<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>7067</id>
    <completedYear>2024</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>doctoralthesis</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-06-15</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>2025-01-24</thesisDateAccepted>
    <title language="eng">Supporting accounting and decision-making in agricultural water management under data scarcity :  chances, limits and potential improvements</title>
    <title language="deu">Bilanzierung und Entscheidungsfindung im landwirtschaftlichen Wassermanagement unter begrenzter Datenverfügbarkeit : Chancen, Grenzen und Verbesserungsmöglichkeiten</title>
    <abstract language="eng">Alleviating water scarcity and ending hunger are two Sustainable Development Goals that are inextricably linked, as 70% of water is used for agricultural production. However, assessing and identifying improved water management requires costly field trials or knowledge and data to run agro-hydrological models. This thesis addresses this challenge by integrating an agro-hydrological model with global soil, crop and climate datasets into a user-friendly, web-based agricultural water management assessment tool, the Cool Farm Tool Water (CFTW). This dissertation substantially contributes to the development and assessment of this modelling framework as well as identifies levers to enhance the model performance. Model results were compared to published scientific field trials, eddy covariance observations as well as Water Footprint Network data. Finally, the model framework was applied to five cereals across India between 2005 and 2014, representing a high spatial, inter- and intra-annual heterogeneity. The modelling framework explained 96% of the variability in seasonal water footprints and reduced the error of water footprints by 70% compared to state-level averages by the Water Footprint Network. However, CFTW captured only 50% of the variance in seasonal crop water use. CFTW enables the assessment of the daily dynamics of evapotranspiration, can reproduce daily crop water stress but overestimates irrigation requirements by an average of 40%. It helps identify relative improvements in agricultural water management but lacks the accuracy for absolute assessments. Using local input data reduced the bias from 18.6% to 4.3% for evapotranspiration. While results showed site- and season-specific differences, the greatest model improvement is replacing global precipitation data with local observations, reducing e.g. the bias by 70.6% for daily water use. Water footprints and water use of India revealed the importance of considering crop-, season-, year- and location-specific differences. Total Rabi (dry season) water footprints were between 33.4% and 45.0% lower than Kharif (monsoon) water footprints. However, the Rabi blue water footprints accounted for up to 78.3%. Overall, India increased cereal production by 26.4% without utilising additional water resources, mainly through increases in yield, partly by shifting production to the higher-yielding Rabi season. CFTW supports addressing water scarcity and food security at seasonal timescales and, to some extent, at daily timescales. Global datasets combined with an uncalibrated agro-hydrological model can inform improved agricultural water management by providing water footprints, water use and water stress. However, model outcomes also revealed considerable offsets. These results highlight the difficulties of overcoming data scarcity in decision support tools for agricultural water management. The rapid development of global datasets may help to overcome identified limitations in the future.</abstract>
    <abstract language="deu">Die Bekämpfung von Wasserknappheit und Hunger sind eng miteinander verknüpft, da 70% der globalen Wassernutzung auf die landwirtschaftliche Produktion entfallen. Die Bewertung und Identifizierung von Verbesserungsmöglichkeiten im landwirtschaftlichen Wassermanagement erfordern jedoch kostenintensive Feldversuche oder fundierte Kenntnisse sowie geeignete Daten für den Einsatz agrarhydrologischer Modelle.&#13;
Die vorliegende Arbeit greift dies auf, indem sie ein agrohydrologisches Model mit globalen Datensätzen zu Boden-, Pflanzen- und Klimainformationen in einem nutzerfreundlichen, webbasierten Tool, dem des Cool Farm Tool Water (CFTW), vereint. Diese Dissertation trägt maßgeblich zur Entwicklung und Bewertung des Modellansatzes bei und erarbeitet Möglichkeiten zur Optimierung. Die Resultate wurden mit Daten aus wissenschaftlichen Feldversuchen sowie Informationen des Water Footprint Network verglichen. Darüber hinaus analysiert diese Arbeit den Getreideanbau in Indien zwischen 2005 und 2014 mit Hilfe des CFTW.&#13;
Dieser Modellaufbau kann 96% der Variabilität der saisonalen Wasserfußabdrücke abbilden und reduziert den Fehler um 70% verglichen zu den Durchschnittswerten des Water Footprint Network. Jedoch konnte CFTW nur 50% der Varianz der saisonalen Wassernutzung erfassen. Das Modell ermöglicht die Simulation der täglichen Schwankungen der Evapotranspiration, unterschätzt jedoch die absoluten Werte. Relative Verbesserungen des landwirtschaftlichen Wassermanagements können identifiziert werden. Durch die Verwendung lokaler Inputdaten kann der Bias von 18,6% auf 4,3% reduziert werden. Darüber hinaus kann CFTW den täglichen Wasserstress der Nutzpflanzen erfassen, überschätzt jedoch den Bewässerungsbedarf um durchschnittlich 40%. Trotz orts- und saisonspezifischer Unterschiede stellt die Nutzung lokaler Niederschlagsdaten den größten Hebel zur Verbesserung der Modellergebnisse dar. Diese reduzieren den Bias der täglichen Wassernutzung um 70,6%.&#13;
Die Auswertung der Wasserfußabdrücke und der Wassernutzung in Indien zeigt die große Bedeutung kultur-, saison-, jahres- und standortspezifischer Auswertungen. So ist beispielhaft der durchschnittliche Gesamtwasserfußabdruck während der Trockenzeit zwischen 33,4% und 45,0% niedriger verglichen zur Monsunzeit, zeigt jedoch mit bis zu 78,3% eine größere Abhängigkeit vom blauen Wasser. Die Ergebnisse zeigen, dass die indische Getreideproduktion um 26,4% gestiegen ist, ohne zusätzliche Wasserressourcen zu nutzen. Dies ist im Wesentlichen auf Ertragssteigerungen der Getreidekulturen zurückzuführen.&#13;
Globale Datensätze in Kombination mit einem unkalibrierten agrarhydrologischen Modell liefern zuverlässige Bewertungen des saisonalen Wasserfußabdrucks und gute Resultate für den täglichen Wasserverbrauch und Wasserstress. Sie leisten einen wichtigen Beitrag zur Bewertung und Verbesserung des Wassermanagements. Dennoch zeigten einige Modellergebnisse erhebliche Abweichungen und verdeutlichen die große Herausforderung, die sich aus fehlenden Daten für Entscheidungsprozesse ergeben.</abstract>
    <identifier type="doi">10.26127/BTUOpen-7067</identifier>
    <identifier type="urn">urn:nbn:de:kobv:co1-opus4-70672</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY - Namensnennung 4.0 International</licence>
    <author>Benjamin Kayatz</author>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Argricultural water management</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Cool Farm Tool</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Decision support tool</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Crop water use</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Data scarcity</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Landwirtschaftliches Wassermanagement</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Entscheidungshilfe</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Wassernutzung von Kulturpflanzen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Datenmangel</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Bewässerungswirtschaft</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Wasserverbrauch</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Wassereinsparung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Getreidebau</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Ökologischer Fußabdruck</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Wasserstress</value>
    </subject>
    <collection role="ddc" number="333">Boden- und Energiewirtschaft</collection>
    <collection role="collections" number="">Wiss. Publikationen</collection>
    <collection role="institutes" number="2402">FG Boden-Pflanze-Systeme</collection>
    <thesisPublisher>BTU  Cottbus - Senftenberg</thesisPublisher>
    <thesisGrantor>BTU Cottbus - Senftenberg</thesisGrantor>
    <file>https://opus4.kobv.de/opus4-btu/files/7067/Dissertation_Kayatz_2025.pdf</file>
  </doc>
</export-example>
