《International Journal of Agronomy》：Identification of Optimal Irrigation Schedule Using Crop Simulation Modeling (CROPWAT) and Statistical Methods for Sprinkler Irrigation System of Fincha Sugar Estate, Wollega, Oromia, Ethiopia
合理的灌溉计划有助于确保水资源的合理利用、提高作物产量、降低灌溉成本，并最大限度地减少与水管理相关的问题，如涝灾和土壤盐渍化的风险。本研究旨在使用作物模拟与模拟模型CROPWAT和统计方法，为Fincha甘蔗种植园确定最适宜的灌溉计划实践。研究人员收集了模型模拟和运行所需的所有数据，并针对22个选定的灌溉计划情景运行了模型。这些灌溉计划情景通过组合四种主要灌溉计划方法的不同选项制定：固定或刚性计划、部分灵活计划、混合计划和按需计划。模型运行了这22个选定的情景，并跨季节进行了三次重复，以评估灌溉计划的性能。模型模拟中使用了四个指标——灌溉计划效率（EIS）、灌溉计划亏缺量（DIS）、降雨利用效率（ER）和产量减少百分比（YR）——来评估灌溉计划的表现。进行了相关分析以确定性能指标之间关系的性质。此外，进行了方差分析（ANOVA）以检验不同的灌溉计划情景是否对计划性能有显著影响。还进行了多重最小显著差异（MLSD）检验来比较性能指标的平均值。所有分析均使用R统计软件完成。研究发现，EIS与ER高度相关，而DIS与YR显著相关。方差分析表明，灌溉计划情景对性能指标有显著影响。多重最小显著差异（MLSD）检验显示，按需计划和混合灌溉计划在所有性能指标上表现出最高、相等且一致的绩效。考虑到现有系统设计下的可管理性，混合灌溉情景（由根据生长阶段变化的预定灌溉深度和基于土壤水分亏缺的灌溉间隔组成）通常可被视为Fincha甘蔗庄园两种土壤（淋溶土和变性土）的最优方案。采用混合灌溉情景，在淋溶土上可达到平均90.9%的灌溉计划效率，在变性土上可达100%；降雨利用效率在淋溶土上为61.7%，在变性土上为65%。此外，对于两种土壤，灌溉计划亏缺量和YR均可保持在0.0%。因此，建议该甘蔗庄园实施已确定的混合灌溉计划实践，以实现最优产量和水分利用效率。该方法可用于以合理的精度识别最优灌溉计划。未来可能需要针对模型和模拟在估算性能指标方面的固有局限性，开展侧重于结果验证的研究。
灌溉是全球淡水的主要消耗者。全球超过70%的淡水从水体中抽取，以及90%的淡水消耗性使用均源于灌溉农业[1–3]。此外，灌溉用水需求与日益增长的粮食和纤维需求紧密相关，而后者又因人口增长和市场扩张而不断增加。另一方面，由于全球变暖，全球范围内的灌溉需求也在增长[2–5]。同时，由于气候变化的持续影响，全球可用于各种用途的淡水总量正变得日益不确定。在此背景下，改善灌溉系统中的水资源管理，除了能解决当地的水资源管理问题，还能极大有助于应对全球性挑战。改进的灌溉用水管理对于解决全球和地方水资源问题至关重要。
改进的灌溉用水管理主要侧重于节约和保护水资源。因此，主要焦点是通过不同选项减少灌溉用水需求[6]。改进的水资源管理也可用于实现作物最优产量，并降低涝灾和盐渍化风险。灌溉管理中最重要的管理选项之一是灌溉计划。灌溉计划是确定田间灌溉水量和频率的过程。它有助于减少水需求与供给之间的不平衡，提高作物产量，降低涝灾和盐渍化风险，从而确保灌溉农场的可持续性。灌溉计划可以通过避免欠灌或过灌来优化作物产量，提高水分利用效率，节约水资源，并为可持续水资源管理做出贡献；同时通过避免过灌来降低灌溉成本，特别是通过避免过灌来确保灌溉土地的可持续性，防止涝灾和盐渍化问题[7–10]。
在埃塞俄比亚，灌溉发展的步伐未能满足迫切需求，也未能充分发挥其巨大潜力。该国超过85%的人口严重依赖雨养农业。尽管拥有巨大的地表和地下水资源潜力，该国仍面临频繁、严重和毁灭性的干旱。在埃塞俄比亚，大多数灌溉发展项目集中在阿瓦什河流域。
然而，该国主要的地表水资源位于阿拜河（蓝尼罗河）流域。该流域是最大的河流流域，拥有全国45%的地表水资源潜力[11]。阿拜河贡献了尼罗河流量的62%以上；另外两条河流，巴罗阿科博河和特克泽河，合计贡献了至少86%尼罗河流量的剩余份额。该流域的灌溉潜力估计为815,581公顷（占全国灌溉潜力的21.8%）[11, 12]。然而，阿拜河流域内只有极少数灌溉工程。因此，流域内绝大多数农村人口因缺乏灌溉发展而受苦。
Fincha甘蔗庄园是阿拜流域内为数不多的灌溉工程之一。该项目于1988年作为生产谷物作物的国有农场启动，但从1999年开始转变为甘蔗种植园。该庄园对其约19,602.6公顷的整个甘蔗种植园采用喷灌系统。使用如此高效的灌溉系统，显示了该国在改进水资源管理和可持续利用尼罗河水方面发挥的积极作用。该灌溉系统可视为流域内下游国家（主要是埃及）的典范，因为埃及在改进其水资源管理和利用替代水源补充地表水资源方面一直持保留态度。在Fincha甘蔗庄园，多年来（至少到2002年）一直实行固定的预定灌溉计划。该计划包括对所有土壤、生长阶段和季节都不变的灌溉深度和间隔。因此，喷头在特定位置连续运行24小时，并在每15天间隔后返回该位置。Tate[13]的操作维护手册建议在灌溉人员熟悉系统操作之前仅使用固定灌溉计划。这种做法可能导致对幼小生长阶段过灌，以及对轻质和浅层土壤（特别是在干旱月份和作物生长后期）造成水分胁迫。此外，当灌溉间隔短于必要时，可能会导致重粘土过早和过度灌溉，从而降低施用效率。然而，该做法过了好几年才被考虑修订。该庄园在2002年一项研究建议后开始重新考虑该实践。建议是修订现有的固定计划，代之以随作物阶段、土壤类型和月份而变化的预定灌溉计划[14]。
该建议基于使用灌溉工程标准水量平衡方程计算的灌溉计划，但尚未确定这些计划对产量和水分效率的影响以支持决策。此外，一些计划难以在系统的现有设计能力和灵活性以及工作时间内实施。然而，该甘蔗庄园开始基于主观评估修订实践。例如，黑棉土的田间灌溉间隔被延长。此外，该庄园尝试改变灌溉深度，尝试了12小时和6小时的设定时间。这些行动有利于提高灌溉速度或减少给定田块的灌溉周期。这为向相邻和偏远田块（必须继续灌溉的地方）提供更多所需压力的水创造了机会。然而，该庄园在应用6小时设定时间方面遇到了一些挑战，因为它需要在夜间移动喷头位置，使得田间灌溉人员和现场管理人员操作困难。甘蔗庄园继续基于主观评估选择和应用更灵活的计划。然而，修订实践对产量和水分效率的影响仍然未知。因此，虽然看到在复杂条件下如此渐进地调整灌溉计划实践令人印象深刻，但很明显，决策应基于灌溉计划实践可能影响的经验证据。为了使该庄园能够做出明智决策，必须提供有关各种灌溉计划对作物生产力和水分效率影响的经验数据。
不同计划情景的效果通常通过在特定当地条件下的实验研究来评估。然而，作物模型也可以在最少的成本和时间内提供相当可靠的结果。已知建模和模拟能够在短时间内轻松地表示和分析大量情景，这些情景即使在复杂的实验设计下也往往成本高昂且难以管理。CROPWAT是使用最广泛且最有效的作物模型之一[4, 15–19]。埃塞俄比亚的一项本地研究表明，与田间试验结果相比，CROPWAT在估算产量减少（YR）方面的效率超过96%[8]。另一项研究建议在Fincha甘蔗庄园使用CROPWAT进行灌溉计划，以实现更高的水分利用效率和更好的作物产量[20]。因此，本研究采用CROPWAT模型结合统计方法，为Fincha甘蔗庄园的喷灌系统确定可行且最优的灌溉计划方法和情景。
研究区域与灌溉系统位于埃塞俄比亚奥罗米亚地区州霍罗-古德鲁沃莱加区，距亚的斯亚贝巴以西350公里。该工程的水源是Fincha河，阿拜河流域的一条支流。河水在Fincha水电站用于水力发电后，流向下游，部分被引用于甘蔗种植。甘蔗灌溉项目始于1999年，是该流域迄今为止为数不多的灌溉项目之一。Fincha甘蔗庄园的整个甘蔗种植园采用喷灌系统。该喷灌系统可能是埃塞俄比亚首个同类大型灌溉项目。该计划分两个主要阶段和一个中间阶段开发：第一阶段主要在西岸开发6200公顷种植园；中间阶段在西岸和东岸进行扩建和零散区域开发，西岸2712公顷，东岸400公顷；阿梅蒂·内希（Amerti Neshi）中间阶段3882公顷；第二阶段主要在东岸增加6408.8公顷。现在，该庄园拥有约19,602公顷的甘蔗种植园。灌溉系统是拖曳式喷灌，喷头采用三脚架设置（设计流量为每小时5.6毫米）。每个喷头每次设置位置供水区域为18米 × 18米（0.0324公顷）。每个喷头三脚架设置需要移动到15个设置位置，横向5个位置，纵向2个位置，以覆盖一个模块区域0.486公顷。因此，在设计的灌溉周期（15天）内，在持续供水（每天24小时）条件下，每个喷头三脚架设置服务的总面积为0.4860公顷（15米 × 18米 × 18米）[13]。这意味着系统设计为每天24小时连续供水的灌溉水输送计划，在15天内完成对0.486公顷模块区域的灌溉。因此，与设计灌溉周期对应的灌溉间隔恰好等于15天。因此，田块的特定部分（模块）可能至少有15种不同的土壤水分水平。系统设计为连续运行的事实使得灌溉间隔等于灌溉周期，这反过来给灌溉区域带来了技术、操作和农业风险。例如，与可能的系统停机相关，田间出现更高的水分变异性和胁迫的风险会增加。
收集了与土壤、气候和作物特性；农艺实践；以及灌溉系统设计和管理变量相关的所有必要数据。土壤相关信息，包括研究区域内两种主要土壤的土壤水分特性参数（土壤容重、田间持水量（FC）和永久萎蔫点（PWP）），来自一份田间调查报告。Fincha甘蔗庄园的土壤分为两种主要类型：淋溶土（Luvisols）和变性土（Vertisols）。超过60%的种植区被淋溶土覆盖，庄园其余区域被变性土覆盖。这些土壤的物理性质见表1和表2。
长期气候数据（1994–2019），包括降雨量、温度、相对湿度和风速，来自该庄园的气象站。Fincha气象站位于北纬9.76°，东经37.42°，平均海拔1200米（高于平均海平面）。气候变量的汇总见表3。
作物特性相关信息（如表4所示），如生长阶段、生长阶段长度、根区深度和萎蔫前临界含水量，来自FAO手册和该地区先前的研究。根据FAO手册，FAO表格中的Kc值需要针对湿润条件（对于初始阶段系数Kc
ini）和气候条件（对于中期系数Kc
mid和后期系数Kc
end）进行调整。因此，Kc
ini估算为0.45，对应于平均灌溉间隔15天、蒸发能力（ETo）4.0毫米/天、灌溉深度大于40毫米以及该地区细质和中质土壤条件。同样，Kc
mid和Kc
end值针对当地气候和作物高度（平均日风速0.6米/秒，最小相对湿度30.4%，作物高度3米）进行了调整。调整后的Kc
mid和Kc
end分别为1.2524和0.7524。调整值与表格中的Kc值（Kc
mid=1.25，Kc
end=0.75）仅有微小差异。
该庄园现有的农艺实践也被考虑用于确定种植季节和收获年龄。在现有耕作条件下，2月、3月和4月是合适的种植月份。收获年龄通常对于新植蔗（plant cane）约为24个月，对于宿根蔗（ratoon crops）约为12个月。本研究仅考虑新植蔗。最后，关于设计和管理变量的信息来自操作和维护手册。
获得了与流量（速率、持续时间和频率）、设计工作压力、灌溉计划实践和施用效率相关的信息。需要注意的是，支管的设计工作压力为5巴，喷头流量为每小时5.6毫米，施用效率为75%。单个喷头的田间输水能力以每小时5.6毫米的流量连续运行24小时为特征，在15天内灌溉0.468公顷。
考虑了四种主要的计划方法：固定预定计划、部分灵活预定计划、混合计划和按需灌溉计划方法。如下所述，通过组合四种主要方法的不同选项，确定了许多替代计划选项。这是为了评估大量可能的灌溉计划替代方案。考虑进行研究的计划方法和灌溉计划情景描述如下。
固定预定计划（FPDS）包括以下两个预定刚性计划选项：设计计划（深度：24小时设定时间，间隔：15天）用于所有土壤的所有时间；修改后的固定计划：根据土壤、作物和系统参数对每种土壤类型修改设计计划。因此，选择了以下固定预定计划情景作为替代方案。对于淋溶土（Luvisol）：深度：24设定时间（101毫米），间隔：15天（情景1a）；深度：16设定时间（67毫米），间隔：12天（情景2a）；深度：12设定时间（50毫米），间隔：10天（情景3a）；深度：12设定时间（50毫米），间隔：8天（情景4a）。对于变性土（Vertisol）：深度：24设定时间（101毫米），间隔：15天（情景1b）；深度：16设定时间（67毫米），间隔：15天（情景2b）；深度：12设定时间（50毫米），间隔：15天（情景3b）；深度：12设定时间（50毫米），间隔：10天（情景4b）。
部分灵活预定计划（PFPDS）由随生长阶段变化的灌溉深度和间隔组成，针对每种土壤类型进行考虑。深度和间隔的值根据土壤、作物和系统参数计算。对于每种土壤，将4种灌溉深度和4种灌溉间隔组合，形成总共16个灌溉计划情景（表5和表6）。表7和表8显示了与表5和表6对应的两种土壤类型的净灌溉深度（毫米）。
混合计划（Mixed Schedule）由预定灌溉深度（随生长阶段变化）和灌溉间隔（取决于选定的最优土壤水分亏缺水平）组成。灌溉深度值根据土壤、作物和系统参数计算。因此，考虑表9所示的随作物生长阶段变化的灌溉深度，以及对应于选定临界亏缺水平（65%）的灌溉间隔。计算得出的对应于选定临界土壤水分亏缺水平的每种土壤和生长阶段的净灌溉深度见表9。该方法与现有系统兼容，只是需要整合土壤水分监测实践。因此，将其纳入以探索和评估替代实践改进的潜力。
按需计划（On-Demand Schedule）深度和间隔均为完全灵活的计划。供水基于选定亏缺水平下的土壤水分亏缺。深度和间隔均不预定和固定。相反，它们取决于灌溉前的实际土壤水分水平。因此，当达到临界土壤水分亏缺（65%亏缺）时进行灌溉，将根区补充至田间持水量（FC）。该描述与Vico和Porporato[23]给出的描述一致。由于该方法需要很高的系统灵活性和操作复杂性，在研究区域现有系统下难以应用。然而，纳入该情景作为参考，以便与其他方法的结果进行比较。
模拟与分析分析中，有效降雨量采用美国农业部（USDA）土壤保持方法估算。淋溶土和变性土的初始土壤水分亏缺百分比均考虑为总有效水的50%，以考虑灌溉前水分施用事件后的土壤水分消耗。灌溉前水分施用做法在甘蔗田中很常见。它们在正常灌溉季节之前进行，目的是启动发芽并调节土壤温度以利于发芽和分蘖。所有输入数据被整理并用于CROPWAT软件进行情景模拟。针对每种灌溉计划情景设置了CROPWAT模型中合适的计划选项。对于预定灌溉计划方法（A和B），计划选项设置为用户定义的深度和间隔。对于混合计划方法（C），计划选项设置为用户定义的随生长阶段变化的灌溉深度，以及对应于选定临界亏缺水平100%的灌溉时间。对于完全灵活的灌溉情景（D），计划选项设置为对应于选定临界亏缺水平100%的灌溉时间，以及将根区补充至田间持水量（FC）的灌溉深度。模拟与分析分析总共运行了132次（针对两种土壤类型、22个灌溉计划情景，每个情景重复三次，对应于种植季节的三个典型种植日期）。
统计分析进行了相关分析，以确定四个灌溉计划性能指标之间的关系。进行了方差分析（ANOVA）以检验不同的灌溉计划情景是否对计划性能有统计学上的显著影响。ANOVA采用随机完全区组设计（RCBD）进行，包含22个灌溉计划情景水平，每个水平重复三次（三个种植季节）。当检测到对计划性能的显著影响时，使用基于最小显著差异（LSD）的多重比较对性能指标的平均值进行比较。所有统计分析均使用R 4.2.3统计软件完成，采用了一些基础和专门的软件包进行分析和绘图，如ggplot2、ggpubr、tidyverse、broom、AICcmodavg、Tidyverse和Agricolae。
结果相关性分析的相关性分析矩阵（表10）和性能指标的多散点图（图2和图3）显示，在淋溶土和变性土中，灌溉计划效率（EIS）与降雨利用效率（RE）之间存在强烈的统计显著正相关（p < 0.05，相关系数分别为0.8和0.86）。同样，在两种土壤中，灌溉计划亏缺量（DIS）与YR之间存在非常强的统计显著正相关（相关系数均为0.99）。然而，发现所有其他关系在统计上不显著。结果与这些指标的内在性质一致，因为EIS和ER是相互关联的效率相关指标，而DIS和YR是相互关联的产量相关指标。性能指标可分为两组——效率相关指标和产量相关指标。这种性能指标的分类有助于简化最优灌溉计划情景的选择。
方差分析对于淋溶土，不同指标的方差分析摘要表（表11、12、13和14）显示，灌溉计划情景对计划性能有非常高的统计显著性影响（α < 0.001）。重复（种植日期）也显示出非常高的统计显著性影响（α < 0.001）。这表明种植季节会影响水分施用性能和最终产量。查看不同计划情景在三个种植季节的计划性能指标图（附录图A1、A2、A3、A4），2月种植的效率相关性能指标持续优于3月和4月。相反，4月种植的产量相关性能指标持续优于3月和2月。与不同指标的ANOVA对应的变异系数（CVs）普遍非常低（从3.1%到14.5%），表明数据集和统计设计高度可靠。
对于变性土，不同指标的ANOVA摘要表（表15、16、17和18）显示，灌溉计划情景对计划性能有非常高的统计显著性影响（α < 0.001）。重复（种植季节）也显示出非常高的统计显著性影响（α < 0.001）。这一结果表明种植季节会影响水分施用性能和最终产量。查看不同计划情景在三个种植季节的计划性能指标图（附录图A5、A6、A7和A8），2月种植的效率相关性能指标持续优于3月和4月。相反，4月种植的产量相关性能指标持续优于3月和2月。与不同指标的ANOVA对应的CVs普遍非常低（从3.1%到14.5%），表明数据集和统计设计高度可靠。
模拟计划性能均值比较每个计划情景对应的模拟计划性能指标平均值见附录表A1和A2。由于灌溉计划情景对计划性能显示出统计学上的显著影响，因此使用多重最小显著差异（MLSD）进行了均值分离分析。淋溶土和变性土的均值分离结果分别见表19和表20。
模拟计划性能在淋溶土中的均值比较在淋溶土中（表19），根据其对EIS的影响，灌溉计划情景可分为16组。表现最好的前四组包括a组（22a）、b组（21a）、c组（7a）和cd组（6a、11a和10a）。因此，按需计划（22a）实现了最高的EIS，其次是混合计划（21a）。第三和第四好的表现见于部分灵活预定计划（PFPDS）情景7a和情景6a、11a和10a。EIS最低的是固定预定计划（1a），其次是部分固定预定计划（2a和4a）和一个PFPDS（8a）。根据其对DIS的影响，淋溶土的灌溉计划情景可分为11组。表现最好的前四组包括h组（22a、21a、12a和16a）、gh组（20a、4a、3a、2a和1a）、fg组（1a和17a）以及ef组（5和13）。这些计划包括一个按需计划（22a）、一个混合计划（21a）、一些PFPDS（12a、16a、17a和20a）以及一些FPDS（1a、2a、3a和4a）。表现最差的四组包括a组（15a和11a）、ab组（7a）、b组（19a）和c组（10a和14a）。可以注意到，这些表现最差组中的灌溉计划均为PFPDS。根据其对降雨利用效率的影响，淋溶土的灌溉计划情景可分为7组。表现最好的前四组包括a组（22a和21a）、b组（7a、11a和15a）、bc组（9a、19a和1a）以及bcd组（6a、10a、14a、5a、13a、18a和17a）。这些计划包括一个按需计划（22a）、一个混合计划（21a）、一些PFPDS（7a、11a、15a、9a、19a、6a、10a、14a、5a、13a、18a和17a）以及FPDS（1a）。表现最差的三组包括cd组（2a）、d组（3a）和e组（20a、4a、16a、12a和8a）。可以注意到，这些表现最差组中的灌溉计划均为PFPDS。根据其对YR的影响，淋溶土的灌溉计划情景可分为11组。表现最好的前四组包括h组（22a、21a、12a、16a和8a）、gh组（20a、4a、3a和2a）、fg组（1a和17a）以及ef组（5a和13a）。因此，按需计划（22a）、混合计划（21a）和一些部分灵活灌溉计划（12a、16a和8a）实现了最高产量。表现最差的三组包括c组（10a和14a）、b组（19a）、ab组（7a）和a组（14a和15a）。最低产量见于部分灵活预定灌溉计划。
模拟计划性能在变性土中的均值比较在变性土中（表20），根据其对EIS的影响，灌溉计划情景可分为10组。表现最好的前四组包括a组（22b和21b）、b组（3b）、cd组（11b和6b）以及cde组（15b）。因此，按需计划（22a）和混合计划（21a）实现了最高的EIS，其次是部分灵活预定计划（PFPDS）（3b、11b、6b和15b）。EIS最低的是一个PFPDS（8b），其次是固定计划（1b）和一个PFPDS（12b）。一些其他PFPDS（12b、16b和20b）显示出次低的性能。根据其对DIS的影响，变性土的灌溉计划情景可分为4组。表现最好的两组包括c组（22b、21b、12b、16b、20b、8b和4b）以及bc组（1b和2b）。这些计划包括一个按需计划（22b）、一个混合计划（21b）、一些PFPDS（12b、16b、20b和8b）以及FPDS（1b和2b）。表现最差的两组包括ab组（13b、17b、9b、5b、14b、18b和10b）以及a组（6b、15b、19b、11b、3b和7b）。可以注意到，这些表现最差组中的灌溉计划均为PFPDS。根据其对降雨利用效率的影响，变性土的灌溉计划情景可分为11组。表现最好的前四组包括a组（22b和21b）、b组（6b和7b）、bc组（10b）以及bcd组（3b、5b、11b、14b和18b）。这些计划包括一个按需计划（22b）、一个混合计划（21b）、一些PFPDS（5b、6b、7b、11b、14b和18b）以及一个FPDS（3b）。表现最差的四组包括fghi组（1b）、ghi组（12b、20b、16b）、hi组（8b）以及i组（4b）。可以注意到，这些表现最差组中的灌溉计划均为PFPDS。根据其对YR的影响，变性土的灌溉计划情景可分为4组。表现最好的两组包括c组（22b、21b、12b、16b、20b、8b和4b）以及bc组（1b和2b）。因此，按需计划（22a）、混合计划（21a）、部分灵活灌溉计划（12b、16b、20b和8b）以及固定计划（4b）实现了最高产量。固定预定灌溉计划（1b和2b）表现出次优性能。表现最差的三组包括ab组（13b、17b、9b、5b、14b、18b和10b）以及a组（3b、6b、7b、11b、15b和19b）。可以注意到，这些表现最差组中的灌溉计划均为PFPDS。
讨论部分从结果来看，灌溉计划效率（EIS）与降雨利用效率（RE）之间存在强烈的正相关和对称关系。有效利用降雨对于在整个灌溉季节增强灌溉效率至关重要[24]。这种关系可以解释为，RE取决于相对于土壤持水能力的土壤水分水平，这影响了可被土壤吸收的雨水相对量，并最终影响降雨后灌溉事件的效率。例如，当土壤水分水平维持在土壤田间持水量（FC）以下时，可以实现更高的RE，从而允许水分被土壤吸收而不会引起饱和和径流。这种情况反过来有助于在即将到来的灌溉事件中实现更高的灌溉效率。反之亦然；当土壤水分水平维持在或低于土壤FC时，可以实现更高的灌溉效率，从而允许水分被土壤吸收而不会引起饱和和径流。这种情况反过来有助于提高即将到来的降雨事件的效率。同样，灌溉计划亏缺量（DIS）与YR之间也存在强烈的正相关和对称关系。灌溉亏缺量表明水量低于其潜在使用量的相对百分比，这影响了相对于潜在产量的YR。例如，较高的灌溉亏缺量意味着作物使用的水量相对于其潜在使用量较少。这种较高的水分亏缺状态会对产量产生明显的负面影响[25, 26]。反之亦然；与水分可利用性相关的较高YR显然与高水平的亏缺量有关。从结果中还注意到，除按需计划和混合计划情景外，产量相关因素与效率相关指标在所有灌溉计划情景下形成对比。例如，对于灌溉计划情景7b，实现了最差的产量相关性能，而在两种土壤中效率相关性能较高。这与在牺牲产量的情况下可实现更高灌溉效率的情况一致，如亏缺灌溉（deficit irrigation）[26]的情况。因此，在关于灌溉计划的决策中，需要在最大效率相关和产量相关性能指标之间进行权衡。
从结果中还注意到，灌溉计划情景22（按需计划）和灌溉计划情景21（混合计划）是表现最好的两个情景。灌溉计划情景22（按需计划）在两种土壤的所有性能指标上均表现出最佳性能，其次是灌溉计划情景21（混合计划）。此外，只有这两个灌溉计划情景（情景21和22）在所有性能指标上持续表现出最高且相似的绩效。混合计划（情景21）与按需计划（情景22）表现相似，可以解释为混合计划融合了传统方法和按需方法的要素，即平衡效率、水分可利用性和实用性。因此，它有可能在特定背景下实现与按需计划相同或甚至更高的效率和YR。考虑到甘蔗需水量适中且对水分胁迫中等敏感，这一点尤其成立。这可能使其在产量方面对更精确的灌溉计划（按需计划）的响应不如混合计划选项显著。在效率方面，混合计划可能实现与按需方法相同甚至更高的效率，这取决于灌溉时机。通常，混合计划方法的灌溉间隔比按需计划方法更宽。这种灌溉时机的延迟是由于混合灌溉计划方法需要更多时间来管理劳动力、水分可利用性和输水计划。这种延迟可能导致混合灌溉计划中的高效率。然而，当灌溉时机早于所需时间（在所需的土壤水分水平下）时，混合灌溉计划方法也可能表现低于按需计划。因此，灌溉计划情景22（按需计划）和情景21（混合计划）的相似表现是可能的。
接下来的问题是，在两种都满足灌溉用水管理理想条件（实现高效率和高产量）的情景之间进行选择。注意到按需计划在Fincha甘蔗庄园的背景下存在一些实际限制，因为它需要在现有设计和运营管理下无法实现的极高灵活性。这是因为，与设计为环状网络以适应完全按需操作的城市供水和滴灌系统不同，其他灌溉系统通常设计为分支系统，可以在田间、分区或整个农场水平上以轮灌方式输水[27]，而混合灌溉计划适用于实际应用。它可以通过引入土壤水分监测实践轻松应用，该实践需要与预定的灌溉深度组合整合。因此，混合灌溉计划可以通过引入土壤水分监测实践在该甘蔗庄园应用。每轮采样的土壤水分监测土壤样本应在同一地点采集，最好在第一个喷头设置点。这是为了考虑与长达15天的长灌溉周期相关的田间土壤水分高度变异性。因此，混合灌溉计划情景22可被选为Fincha甘蔗庄园第一最适宜的灌溉计划。然而，在实施水分监测实践之前，该甘蔗庄园可以根据具体情况选择和使用计划情景。在正常条件下，最大产量比水资源短缺更重要。因此，在淋溶土中，YR为零的灌溉计划情景（如情景16a和8a），在变性土中，YR为零的情景（如4b、16b、20b和12b）可作为第二选择。在缺水条件下，可以选择并应用达到所需高水平效率和相应可接受水平YR的计划情景。
从结果中还注意到，在三个种植月份（2月、3月和4月）中，YR在4月最低，效率在2月最高。这意味着，当水分效率是主要问题时，早些种植似乎更可取，而当产量是主要问题时，晚些种植更可取。这完全基于灌溉计划的角度。可能存在更多重要的气候和农艺因素，对决定最优种植季节至关重要。因此，该庄园应调整种植季节以适应条件和优先需求。
虽然有许多研究使用CROPWAT估算了不同作物的最优灌溉计划[9, 17, 28, 29]，但在本地和国外，没有类似研究使用作物建模和模拟模型结合统计方法来确定最优灌溉计划选项。因此，无法将本研究的ANOVA结果与先前研究进行比较。然而，众所周知，灌溉计划效率的高低显著影响根区降雨储存和利用的效果。同样，灌溉计划亏缺量的高低显著影响根区水分可利用性，最终影响作物生产力[26, 30]。研究还表明，甘蔗产量和水分利用效率在很大程度上依赖于不同生理生长阶段的灌溉计划[31]。
结论与建议部分按需和混合灌溉计划方法在所有性能指标上表现出最高、相等且一致的绩效。按需计划的绩效与混合计划相似。在Fincha甘蔗庄园喷灌系统的现有设计和管理实践下，按需计划不可管理。这是因为这种灵活性需要估算灌溉前根区的水分亏缺，并在每次灌溉事件中补充相同量的水分。显然，在该甘蔗庄园实施完全灵活的计划没有优势。因此，混合灌溉计划（21）通常可被视为Fincha甘蔗庄园两种土壤（淋溶土和变性土）的最优方案。在淋溶土中，采用此混合计划情景，可平均达到90.9%的灌溉计划效率、0.0%的灌溉计划亏缺量、61.7%的降雨利用效率和0.0%的产量减少（YR）。在变性土中，采用此混合计划情景，可平均达到100%的灌溉计划效率、0.0%的灌溉计划亏缺量、65%的降雨利用效率和0.0%的YR。
然而，在不久的将来，由于该甘蔗庄园缺乏土壤监测实践，可能无法应用混合计划。此外，在混合计划选项下，为等待适当的水分亏缺而需要停止和启动田间供水，可能需要非常密切的监督和有效的灌溉系统运行沟通。因此，该甘蔗庄园应开始实施混合灌溉计划实践。但在此之前，应从表19和表20中的备选计划情景排序列表中，选择能够实现效率和产量性能次优组合的其他备选灌溉计划情景。因此，建议淋溶土使用灌溉计划情景（8a和16a），变性土使用灌溉计划情景（4b、16b、20b和12b）在正常条件下立即应用。然而，如果缺水成为问题（例如由于干旱条件），应从列表中选择达到高效率的计划情景，并通过接受一定程度的产量下降来应用。本研究不仅确定了合适的灌溉计划，还提供了关于种植季节对产量和水分利用效率影响的重要见解。因此，该庄园应利用这些信息，根据特定时间和条件下期望的绩效来制定种植季节决策。建议的灌溉计划有助于实现高效率、高产量和可持续的灌溉用水管理，并通过改进土壤水分监测。这可以帮助该庄园节约总用水量，并将节约的水用于未来扩张或抵御气候变化导致的干旱。埃塞俄比亚和其他地方的其他灌溉工程也可利用本研究的结果，至少用于初步筛选最优灌溉计划。该庄园改进的水资源管理实践将有助于阿拜河流域乃至整个尼罗河流域的水资源管理。该庄园的改进实践在本地和区域灌溉工程中起到了示范作用。本研究提供了一种稳健、实用且节省时间和成本的方法，通过整合模拟建模和统计方法，为灌溉工程识别最优灌溉计划。该方法可以提供关于不同计划情景相对性能的可靠结果。然而，不同计划情景对产量和效率实际数值的影响可能需要基于田间试验进行估算。特别是在估算效率和YR的绝对数值时。为了应对模型和模拟在估算性能指标方面的固有局限性，可能需要进一步研究以验证效率和产量减少的绝对数值。
