On the Loess Plateau of China crop yields are mainly limited by available water. A field experiment was conducted for winter wheat (Triticum aestivum L.) during the period 1995–1998 to evaluate the effects of limited irrigation on yield and water use efficiency. A controlled soil water deficit, either mild or severe, was applied at different stages of crop growth. Photosynthesis rate, soil water content, and root and shoot dry mass accumulation were measured. Final grain yields and total water consumption were recorded, and the water use efficiency and harvest index were calculated. The results showed that, in different growing periods, evapotranspiration, grain yield, biomass, water use efficiency (WUE), and harvest index depended on the controlled ranges of soil water content. Grain yield response to irrigation varied considerably due to differences in soil moisture contents and irrigation scheduling between seasons. Evapotranspiration was largest in the high soil moisture treatment, and so was the biomass, but this treatment did not produce the highest grain yield and WUE was relatively low. WUE increased linearly with harvest index (HI) and improvement in the latter gave better WUE under limited irrigation conditions. Appropriately controlled soil water contents can improve the grain yield, WUE, and harvest index. Consistently high values of grain yield, WUE, and harvest index were produced under conditions of mild water deficit at the seedling and start of regrowth to stem-elongation stages, in addition to a further soil water depletion at the physiological maturity to harvest stage. We therefore suggest that periods of mild soil water depletion in the early vegetative growth period together with severe soil water depletion in the maturity stage of winter wheat is an optimum for limited irrigation regime in this region.

Accurate estimation of reference evapotranspiration (ET0) is of great importance for the regional water resources planning and irrigation scheduling design. The FAO-56 Penman-Monteith model is recommended as the reference model to predict ET0, but its application is commonly restricted by lack of complete meteorological data at many worldwide locations. This study evaluated the potential of machine learning models, particularly four relatively simple tree-based assemble algorithms (i.e. random forest (RF), M5 model tree (M5Tree), gradient boosting decision tree (GBDT) and extreme gradient boosting (XGBoost)), for estimating daily ET0 with limited meteorological data using a K-fold cross-validation method. For assessment of the tree-based models in terms of prediction accuracy, stability and computational costs, these models were further compared with their corresponding support vector machine (SVM) and extreme learning machine (ELM) models. Four input combinations of daily maximum and maximum temperature (Tmax and Tmin), relative humidity (Hr), wind speed (U2), global and extra-terrestrial solar radiation (Rs and Ra) with Tmax, Tmin and Ra as the base dataset were considered using meteorological data during 1961–2010 from eight representative weather stations in different climates of China. The results showed that, when lack of complete meteorological data, the machine learning models using Tmax, Tmin, Hr, U2 and Ra obtained satisfactory ET0 estimates in the temperate continental, mountain plateau and temperate monsoon zones of China (RMSE < 0.5 mm d−1). However, models with three input parameters of Tmax, Tmin and Rs were superior for daily ET0 prediction in the tropical and subtropical zones. The ELM and SVM models offered the best combination of prediction accuracy and stability. The simple tree-based XGBoost and GBDT models showed comparable accuracy and stability to the SVM and ELM models, but exhibited much less computational costs. Considering the complexity level, prediction accuracy, stability and computational costs of the studied models, the XGBoost and GBDT models have been recommended for daily ET0 estimation in different climatic zones of China and maybe elsewhere with similar climates around the world.

Optimal irrigation-fertilization-aeration subsequently enhance greenhouse tomato yields and fruit quality. In addition, the optimization of these agricultural practices is essential to improve irrigation water productivity (WPI). In this context, the present study aims to assess the effects of combined irrigation, fertilization, and aeration treatments on the greenhouse tomato yield (Y), evapotranspiration (ET), WPI, and fruit quality. To achieve this objective, we applied two cumulative pan evaporation (Epan) -based irrigation (I1: 1.0 Epan; I2: 0.8 Epan), three nitrogen fertilization (F1: 120 kg/ha; F2: 180 kg/ha; F3: 240 kg/ha), and three venturi injector-based aeration rates (A1: single Venturi aeration; A2: double Venturi aeration; CK: unaerated) in triplicates. In total, 15 treatment scenarios were considered in this study, including a control group (CKI1). Each treatment was replicated three times. According to the obtained results, the harvesting time of the cultivated greenhouse tomato was strongly affected by the aeration levels due to the differences in the soil oxygen contents. The A2 treatment demonstrated a stronger promoting effect on early tomato ripening than those under the A1 and CK scenarios. Indeed, the first tomato harvest amount under the A2 treatment was higher than those obtained under the A1 and CK scenarios by 32.24% and 36.45% (P < 0.05), respectively. In addition, there were significant increases in the water productivity (WPC) and WPI values with decreasing irrigation rates. In contrast, the ET and Y substantially decreased. Specifically, the ET and Y values under the I1 treatment scenario were 11.38% and 8.65% higher than those observed under the I2 treatment scenario, respectively. On the other hand, the WPC and WPI values under the I1 treatment were 12.01% and 13.09% lower than those under the I2 treatment, respectively. The results showed also significant irrigation-aeration, irrigation-fertilization, and aeration-fertilization interaction effects on the ET, Y, WPC, and WPI values of the greenhouse tomato (P < 0.01). In addition, the irrigation, fertilization, and aeration treatments considerably influenced the sugar-acid ratio and the organic acid, soluble sugar, and lycopene contents in the tomatoes. In fact, lycopene was an important indicator of tomato quality, showing a significant positive correlation with the comprehensive quality scores. Based on the TOPSIS results, the combined I2-F2-A2 treatment is recommended to enhance the Y, ET, WPC, WPI, and fruit quality of the tomato crop.