोज सकते हैं जहाँ जल का उपयोग कुशल हो और पैदावार अधिक हो, जिससे उन किसानों के लिए एक रोडमैप तैयार होता है जो बदलते जलवायु की चुनौतियों का सामना कर रहे हैं।

उपजाऊ नील डेल्टा में, शोधकर्ताओं की एक टीम ने यह देखने के लिए इन शक्तिशाली कंप्यूटर उपकरणों में से एक, जिसे DSSAT के रूप में जाना जाता है, का परीक्षण करने का निर्णय लिया कि यह मिस्र की विशिष्ट परिस्थितियों में शीतकालीन गेहूं उत्पादन की कितनी अच्छी तरह से भविष्यवाणी कर सकता है। उन्होंने एक महत्वपूर्ण प्रश्न पर ध्यान केंद्रित किया: सिंचाई का समय (टाइमिंग) मॉडल की भविष्यवाणियों की सटीकता को कैसे प्रभावित करता है? टीम ने डेल्टा के चार प्रमुख गवर्नरेटों से वास्तविक दुनिया का डेटा एकत्र किया, जिसमें शार्किया, बेहिरा, कयूबिया और घरबिया शामिल थे, जिसमें 2002 से 2020 तक की फसलें शामिल थीं। उन्होंने किसानों द्वारा काटे गए गेहूं की वास्तविक मात्रा की तुलना उस डेटा से की जो कंप्यूटर मॉडल ने भविष्यवाणी की थी, और कई अलग-अलग परिदृश्यों का परीक्षण किया। सबसे पहले, उन्होंने मॉडल को यह मानने के लिए कहा कि गेहूं के पास असीमित पानी और पोषक तत्व थे, जो एक आदर्श दुनिया का प्रतिनिधित्व करता है जहाँ कुछ भी गलत नहीं होता। फिर, उन्होंने यथार्थवादी बाधाएं पेश कीं, मॉडल को यह बताया कि सिंचाई केवल तभी करें जब मिट्टी एक निश्चित बिंदु तक सूख जाए, और अंत में, उन्होंने मॉडल का परीक्षण उन वास्तविक समय सारणियों के विरुद्ध किया जिनका उपयोग किसान खेतों में करते हैं, जिसमें पानी देने और नाइट्रोजन उर्वरक लगाने की विशिष्ट तिथियां शामिल थीं।

पहले परीक्षण के परिणाम बताने वाले थे। जब कंप्यूटर को यह मानने की अनुमति दी गई कि गेहूं को कभी पानी या भोजन की कमी का सामना नहीं करना पड़ेगा, तो इसने लगातार यह अनुमान लगाया कि फसल वास्तविक होने की तुलना में बहुत बड़ी होगी। अध्ययन किए गए प्रत्येक क्षेत्र में, मॉडल ने पैदावार का काफी अधिक अनुमान लगाया, जो यह दर्शाता है कि जल तनाव की वास्तविकता को अनदेखा करने से अवास्तविक अपेक्षाएं पैदा होती हैं। हालांकि, जब शोधकर्ताओं ने मॉडल को वास्तविक दुनिया को प्रतिबिंबित करने के लिए समायोजित किया, तो भविष्यवाणियां नाटकीय रूप रूप से सुधर गईं। उन्होंने पाया कि मॉडल का प्रदर्शन तब सबसे अच्छा रहा जब इसे निर्देश दिया गया कि फसलों को पानी तभी दिया जाए जब मिट्टी ने अपनी उपलब्ध जल क्षमता का आधा हिस्सा खो दिया हो। इस विशिष्ट स्थिति के तहत, कंप्यूटर के अनुमान वास्तविक कटाई के साथ निकटता से मेल खाते थे। अनुमानित और वास्तविक संख्याओं के बीच का अंतर बहुत छोटा हो गया, जिसमें मॉडल अधिकांश मामलों में केवल एक बहुत मामूली हिस्से से चूक रहा था। इससे यह संकेत मिला कि नील डेल्टा में गेहूं वास्तव में जल स्तर के प्रति संवेदनशील है, और इसकी वृद्धि का अनुकरण करने का सबसे सटीक तरीका यह स्वीकार करना है कि यह दोबारा पानी दिए जाने से पहले मध्यम सूखे का अनुभव करता है।

इसके बाद अध्ययन ने मॉडल का परीक्षण उन वास्तविक प्रबंधन प्रथाओं के विरुद्ध किया, जिसमें पानी देने और यूरिया उर्वरक लगाने का एक निश्चित कार्यक्रम शामिल है। जब शोधकर्ताओं ने मॉडल को इन वास्तविक दुनिया के समय सारणियों का पालन करने के लिए प्रोग्राम किया, तो भविष्यवाणियां मजबूत बनी रहीं, हालांकि वे थोड़े अलग दिशा में झुकी हुई थीं। इन परिदृश्यों में, मॉडल ने पैदावार का थोड़ा कम अनुमान लगाया, यह अनुमान लगाते हुए कि फसल वास्तविक होने की तुलना में थोड़ी छोटी होगी। ऐसा तब हुआ जब उन्होंने केवल उर्वरक कार्यक्रम लागू किया और जब उन्होंने इसे सिंचाई की विशिष्ट तिथियों के साथ जोड़ा। इस मामूली कम अनुमान के बावजूद, त्रुटि मार्जिन स्वीकार्य सीमाओं के भीतर रहा, जिससे सिद्ध हुआ कि मॉडल निर्धारित सिंचाई और पोषण के जटिल अंतर्संबंधों को सफलतापूर्वक दोहरा सकता है। शोधकर्ताओं ने नोट किया कि हालांकि मॉडल ने नाइट्रोजन शामिल होने पर कभी-कभी कम पैदावार की भविष्यवाणी की, फिर भी समग्र सटीकता योजना बनाने के लिए पर्याप्त रूप से उच्च थी।

अंततः, यह कार्य यह प्रदर्शित करता है कि DSSAT मॉडल मिस्र के नील डेल्टा में गेहूं के उत्पादन को समझने के लिए एक विश्वसनीय उपकरण है, बशर्ते इसे खेत की वास्तविक स्थितियों को दर्शाने के लिए सेट किया गया हो। इस अध्ययन ने इस विचार को खारिज कर दिया कि पूर्ण, तनाव-मुक्त स्थितियों को मानना इस क्षेत्र के लिए एक वैध दृष्टिकोण है, बल्कि यह दिखाया कि जल सीमाओं को स्वीकार करना सटीकता के लिए आवश्यक है। निष्कर्षों से पता चलता है कि फसल का अनुकरण करने का सबसे यथार्थवादी तरीका सिंचाई को तब सक्रिय करना है जब मिट्टी पचास प्रतिशत रिक्ति (डिपलीशन) बिंदु पर पहुँच जाती है, जो पर्यावरण की प्राकृतिक सीमाओं को दर्शाता है। यह पुष्टि करके कि ये डिजिटल सिमुलेशन वास्तविक दुनिया की कटाई से बारीकी से मेल खा सकते हैं, यह शोध किसानों और नीति निर्माताओं को क्षेत्र में लागू करने से पहले नई सिंचाई रणनीतियों का परीक्षण करने के लिए एक मूल्यवान तरीका प्रदान करता है। यह क्षमता एक ऐसे देश के लिए अत्यंत महत्वपूर्ण है जहाँ पानी की हर बूंद मायने रखती है, जिससे निर्णय लेने वालों को भविष्य के लिए स्थिर खाद्य आपूर्ति सुनिश्चित करने हेतु नील के संसाधनों के प्रबंधन को अनुकूलित करने की अनुमति मिलती है।