Abstrak
Bahasa Indonesia: Mengelola fosfor limpasan pertanian (P) sering kali memerlukan pemahaman efek manajemen pada P terlarut (DP) dan P partikulat (terikat sedimen) (PP). Indeks P Wisconsin (WPI) memungkinkan produsen untuk menilai efek pengelolaan lahan pada limpasan P dengan memperkirakan kehilangan P tahunan dalam massa per satuan luas. Kami menggunakan data pemantauan untuk menguji kemampuan WPI dalam mengidentifikasi tradeoff kehilangan P antara silase jagung yang diolah dan sistem penanaman hijauan abadi dan sensitivitas WPI terhadap perbedaan perlakuan dalam setiap sistem penanaman. Secara keseluruhan, estimasi kehilangan P WPI didukung oleh hasil pemantauan, dengan total kehilangan P yang lebih tinggi untuk sistem jagung yang didominasi oleh PP (84%) dan kehilangan yang lebih kecil dari sistem hijauan abadi yang didominasi oleh DP (86%). Khususnya, WPI juga membedakan sebagian besar perbedaan perlakuan dalam sistem. Lebih dari 50% limpasan tahunan terjadi selama musim dingin untuk kedua sistem dan umumnya diremehkan oleh WPI. Namun, ketika sedimen tersuspensi, presipitasi, dan limpasan terukur digunakan dalam WPI, hubungan yang lebih kuat antara PP kg ha −1 tahun −1 yang terukur dan terestimasi ( r 2 = 0,94–0,95) dan DP kg ha −1 tahun −1 ( r 2 = 0,63–0,91) diamati. WPI juga meremehkan konsentrasi P sedimen dan kehilangan DP dari jerami sambil melebih-lebihkan kehilangan DP dari jagung, yang menyoroti peluang khusus untuk perbaikan. WPI tertanam dalam perangkat lunak perencanaan pengelolaan nutrisi yang banyak digunakan di Wisconsin (tersedia daring di snapplus.wisc.edu); namun, model tersebut dapat diadaptasi ke wilayah iklim dingin lainnya untuk mendukung produksi tanaman dan tujuan keberlanjutan lingkungan.

Ringkasan Bahasa Sederhana
Untuk membantu mengurangi hilangnya fosfor dari lahan pertanian dan meningkatkan kualitas air, Universitas Wisconsin mengembangkan model yang disebut indeks P Wisconsin (WPI). Model ini memperkirakan fosfor (P) yang hilang dari lahan pertanian berdasarkan cuaca, tanah, tanaman, dan praktik pertanian. WPI ditemukan dalam program perangkat lunak bernama SnapPlus yang digunakan oleh petani. Dua percobaan pada empat daerah aliran sungai di Wisconsin yang dipantau memberikan kesempatan untuk menguji WPI dalam dua sistem tanam: silase jagung yang diolah dan padang rumput (padang rumput dan jerami). Limpasan dari jagung yang diolah didominasi oleh P dalam bentuk sedimen, sementara total beban P tahunan lebih rendah dari padang rumput dan sebagian besar P dalam bentuk terlarut. Dengan membandingkan hasil WPI dengan hasil yang diukur, kami menemukan bahwa model ini memprediksi sebagian besar efek manajemen yang ditemukan dalam percobaan lapangan. Kami juga menemukan cara untuk meningkatkan model WPI. Secara keseluruhan, temuan kami mendukung penggunaan WPI sebagai alat yang mudah diakses untuk membandingkan bagaimana praktik pertanian memengaruhi hilangnya P dari lahan tertentu.

Singkatan
AMPL
stoking multipaddock adaptif
Bahasa Inggris
nomor kurva
Bahasa Inggris
penebaran terus menerus
CSMCP
tanaman penutup (gandum hitam) dengan pupuk kandang yang dicampur pada musim semi dengan bajak pahat
DP
fosfor terlarut
DRP
fosfor reaktif terlarut
FMCP + penyangga
pupuk kandang musim gugur dicampur dengan bajak pahat ditambah penyangga rumput
FMCP
pupuk kandang musim gugur dicampur dengan bajak pahat
FMSCP
pupuk kandang musim gugur, tidak dicampur, dengan bajak pahat pegas
MARS
Stasiun Penelitian Pertanian Marshfield
Ya Tuhan
bahan organik
PP
fosfor partikulat
PPS
stoking paddock permanen
Bahasa Indonesia: RO
limpasan
RUSLE2
Persamaan Kehilangan Tanah Universal yang Direvisi-versi 2
Bahasa Inggris
sedimen tersuspensi
STP
uji tanah P
T.P.
fosfor total
WPI
Indeks fosfor Wisconsin
WRC
Koefisien limpasan musim dingin

1. PENDAHULUAN
Menyeimbangkan tujuan pertanian produksi dan lingkungan merupakan suatu tantangan. Memanfaatkan perangkat yang dapat menilai secara cepat dan akurat tradeoff pertanian dan lingkungan semakin penting untuk membantu petani dan lembaga dalam mengevaluasi biaya, manfaat, dan risiko lingkungan yang terkait dengan berbagai praktik dan sistem penanaman. Di pertanian perorangan, proses perencanaan pengelolaan nutrisi memberikan peluang untuk mengoptimalkan nilai ekonomi nutrisi dan mengevaluasi potensi dampak kualitas air berdasarkan karakteristik dan pengelolaan lahan tertentu.

Rencana pengelolaan hara menentukan bentuk, metode, laju, dan waktu aplikasi nitrogen (N) dan fosfor (P) tanaman untuk setiap lahan yang dikelola oleh pertanian. Rencana yang ditulis untuk bantuan program regulasi dan konservasi bervariasi menurut negara bagian dan mungkin juga mencakup estimasi erosi (Revised Universal Soil Loss Equation-version 2 [RUSLE2]), penganggaran N dan P, dan evaluasi risiko kehilangan P menggunakan indeks lokasi P yang disetujui. Di Amerika Serikat, 48 negara bagian menggunakan beberapa versi indeks lokasi P untuk rencana pengelolaan hara (DL Osmond et al., 2023 ). Indeks lokasi fosfor secara eksplisit memperhitungkan sumber P (yaitu, pupuk, pupuk kandang, P tanah) dan transportasi (laju erosi, jarak ke sungai, drainase, dan pengolahan tanah) untuk memperkirakan risiko kehilangan P (Sharpley et al., 2003 ). Meskipun indeks lokasi P telah digunakan secara luas di Amerika Serikat selama beberapa dekade, hilangnya P dari lahan pertanian merupakan masalah yang terus berlanjut (PJA Kleinman et al., 2022 ; Leinweber et al., 2018 ), dan penelitian tambahan diperlukan untuk menghubungkan hidrologi spesifik lokasi, pengelolaan pertanian, dan proses biogeokimia yang memengaruhi nasib dan pengangkutan P (Jarvie et al., 2015 ; P. Kleinman et al., 2019 ; Sharpley et al., 2012 ).

Indeks situs P yang andal dan mudah diakses yang hanya memerlukan input yang tersedia dengan mudah memungkinkan pengelola lahan pertanian untuk mengeksplorasi skenario “bagaimana jika” untuk pengelolaan P limpasan (RO). Di Wisconsin, indeks situs P yang paling banyak digunakan adalah Indeks P Wisconsin (WPI), yang terintegrasi ke dalam perangkat lunak SnapPlus untuk perencanaan pengelolaan nutrisi (Good et al., 2012 ). Meskipun berbagai indeks situs P skala lapangan lainnya digunakan dan berhasil memperkirakan efek pengelolaan di banyak bagian Amerika Serikat (PJA Kleinman et al., 2017 ; Vadas, 2015 ), dapat dikatakan tidak ada satu pun dari ini yang dikemas dalam perangkat lunak yang digunakan secara luas oleh komunitas pertanian seperti SnapPlus. SnapPlus adalah perangkat lunak gratis yang dikembangkan di University of Wisconsin–Madison dan pertama kali dirilis pada tahun 2005 (Blair et al., 2025 ). Salah satu kendala penting pada WPI adalah bahwa input data harus mudah diakses dan dimasukkan oleh pengguna (petani, konsultan tanaman) atau mungkin berasal dari input yang sudah diperlukan untuk perencanaan pengelolaan nutrisi. SnapPlus secara berkala diperbarui untuk mencatat tanaman dan teknologi baru guna memastikan petani Wisconsin memperoleh akuntansi yang memadai tentang praktik pengelolaan nutrisi terkini mereka.

Perangkat lunak SnapPlus yang berisi WPI merupakan bagian integral dari program perencanaan pengelolaan nutrisi pertanian negara bagian (WDATCP, 2024 ) dan program perdagangan kualitas air P (WDNR, 2020 ). Program pelatihan berbasis daerah memandu petani melalui penulisan rencana pengelolaan nutrisi mereka sendiri menggunakan SnapPlus. Selain itu, konsultan tanaman dan penyedia layanan teknis menggunakan SnapPlus untuk menulis rencana pengelolaan nutrisi bagi klien mereka. SnapPlus telah digunakan untuk estimasi kehilangan P seluruh pertanian (Vadas, Mark Powell, et al., 2015 ) dan oleh banyak kelompok kualitas air pertanian dan konservasi untuk mengidentifikasi praktik pengelolaan tanaman spesifik pertanian yang efektif untuk mengurangi beban P RO. Misalnya, Sand County Foundation menggunakan SnapPlus untuk memperkirakan manfaat kualitas air dari strip padang rumput (Sand County Foundation, 2021 ) dan Green Fire Wisconsin menggunakan SnapPlus untuk mengembangkan struktur untuk penghargaan konservasi pertanian per hektar tahunan (Green Fire Wisconsin, 2025 ). WPI dalam SnapPlus juga telah digunakan untuk membuat model kehilangan RO P untuk alat pendukung keputusan yang berfokus pada petani yang memeriksa keberlanjutan lingkungan dan ekonomi dari pertanian berpindah ke padang rumput abadi pada skala pertanian dan lanskap (Grassland 2.0, 2024 ).

Tidak seperti indeks lokasi P lain yang sering menetapkan skor risiko kehilangan P secara kualitatif, WPI adalah model kehilangan P kuantitatif dan memprediksi kehilangan P tahunan rata-rata jangka panjang dari masing-masing lahan tanaman. Selain itu, ini adalah salah satu dari sedikit indeks P yang secara eksplisit memperhitungkan dampak tanah beku pada infiltrasi/RO dan transportasi P, yang penting dalam sistem iklim dingin (Prasad et al., 2022 ; Young et al., 2021 ). Studi sebelumnya telah menunjukkan kegunaan WPI dalam memprediksi kehilangan fosfor terlarut (DP) dan partikulat P (PP) tahunan dan berbasis kejadian (Good et al., 2012 ). Namun, menguji WPI dengan data pemantauan kehilangan P tambahan dari lokasi tepi lahan penting untuk memvalidasi hasil lebih lanjut di berbagai jenis tanah dan sistem tanam di Wisconsin.

Produksi susu adalah sektor pertanian terbesar di Wisconsin, dan dengan demikian peluang untuk meningkatkan keberlanjutan sistem penanaman susu memiliki dampak potensial yang luas (National Agricultural Statistics Service [NASS], 2023 ). Sistem penggembalaan padang rumput abadi sedang dipromosikan sebagai sistem alternatif yang berkelanjutan di Wisconsin dan lebih luas lagi di Upper US Midwest (Spratt et al., 2021 ; Wepking et al., 2022 ). Padang rumput penggembalaan dapat menjadi alternatif untuk sistem produksi hijauan tahunan seperti silase jagung yang lebih rentan terhadap risiko erosi, RO, dan kehilangan PP dibandingkan dengan padang rumput (Blanco-Canqui & Lal, 2009 ; Siller et al., 2016 ). Menanggapi meningkatnya minat dalam penggembalaan, program SnapPlus dan WPI baru-baru ini diperbarui untuk memperluas opsi untuk tanaman padang rumput abadi dan praktik manajemen penggembalaan.

Dalam studi ini, kami memanfaatkan peluang unik untuk mengevaluasi kinerja WPI dalam sistem penggembalaan dan tanaman baris tahunan di lokasi yang sama menggunakan data pemantauan tepi ladang dari lokasi tepi ladang berpasangan di Marathon County, Wisconsin utara-tengah. Keuntungan penting dari pendekatan ini adalah mengisolasi faktor-faktor pengelolaan seperti intensitas penggembalaan sambil mengendalikan faktor-faktor penting lainnya yang memengaruhi hidrologi dan transportasi P (tanah, presipitasi, dan topografi) yang memengaruhi erosi, RO, dan hilangnya P. Marathon County memiliki konsentrasi tinggi peternakan sapi perah dengan tanah yang tidak dikeringkan dengan sempurna dan kehilangan RO musim semi yang tinggi selama musim non-pertumbuhan. RO dan transportasi P di lanskap ini tidak dipahami dengan baik dibandingkan dengan bagian selatan negara bagian dengan lereng yang lebih curam dan drainase yang lebih baik.

Tujuan utama dari penelitian kami adalah untuk (1) mengevaluasi kemampuan WPI dalam membedakan jalur kehilangan P primer untuk silase jagung dan sistem penanaman padang rumput/jerami dan mengukur perbedaan perlakuan sistem penanaman, (2) menilai metode WPI terkini untuk menghitung RO (musim dingin dan non-musim dingin) dan membandingkan estimasi dengan nilai terukur, (3) membandingkan prediksi sedimen, PP, dan DP WPI dengan nilai terukur, dan (4) mengidentifikasi peluang di mana WPI dapat ditingkatkan.

Ide Inti
Indeks P Wisconsin (WPI) adalah model kehilangan fosfor (P) limpasan yang dapat diakses oleh pengelola lahan pertanian.
WPI dengan tepat mengidentifikasi trade-off kehilangan P antara silase jagung dan sistem penanaman padang rumput/jerami abadi.
Padang penggembalaan memiliki total kehilangan P lebih rendah daripada silase jagung dan P terlarut merupakan fraksi dominan.
WPI meremehkan konsentrasi P sedimen dan P terlarut dalam sistem pupuk jerami relatif terhadap data pemantauan.
WPI melebih-lebihkan hilangnya P terlarut dalam silase jagung relatif terhadap data pemantauan.

2 BAHAN DAN METODE
2.1 Area penelitian Stasiun Penelitian Pertanian Marshfield
Stasiun Penelitian Pertanian Marshfield (MARS) Universitas Wisconsin adalah lahan pertanian penelitian seluas 350 ha di dekat Stratford, WI yang dikelola bersama oleh Unit Pengelolaan Susu Terpadu Lingkungan USDA-ARS. Iklim sedang yang lembap biasanya memiliki sekitar 160 hari bebas embun beku, dengan suhu tahunan rata-rata 30 tahun dan nilai curah hujan masing-masing sebesar 6,9°C dan 831 mm. Tanah di lahan pertanian dan di wilayah tersebut sebagian besar berupa lempung lanau yang agak kurang terdrainase yang terbentuk dari endapan glasial padat dengan fragipan padat yang menghambat drainase. Rangkaian tanah di area penelitian dipetakan sebagai lempung lanau Withee (lempung halus, campuran, superaktif, Aquic Glossudalfs dingin) yang berasal dari loess atau aluvium lanau.

2.2 Pemantauan limpasan tepi ladang
Empat stasiun pemantauan RO tepi ladang didirikan di MARS pada tahun 2006 untuk mempelajari dampak praktik pengelolaan nutrisi pada kuantitas dan kualitas air RO permukaan (Jokela & Casler, 2011 ). Setiap ladang/daerah aliran sungai berukuran sekitar 1,6 ha dan dikelilingi oleh tanggul tanah yang mengarahkan RO permukaan ke masing-masing H-flume. Daerah aliran sungai disebut secara individual sebagai M1, M2, M3, dan M4. Di sini, penunjukan daerah aliran sungai untuk karakteristik umum (misalnya, kemiringan pada M3) akan digunakan, dan akronim perawatan khusus digunakan untuk periode perawatan daerah aliran sungai dan sistem tanam (lihat di bawah). Kemiringan rata-rata untuk ladang M1, M2, dan M4 adalah 2%, sedangkan M3 memiliki kemiringan 3% pada dua pertiga bagian atas dan kemiringan yang jauh lebih datar (∼0,25%) pada sepertiga bagian bawah ladang. Rincian lebih lanjut tentang pendirian lokasi dan metode pemantauan RO permukaan disajikan di tempat lain (Jokela & Casler, 2011 ; Sherman et al., 2021 ).

Dua percobaan DAS berpasangan sebelumnya telah dilakukan di lokasi tersebut. Silase jagung ( Zea mays ) ditanam di semua DAS mulai tahun 2006 hingga akhir periode perlakuan percobaan pada musim gugur 2011. Selama fase kalibrasi (2006–2008), semua DAS menerima pengolahan tanah pahat tahunan dan aplikasi pupuk cair (tingkat aplikasi rata-rata = 45.880 L ha −1 ). Analisis data pemantauan periode kalibrasi menunjukkan bahwa DAS memenuhi asumsi yang diperlukan untuk desain studi DAS berpasangan (Jokela & Casler, 2011 ). Selama fase perlakuan silase jagung (2009–2011), praktik alternatif diterapkan di tiga DAS untuk menentukan perubahan sedimen, transportasi N, dan P dibandingkan dengan kontrol (Sherman et al., 2021 ). Praktik yang digunakan selama fase perlakuan silase jagung meliputi tanaman penutup tanah gandum hitam dengan pupuk kandang yang dicampur pada musim semi dengan bajak pahat (CSMCP-M2), pupuk kandang musim gugur, tidak dicampur, dengan bajak pahat musim semi (FMSCP-M3), dan pupuk kandang musim gugur yang dicampur dengan bajak pahat dengan penyangga rumput (FMCP + penyangga-M4). Daerah Aliran Sungai M1 adalah kontrol dan dikelola dengan pupuk kandang musim gugur yang dicampur dengan bajak pahat (FMCP-M1).

Untuk memulai percobaan DAS berpasangan kedua, jerami ( Medicago sativa L. dan Festuca pratensis L.) ditanam di empat DAS selama fase kalibrasi baru (2012–2017). Ladang dipanen tiga kali setahun dengan aplikasi pupuk kandang cair setelah stek. Selama 2018–2020, pertumbuhan padang rumput didominasi oleh rumput fescue padang rumput dengan sedikit semanggi ( Trifolium repens dan Trifolium hybridum ). Dari 2018 hingga 2020, percobaan sistem padang rumput dilakukan untuk mengevaluasi tiga sistem penebaran penggembalaan dibandingkan dengan kontrol produksi tanaman jerami dengan aplikasi pupuk kandang cair setelah panen (Young et al., 2023 ). Perlakuan penggembalaan adalah penebaran paddock permanen (PPS) pada M1, penebaran multi-paddock adaptif (AMPS) pada M3, dan penebaran berkelanjutan (CS) pada M4. Kontrol, M2, tetap dalam produksi tanaman jerami dengan dua hingga tiga stek per musim. Pupuk cair untuk sapi perah diaplikasikan di permukaan setelah panen jerami satu hingga dua kali per musim, seperti yang terjadi selama fase kalibrasi untuk semua daerah aliran sungai. Rincian tentang perlakuan sistem penggembalaan dapat ditemukan di tempat lain (Young et al., 2023 ). Untuk kejelasan, perlakuan padang rumput dan jerami diperlakukan sebagai satu sistem untuk selanjutnya, dengan istilah “padang rumput” mencakup keduanya demi kesederhanaan.

Sampel RO dianalisis untuk mengetahui padatan tersuspensi (SS), total P (TP), dan P reaktif terlarut (DRP). PP didefinisikan sebagai perbedaan antara TP dan DRP (PP mencakup P yang terikat sedimen dan spesies P organik terlarut). Metode analisis terperinci dijelaskan dalam Sherman et al. ( 2021 ) dan Young et al. ( 2023 ). Stasiun cuaca yang terletak sekitar 1000 m dari daerah aliran sungai mengumpulkan curah hujan harian. Nilai suhu dan curah hujan rata-rata bulanan dihitung dan dibandingkan dengan rata-rata 30 tahun (1981–2010) untuk mengevaluasi perubahan tahunan dalam kondisi cuaca.

2.3 Pengambilan sampel tanah
Uji tanah agronomi standar diambil dari setiap daerah aliran sungai kira-kira satu kali per tahun dari tahun 2006 hingga 2020. Untuk sampel ini, 12 inti (diameter 2,5 cm) diambil (kedalaman 0 hingga 15 cm) dalam pola “W” di seluruh daerah aliran sungai mengikuti pedoman Wisconsin dan dikompositkan (Laboski et al., 2012 ). Pada musim semi 2023, daerah aliran sungai diambil sampel tanahnya menggunakan pendekatan sel grid di 63 lokasi untuk mengevaluasi tingkat stratifikasi P tanah dan bahan organik (OM). Sampel dianalisis untuk kandungan OM dan Bray-1 P di Laboratorium Tanah dan Makanan Ternak Universitas Wisconsin (Laboski et al., 2012 ).

2.4 Persamaan indeks fosfor Wisconsin
Persamaan WPI asli didokumentasikan dalam Good et al. ( 2012 ). Di sini, kami memberikan ringkasan singkat dari komponen utama perhitungan WPI untuk kehilangan tepi lapangan. WPI memperkirakan PP yang meninggalkan lapangan berdasarkan massa tahunan sedimen yang hilang dalam RO dan konsentrasi P sedimen. Massa sedimen yang hilang dalam RO setiap tahun diperkirakan oleh RUSLE2 sebagai massa per satuan luas (kg ha −1 ) untuk lima kelas ukuran partikel: lempung (0,0020 mm), lanau (0,010 mm), agregat kecil (0,03–0,1 mm), pasir (0,20 mm), dan agregat besar (0,3–1 mm). Konsentrasi P sedimen dihitung berdasarkan kelas ukuran partikel untuk mencerminkan pengayaan P yang lebih besar dari partikel ukuran lempung dan lanau dibandingkan dengan partikel yang lebih besar (Good et al., 2012 ). Beban DP dalam WPI adalah jumlah estimasi P terlarut yang dilepaskan dari tanah, pupuk kandang, dan pupuk di permukaan tanah. Komponen WPI ini akan disebut sebagai DRP mulai saat ini karena persamaan untuk model tersebut dibangun dan diuji dengan pengukuran DRP dan pengukuran total DP tidak tersedia secara umum. Perlu dicatat bahwa untuk 86 data RO lapangan tahun-lokasi yang digunakan untuk menguji WPI di Good et al. ( 2012 ), 34 memiliki pengukuran total DP dan DRP yang tersedia; rata-rata, DRP adalah 91% dari total DP.

RO dan proporsi presipitasi yang mengalir (RO:presipitasi) merupakan faktor pendorong penting beban DRP WPI. Hal ini paling baik diilustrasikan oleh persamaan WPI berikut untuk RO DRP satuan luas dari tanah dan pupuk kandang dan pupuk yang tidak dicampur:

di mana DP tanah adalah konsentrasi DP yang dilepaskan dari tanah dalam limpasan, RO adalah volume limpasan, dan Pr adalah presipitasi (Good et al., 2012 ).
WPI dihitung secara bergilir menggunakan data untuk setiap tahun panen. Tahun panen dimulai pada musim gugur setelah panen tanaman sebelumnya dan berakhir pada musim gugur tahun berikutnya saat tanaman saat ini dipanen. Tahun panen dibagi menjadi empat musim dalam WPI yang digunakan untuk pemodelan RO dari pupuk kandang dan pupuk yang diaplikasikan ke permukaan. Musim-musim tersebut meliputi musim gugur (15 September–30 November), musim dingin (1 Desember–31 Maret), musim semi (1 April–14 Juni), dan musim panas (15 Juni–14 September).

Pembaruan terkini pada metode WPI yang digunakan dalam SnapPlus versi 3 daring (snapplus.wisc.edu) mencakup penerapan metode nomor kurva RO (CN) untuk memperkirakan RO musim dingin (yaitu, pencairan salju dan hujan pada tanah beku), faktor-faktor baru untuk memperkirakan jumlah pupuk kandang P yang tertinggal di permukaan setelah dicampur dengan pengolahan tanah, dan penyesuaian pada metode untuk menentukan beban P dari padang rumput yang digembalakan. Rincian tentang metode WPI yang direvisi yang belum dipublikasikan di tempat lain diberikan dalam Informasi Pendukung .

2.5 Penilaian indeks fosfor Wisconsin
2.5.1 Data lapangan dan manajemen
WPI diintegrasikan ke dalam perangkat lunak SnapPlus untuk perencanaan manajemen nutrisi di Wisconsin (Blair et al., 2025 ). Kami melakukan penilaian WPI untuk fase perlakuan silase jagung (2009–2011) dan padang rumput (2018–2020) yang dijelaskan di atas menggunakan SnapPlus Versi 3, yang berisi RUSLE2 v2.7.3.0 (NRCS, nd .). Input yang dimasukkan dalam SnapPlus mencakup daerah, seri tanah, tingkat kemiringan lereng, panjang lereng, dan semua informasi tanaman, uji tanah, pengolahan tanah, pupuk kandang, dan pupuk untuk setiap fase perlakuan. Pupuk kandang yang diberikan oleh sapi betina yang sedang merumput selama fase padang rumput diperkirakan menggunakan takaran 25,8 kg hewan -1 hari -1 dikalikan dengan jumlah hari hewan berada di padang rumput untuk setiap tahun (ASAE, 2005 ). Kandungan P dan bahan kering dari semua aplikasi pupuk kandang mekanis di kedua fase didasarkan pada analisis. Kotoran yang dikeluarkan oleh sapi betina yang sedang merumput tidak dapat diambil sampelnya dan konsentrasi P diasumsikan sebesar 1,8 kg-Mg −1 P 2 O 5 (ASAE, 2005 ).

2.5.2 Perhitungan dan pengujian persamaan indeks fosfor Wisconsin
Perangkat lunak SnapPlus digunakan untuk menghitung WPI menggunakan persamaan yang didokumentasikan dalam Good et al. ( 2012 ) dan modifikasi yang dijelaskan dalam Informasi Pendukung . WPI mencakup faktor pengiriman P dari air permukaan ke lapangan yang tidak diterapkan karena pengambil sampel DAS di lokasi penelitian terletak tepat di batas lapangan.

Kami melakukan dua iterasi perhitungan WPI. Dalam kedua iterasi, estimasi WPI untuk DP dan PP dibandingkan dengan nilai yang diukur. Iterasi pertama dilakukan untuk mengilustrasikan hasil penilaian yang akan diterima pengguna SnapPlus saat bekerja dengan alat tersebut. Iterasi ini menggunakan data curah hujan dan suhu WPI Marathon County (rata-rata harian selama 20 tahun dari 1996 hingga 2016 situs kerja sama National Weather Service nomor 478968) dan nilai kehilangan sedimen yang diperoleh dari RUSLE2 sebagai masukan. Selain itu, untuk iterasi pertama, kami menghitung RO menggunakan CN yang disesuaikan yang diekstraksi dari RUSLE2 untuk hari terakhir musim aplikasi pupuk kandang yang ditentukan di atas.

Untuk iterasi kedua perhitungan WPI, hasil sedimen yang diukur, volume presipitasi, dan volume RO disubstitusikan ke dalam persamaan WPI untuk DAS tersebut (Sherman et al., 2021 ; Young et al., 2023 ) untuk menilai prediksi WPI dengan data yang diukur. Untuk menguji metode CN yang disesuaikan yang digunakan untuk menghitung pencairan salju dan curah hujan RO, volume RO yang diprediksi dan diukur WPI juga dibandingkan. Analisis regresi linier digunakan untuk mengukur hubungan antara DRP, PP, dan RO yang diperkirakan dan diukur WPI. Analisis dan visualisasi data dilakukan dalam R versi 4.4.0 (Tim Inti R, 2024 ) menggunakan fungsi dari keluarga paket “tidyverse” dan paket “ggpubr” (Kassambara, 2023 ; Wickham et al., 2019 ).

3 HASIL DAN PEMBAHASAN
3.1 Kondisi cuaca
Kondisi cuaca berbeda selama dua fase perlakuan (Gambar 1 ). Tahun-tahun jagung relatif hangat dan kering, hanya tahun 2011 yang curah hujannya sedikit lebih tinggi daripada rata-rata jangka panjang. Tahun-tahun terkering selama periode pemantauan adalah tahun 2008 hingga 2010. Sebaliknya, tahun-tahun padang rumput lebih dingin dan lebih basah dibandingkan dengan rata-rata jangka panjang kecuali tahun 2020, yang curah hujannya sedikit lebih rendah daripada rata-rata. Curah hujan dan salju tertinggi selama tahun-tahun pemantauan terjadi pada tahun 2019.

GAMBAR 1
Buka di penampil gambar
Deviasi curah hujan tahunan (A) dan suhu (B) dari normal jangka panjang (1981–2010) untuk Stasiun Penelitian Pertanian Marshfield di Stratford, WI.
3.2 Perbandingan pengamatan lapangan dan beban P WPI untuk sistem silase jagung dan sistem penanaman padang rumput
Bagian ini melaporkan hasil dari iterasi pertama perhitungan WPI yang dijelaskan dalam Bagian 2.5.2 , yang dilakukan dengan menggunakan data suhu dan curah hujan rata-rata daerah dan nilai kehilangan sedimen yang diperoleh dari RUSLE2 sebagai masukan. Ketika dibandingkan di seluruh tahun perlakuan, WPI terukur dan beban P rata-rata menunjukkan distribusi DRP dan PP yang serupa untuk sistem silase jagung dan padang rumput (Gambar 2 ). P RO dari silase jagung yang diolah sebagian besar adalah PP, sementara DRP adalah bentuk dominan yang hilang dari padang rumput (yaitu, tiga pengelolaan penggembalaan dan kontrol jerami). Rata-rata TP jagung terukur (tidak termasuk lokasi dengan perlakuan penyangga) adalah 3,7 kg ha −1 , dengan 91% sebagai PP. Beban TP terukur untuk jagung berkisar dari 0,2 hingga 11,3 kg ha −1 . Dampak perbedaan curah hujan tahun ke tahun pada beban tahunan terbukti nyata, dengan rata-rata 0,50 dan 1,0 kg ha −1 pada tahun-tahun yang lebih kering (2009 dan 2010) dan 9,6 kg ha −1 dengan curah hujan di atas rata-rata pada tahun 2011. Beban P WPI rata-rata untuk jagung adalah 4,5 kg ha −1 , berkisar antara 2,7 hingga 7,0 kg ha −1 , dan 87% adalah PP. Cuaca bukan merupakan sumber variabilitas dalam perhitungan WPI, karena setiap perhitungan situs-tahun menggunakan berkas cuaca yang sama. Dengan demikian, kisaran nilai tersebut diakibatkan oleh perbedaan situs dan manajemen.

GAMBAR 2
Buka di penampil gambar
Beban P tahunan rata-rata yang diukur dan diestimasi oleh indeks P Wisconsin (WPI) dalam limpasan sebagai P terlarut (DRP) dan P partikulat (PP). Hasil ditunjukkan untuk silase jagung yang diolah (tiga daerah aliran sungai, 2009–2011) dan padang rumput tahunan yang digembalakan atau digembalakan (empat daerah aliran sungai, 2018–2020). Daerah aliran sungai dengan penyangga tepi ladang (M4-FCMP + penyangga) tidak termasuk dalam rata-rata untuk jagung yang diolah. FMCP + penyangga, pupuk kandang musim gugur yang dicampur dengan bajak pahat dan penyangga rumput; M4, penunjukan daerah aliran sungai.
Berbeda dengan jagung, PP dari padang rumput hanya 17% dari TP terukur dan 14% dari TP WPI. Beban TP rata-rata terukur sebesar 1,9 kg ha −1 (kisaran 0,7–3,5 kg ha −1 ) di padang rumput jauh lebih sedikit daripada jagung yang diolah tetapi jauh lebih tinggi daripada beban rata-rata WPI sebesar 0,34 kg ha −1 (kisaran 0,17–0,52 kg ha −1 ) untuk padang rumput. Beban terukur yang lebih tinggi versus beban WPI kemungkinan terkait dengan volume curah hujan 2018–2019 yang relatif tinggi. Rata-rata TP terukur di seluruh perlakuan bervariasi menurut curah hujan tahunan, dengan 2,6 kg ha −1 pada tahun 2019, 2,0 kg ha −1 pada tahun 2018, dan 1,0 kg ha −1 pada tahun 2020.

3.3 Perbandingan estimasi komponen indeks fosfor Wisconsin dengan nilai terukur
3.3.1 Volume limpasan musim dingin yang diperkirakan dan diukur
Rata-rata WPI RO musim dingin dihitung dengan metode CN menggunakan CN yang dihasilkan RUSLE2 dan data daerah untuk distribusi air yang tersedia. Rata-rata WPI RO musim dingin lebih tinggi untuk jagung (5,6 cm) daripada untuk padang rumput (3,2 cm). Sistem padang rumput memiliki CN terhitung lebih rendah daripada jagung yang diolah dan, akibatnya, RO terhitung lebih rendah karena tutupan tanah yang padat dan biomassa yang ada (Layanan Penelitian Pertanian [ARS], 2013 ). Dalam sistem jagung, perlakuan dengan pembajakan pahat musim gugur memiliki CN musim dingin yang lebih rendah daripada yang hanya dengan pengolahan tanah musim semi. Koefisien limpasan musim dingin rata-rata terhitung (WRC, RO:air tersedia) adalah 0,42 untuk jagung dan 0,24 untuk padang rumput.

Berbeda dengan perhitungan WPI, rata-rata RO musim dingin yang diukur lebih tinggi untuk padang rumput daripada jagung (Tabel 1 ) dan sebagian dapat dikaitkan dengan curah hujan di atas rata-rata dalam beberapa tahun padang rumput, sementara tahun-tahun jagung cenderung memiliki curah hujan di bawah rata-rata (Gambar 1 ). Di semua perlakuan dan lokasi, RO musim dingin yang diukur rata-rata 8,7 cm (54%) dari total RO tahunan pada tahun-tahun jagung (2007-2011) dan 15,3 cm (66%) dari total RO tahunan dari padang rumput (2018-2020). WRC rata-rata yang diukur (RO:air tersedia) adalah 0,71 untuk jagung dan 0,93 untuk padang rumput, jauh lebih tinggi dari estimasi WPI. Selama fase jagung, lima dari 20 musim dingin lokasi memiliki RO musim dingin yang diukur lebih besar dari curah hujan (yaitu, WRC > 1). WRC > 1 terjadi di semua daerah aliran sungai kecuali M1. Untuk sistem padang rumput, empat dari 12 musim dingin di lokasi memiliki WRC > 1 dan tiga dari musim dingin di lokasi tersebut berada pada M4. Kasus-kasus di mana WRC > 1 juga dapat dijelaskan oleh perbedaan antara kedalaman salju yang tercatat di stasiun cuaca dan kedalaman salju lapangan yang sebenarnya. Ada kemungkinan juga bahwa akumulasi salju dan es selama waktu ini mengubah geometri saluran yang menyebabkan kesalahan dalam estimasi aliran RO.

TABEL 1. Karakteristik limpasan yang diestimasi dan diukur dirata-ratakan untuk empat daerah aliran sungai percobaan menurut musim a dan sistem tanam b .

Singkatan: WPI, indeks fosfor Wisconsin.
Musim Gugur = 15 September–30 November; Musim Dingin = 1 Desember–31 Maret, disesuaikan untuk memasukkan peristiwa pencairan salju/tanah beku pada bulan April; Musim Semi = 1 April–14 Juni, disesuaikan untuk mengecualikan peristiwa pencairan salju pada bulan April; dan Musim Panas = 15 Juni–14 September.
b Silase jagung yang diolah, tahun panen yang dipantau 2009–2011. Padang rumput, tahun panen yang dipantau 2018–2020.
c Dihitung sebagai rata-rata jangka panjang dalam indeks fosfor Wisconsin (WPI) untuk iklim daerah aliran sungai, tanah, dan pengelolaan tanaman.
d Koefisien limpasan, limpasan/curah hujan untuk musim gugur, musim semi dan musim panas serta limpasan/Air yang tersedia untuk musim dingin.
Estimasi volume RO musim dingin yang dihitung menggunakan WPI CN, curah hujan terukur, dan kedalaman salju memiliki hubungan yang signifikan tetapi lemah dengan RO terukur di semua lokasi ( r 2 = 0,29, p = 0,007, Gambar 3A ). Metode WPI secara umum meremehkan RO musim dingin. Memecah data ini ke dalam sistem pertanaman yang berbeda meningkatkan hubungan untuk jagung (WPI RO = 0,3 × RO terukur + 2,2, r 2 = 0,73) dan padang rumput (WPI RO = 0,11 × RO terukur + 2,0, r 2 = 0,49) dan menunjukkan bahwa RO musim dingin padang rumput lebih diremehkan daripada jagung (Gambar 3A ). Bahasa Indonesia: Dalam karya asli untuk menggunakan CN yang dihasilkan RUSLE2 untuk memperkirakan RO musim dingin (prosedur yang dijelaskan dalam Informasi Pendukung S1 ) , volume RO yang diperkirakan lebih dekat dengan volume yang diukur untuk 157 musim dingin lokasi (data yang tidak dipublikasikan, aliran kumulatif yang dihitung = 0,89 × aliran kumulatif yang diukur, R2 = 0,72). Namun, tingkat persetujuan ini memerlukan pengaturan CN yang digunakan untuk semua ladang alfalfa yang sudah mapan menjadi 96. Kami berspekulasi bahwa potensi RO tinggi yang diamati secara empiris ini untuk alfalfa yang sudah mapan disebabkan oleh permukaan yang relatif halus dengan residu yang relatif sedikit untuk menghalangi RO. Meskipun kami berharap ladang yang ditumbuhi rumput memiliki potensi RO yang lebih rendah daripada jika ditanami alfalfa, kami menguji peningkatan CN musim dingin di ladang padang rumput menjadi 96 dan memperkirakan volume RO lagi. Setelah penyesuaian, estimasi volume RO masih rata-rata setengah dari yang diukur. Di lokasi di Lafayette County, Wisconsin yang dijelaskan dalam Good et al. ( 2012 ), padang rumput yang sudah mapan dan ladang jagung yang dibajak dengan pahat musim gugur di dekatnya dipantau pada tahun 2004–2005. Pada kedua tahun tersebut, padang rumput memiliki RO musim dingin yang lebih tinggi daripada ladang jagung mana pun (12%–45%). Namun, padang rumput tidak memiliki RO pada sisa tahun tersebut.

GAMBAR 3
Buka di penampil gambar
Limpasan terukur dan limpasan yang dihitung berdasarkan indeks fosfor Wisconsin (WPI) menggunakan data cuaca terukur. Pada (A), data limpasan musim dingin disajikan dengan regresi (garis utuh) yang mencakup sistem jagung dan padang rumput. Pada (B), limpasan non-musim dingin dijumlahkan untuk musim gugur, musim semi, dan musim panas untuk setiap lokasi dan tahun. Regresi pada (B) (garis putus-putus) hanya mencakup data sistem jagung.
3.3.2 Volume limpasan non-musim dingin yang diprediksi dan diukur
Sementara RO rata-rata yang dihitung WPI untuk musim gugur, semi, dan panas adalah 4,5 kali lebih besar untuk silase jagung daripada untuk padang rumput (11,7 vs. 2,6 cm), RO rata-rata yang diukur untuk jagung hanya 1,4 kali lebih besar daripada untuk padang rumput (10,7 vs. 7,8 cm) (Tabel 1 ). Perbedaan yang relatif besar ini kemungkinan besar disebabkan oleh kekeringan tahun 2009–2011 dibandingkan dengan tahun 2018–2020 (Gambar 1 ).

Bahasa Indonesia: Ketika WPI RO dihitung menggunakan curah hujan terukur di lokasi, terdapat hubungan baik dengan RO terukur non-musim dingin (yaitu, musim gugur, musim semi, dan musim panas) untuk silase jagung tetapi tidak untuk padang rumput (Gambar 3B ). Intersep besar untuk jagung tampaknya merupakan hasil dari sebagian besar lokasi yang memiliki RO terukur yang sangat sedikit dibandingkan dengan RO yang diestimasikan pada periode kering musim gugur, musim semi, dan musim panas 2009 dan musim gugur dan musim semi 2010. CN WPI non-musim dingin mencerminkan kondisi kelembapan anteseden yang khas dan dapat dibayangkan bahwa mereka dapat melebih-lebihkan RO selama periode kering. Sebaliknya, kurangnya hubungan antara RO terukur dan WPI RO yang dihitung menggunakan curah hujan terukur untuk padang rumput tampaknya disebabkan oleh rumus WPI yang meremehkan RO pada tahun 2019 yang sangat basah, ketika kondisi kelembapan anteseden kemungkinan lebih tinggi daripada kondisi yang khas. ( 2011 ) menyarankan bahwa penggunaan kondisi khas CN yang tidak bervariasi dengan kadar air sebelumnya tidak bermasalah ketika tujuan model adalah memperkirakan RO rata-rata jangka panjang. Perhitungan RO WPI tidak mempertimbangkan semua kompleksitas hidrologi lapangan. Hal ini dibuktikan oleh DAS M2, M3, dan M4 yang memiliki masukan WPI yang identik selama fase kalibrasi silase jagung, dan oleh karena itu volume RO yang diestimasikan identik. Namun, RO yang diukur bervariasi antara lokasi, dan RO kumulatif 2007–2008 dari DAS M4 adalah 50% lebih tinggi daripada RO dari DAS M2.

3.3.3 Kehilangan sedimen yang diukur dan diprediksi
Kehilangan sedimen yang diukur dan diprediksi dari jagung dua kali lipat lebih besar daripada di padang rumput. Beban sedimen tersuspensi (SS) silase jagung tahunan rata-rata di semua perlakuan adalah 3,5 Mg ha −1 dan erosi yang dihitung RUSLE2 adalah 4,3 Mg ha −1 . Sebaliknya, SS padang rumput yang diukur rata-rata adalah 26 kg ha −1 dibandingkan dengan 50 kg ha −1 untuk erosi RUSLE2. Tanpa data erosivitas presipitasi terperinci, yang tidak tersedia untuk lokasi ini, kami tidak dapat sepenuhnya menguji prediksi erosi RUSLE2 dengan data cuaca lokal.

Satu peringatan penting untuk penilaian lapangan WPI tentang kehilangan P adalah penyederhanaan topografi yang berlebihan. Penilaian ini menggunakan satu nilai untuk mewakili kemiringan lapangan rata-rata dalam RUSLE2, misalnya, menggunakan 1% untuk menggambarkan kemiringan M3 yang bervariasi dari 3% hingga 0,25% di seluruh DAS. Lebih jauh lagi, perhitungan tersebut sangat sensitif terhadap kemiringan. Untuk manajemen pengendalian dalam sistem jagung (FMCP) dan jenis tanah, peningkatan kemiringan dari 1% menjadi 2% menggandakan kehilangan tanah yang diprediksi dan penurunan menjadi 0,5% mengurangi kehilangan tanah sebesar 44%.

3.3.4 Pengukuran dan prediksi partikel P
Bagian ini melaporkan hasil PP yang diprediksi dari iterasi kedua perhitungan WPI yang dijelaskan dalam Bagian 2.5.2 . Ketika WPI dihitung menggunakan SS yang diukur, hubungan dengan beban P yang diukur kuat untuk kedua sistem pertanaman (Gambar 4A,B ). Namun, regresi menunjukkan bahwa konsentrasi P sedimen WPI diremehkan untuk lokasi ini, khususnya untuk padang rumput. Metode WPI menggunakan uji tanah rutin, Bray-1 P, OM tanah, pengolahan tanah, dan amandemen P, untuk memperkirakan TP permukaan tanah dan menetapkan faktor pengayaan P pada sedimen yang terkikis oleh kelas ukuran partikel RUSLE2. Metode ini diuji dengan data RO lapangan 86 tahun lokasi dari Wisconsin (Good et al., 2012 ). Karena studi asli menyertakan tahun kalibrasi silase jagung MARS, sungguh mengejutkan bahwa P sedimen diremehkan di sini. Perkiraan yang terlalu rendah ini kemungkinan terkait dengan peningkatan yang kuat dalam konsentrasi P sedimen pada konsentrasi SS yang lebih rendah di RO yang ditunjukkan pada Gambar 5 . Peningkatan pengayaan sedimen P dengan penurunan konsentrasi SS di RO terdokumentasi dengan baik (misalnya, Kleinman et al., 2011 ; Sharpley, 1980 ). Pemeriksaan ulang data RO lapangan asli, yang mencakup berbagai jenis tanah, konsentrasi P tanah, dan aplikasi pupuk kandang P, menunjukkan pola yang serupa tetapi lebih lemah dalam hubungan antara SS dan konsentrasi sedimen P (data tidak ditampilkan, Sed. P = 1448.5SS −0.298 , r 2 = 0,23) dengan rentang yang lebih besar dari konsentrasi SS rata-rata tertimbang aliran (median, 0,45, rentang: 0,002–14 g L −1 ) daripada untuk situs Marshfield yang disajikan di sini (median, 0,13, rentang: 0,003–3,1 g L −1 ). Di mana konsentrasi sedimen P ditaksir terlalu tinggi dalam set data multilokasi dari Good et al. ( 2012 ), beban SS relatif rendah, sehingga menghasilkan beban PP yang relatif rendah. Jika beban SS tinggi, konsentrasi P sedimen WPI mendekati konsentrasi terukur. Akibatnya, hubungan linier antara WPI dan PP terukur sangat baik (PP WPI = 0,96 PP terukur, r 2 = 0,95) (Good et al., 2012 ).

GAMBAR 4
Buka di penampil gambar
Beban P indeks fosfor Wisconsin (WPI) dihitung menggunakan sedimen terukur, limpasan, dan presipitasi dibandingkan dengan beban tahunan terukur: (A) Silase jagung P partikulat (PP), (B) padang rumput PP, (C) silase jagung P reaktif terlarut (DRP), (D) padang rumput DRP, (E) silase jagung P total (TP), dan (F) padang rumput TP. Tahun pemantauan silase jagung yang diolah adalah 2009–2011 dan tahun padang rumput adalah 2018–2020. RO, limpasan; SS, sedimen tersuspensi.

GAMBAR 5
Buka di penampil gambar
Rata-rata limpasan tahunan sedimen tersuspensi dan konsentrasi P sedimen untuk daerah aliran sungai pada silase jagung yang diolah (2008–2011) dan sistem penggembalaan (2018–2020).
Untuk tahun jagung, sedimen P yang diprediksi WPI berkisar antara 800 hingga 900 mg kg −1 . Sebaliknya, sedimen P yang diukur pada rata-rata RO SS tertinggi (3,1 g L −1 , 2011 untuk FMCP) adalah 1200 mg kg −1 (Gambar 5 ). Dengan demikian, konsentrasi SS yang rendah bukanlah penjelasan yang cukup untuk meremehkan konsentrasi sedimen P. Satu kemungkinan penjelasan adalah bahwa WPI meremehkan TP permukaan tanah dengan tidak memperhitungkan stratifikasi permukaan OM seperti yang dilakukannya untuk uji tanah P (STP). Ini adalah kelalaian yang diakibatkan oleh kurangnya data tentang stratifikasi OM di lahan pertanian Wisconsin seperti data yang telah kami kumpulkan untuk stratifikasi STP. Pengambilan sampel tanah grid dari daerah aliran sungai pada tahun 2023 menunjukkan tingkat stratifikasi OM yang tinggi. Rasio % OM permukaan (0–5 cm) terhadap % OM lapisan bajak (0–20 cm) (faktor stratifikasi) adalah 1,3. Nilai ini serupa dengan faktor stratifikasi yang digunakan untuk menyesuaikan STP permukaan dalam WPI (Good et al., 2012 ). Karena kami tidak memiliki data stratifikasi OM untuk tahun-tahun silase jagung, kami menerapkan faktor stratifikasi STP WPI untuk memperkirakan OM tanah permukaan guna menguji apakah hal itu meningkatkan estimasi PP. Hal itu memang terjadi, tetapi PP masih diremehkan (WPI PP Meas.Sed = 0,70 Meas. PP − 0,05, r 2 = 0,96).

Konsentrasi SS RO sangat rendah untuk semua tahun padang rumput (kisaran 0,003–0,02 g L −1 ), dengan konsentrasi P sedimen berkisar antara 8000 hingga 30.000 mg kg −1 (Gambar 5 ). Dalam set data RO lapangan WPI asli yang dirujuk di atas, konsentrasi SS rendah tersebut hanya diamati dari padang rumput dan di RO musim dingin dengan erosivitas rendah (pencairan salju) (Good et al., 2012 ). Ada 14 tahun lapangan dengan RO musim dingin yang rata-rata 0,02 g L −1 atau SS kurang dengan median konsentrasi P sedimen 8000 mg kg −1 (kisaran: 900–40.000 mg kg −1 ). Sementara beberapa konsentrasi tinggi mungkin disebabkan oleh kesalahan perhitungan yang terkait dengan penggunaan nilai SS yang sangat rendah, konsentrasi P sedimen yang diamati tinggi juga cenderung terjadi ketika sedimen terdiri dari partikel yang sangat halus dan memiliki luas permukaan tinggi yang terkait dengan OM (Panuska et al., 2011 ). Sebagai perbandingan, TP bahan kering tipikal untuk jerami adalah 2900–3300 mg kg −1 dan pupuk kandang sapi perah adalah 7000–11.000 mg kg −1 (Laboski et al., 2012 ). Kontribusi P organik yang tinggi dalam RO dari rumput abadi atau salju yang mencair di ladang yang diberi pupuk telah dicatat di tempat lain (Dodd et al., 2018 ; Griffith et al., 2020 ; Young et al., 2022 ). Dalam situasi erosi rendah seperti ini, pergerakan P organik mungkin merupakan jalur transportasi P yang penting bagi lingkungan (Condron et al., 2005 ; Dodd & Sharpley, 2015 ; Young et al., 2013 ).

3.3.5 Pengukuran dan prediksi P reaktif terlarut
Bagian ini melaporkan hasil DRP yang diprediksi dari iterasi kedua perhitungan WPI yang dijelaskan dalam Bagian 2.5.2 . Relatif terhadap nilai yang diukur, DRP WPI ditaksir terlalu tinggi untuk sistem silase jagung (Gambar 4C ). Dalam sistem ini, semua pupuk yang mengandung P ditempatkan di bawah permukaan. Dalam tiga perlakuan silase jagung, pupuk kandang dimasukkan dengan pembajakan pahat segera setelah aplikasi, meninggalkan sangat sedikit di permukaan. Dalam perlakuan yang tersisa, FMSCP, pupuk kandang diberikan tanpa dimasukkan pada musim gugur dan pembajakan pahat dilakukan pada musim semi. Oleh karena itu, untuk tiga dari empat daerah aliran sungai, sumber utama DRP di RO adalah tanah. Salah satu sumber estimasi yang terlalu tinggi dapat berupa faktor yang digunakan untuk memperkirakan DRP RO dari STP. Faktor-faktor ini dikembangkan menggunakan hubungan antara Bray-1 P dalam tanah dan P yang dapat diekstraksi dengan air (WEP) dalam larutan ekstraksi (mg L −1 ) untuk berbagai macam tanah. Dalam ekstraksi ini, tanah lempung lanau secara umum terwakili dengan baik oleh persamaan berikut:

di mana WEP adalah DRP mg L −1 dalam larutan ekstraktan tanah:air 1:50 dan STP adalah tanah Bray-1 P mg kg −1 .
Beberapa seri tanah terwakili lebih baik dengan menggunakan faktor 0,002, bukan 0,006. Beberapa seri tanah memiliki sampel di kedua kelompok, termasuk tanah Withee yang ditemukan di lokasi ini. Hingga saat ini, kami belum dapat membedakan karakteristik apa pun yang dapat mengidentifikasi tanah mana yang cenderung memiliki rasio WEP/STP yang lebih rendah. Menggunakan faktor 0,002 dalam persamaan WPI meningkatkan prediksi untuk fase silase jagung (WPI DRP = 1,1 DRP terukur + 0,02, r 2 = 0,76). Kemungkinan satu faktor tidak akan akurat di seluruh rentang nilai STP. Jokela dkk. ( 2012 ) menemukan hubungan kuadrat antara Bray-1 P dan DRP dalam simulasi RO yang menghasilkan rasio Bray-1 P terhadap DRP kurang dari 0,001 untuk rentang nilai Bray-1 P pada M1–M4 dan lebih besar dari 0,001 untuk nilai Bray-1 P > 80.

WPI secara akurat meramalkan DRP untuk perlakuan padang rumput tetapi sedikit meremehkannya jika kontrol padang rumput dimasukkan dalam regresi (Gambar 4D ). Perkiraan yang terlalu rendah dari DRP dari daerah aliran sungai yang diberi jerami ini tampaknya disebabkan oleh asumsi WPI untuk berapa banyak pupuk cair yang meresap ke dalam tanah segera setelah aplikasi. Asumsi-asumsi ini dikembangkan dari percobaan dengan pupuk kandang yang diaplikasikan pada tanah kosong (Vadas, 2006 ) daripada tumbuh vegetasi. Meningkatkan fraksi total pupuk kandang P pada permukaan menjadi konstan 60% dari variabel yang bergantung pada tingkat aplikasi meningkatkan kecocokan model (WPI DRP = 1,0 DRP terukur + 0,15, r 2 = 0,90).

3.3.6 Meningkatkan kemampuan prediksi WPI
Hubungan yang ditangkap dalam studi kami antara WPI TP dan beban TP yang diukur kuat, tetapi beban TP diremehkan untuk setiap sistem dengan cara yang mencerminkan bagaimana jalur transpor P dominan untuk masing-masing diremehkan (Gambar 4E,F ). Analisis ini menunjukkan bahwa kita harus dapat meningkatkan prediksi WPI–PP dengan (1) menyesuaikan stratifikasi OM di permukaan tanah dan (2) meningkatkan pemahaman kita tentang transpor P organik dalam RO. Perhitungan WPI–DRP dapat ditingkatkan dengan (1) penyempurnaan pemahaman kita tentang sifat-sifat tanah yang menentukan hubungan antara STP dan DRP dan (2) penyempurnaan asumsi tentang berapa banyak pupuk kandang yang tersisa di permukaan setelah aplikasi ke tanah dengan vegetasi hidup atau penutup residu yang luas. Perbandingan RO tambahan selama lebih banyak tahun lokasi diperlukan, mirip dengan latihan validasi WPI awal yang dijelaskan oleh Good et al. ( 2012 ), untuk menentukan apakah metodologi WPI CN dapat ditingkatkan. Semakin banyaknya data pemantauan tepi lapangan di Wisconsin dan negara bagian terdekat dari University of Wisconsin Discovery Farms (University of Wisconsin—Discovery Farms, 2025 ; USGS, 2016 ) dan upaya lain (misalnya, Loken et al., 2023 ) akan membantu dalam mengidentifikasi potensi penyempurnaan tanpa meningkatkan entri data pengguna untuk model tersebut.

Data tepi lapangan tentang kehilangan P RO, meskipun sering langka, sangat berharga untuk menyempurnakan estimasi risiko P dari indeks P. Contoh penilaian indeks P menggunakan data tepi lapangan dari negara bagian lain termasuk pekerjaan di Kentucky (Bolster et al., 2014 ), Ohio (Williams et al., 2017 ), Minnesota (Reitmeier et al., 2024 ), dan evaluasi bersama di 12 negara bagian di Amerika Serikat bagian selatan (Alabama, Arkansas, Florida, Georgia, Kentucky, Louisiana, Mississippi, North Carolina, Oklahoma, South Carolina, Tennessee, dan Texas) (D. Osmond et al., 2017 ). Salah satu upaya yang menjanjikan untuk membuat data kehilangan P skala lapangan berbasis kejadian lebih mudah diakses untuk mengevaluasi indeks P dan model kehilangan P adalah pengembangan PLEAD, P Loss in RO Events from Agricultural fields Database (Bolster et al., 2019 ).

3.4 Penilaian WPI terhadap dampak pengelolaan terhadap hilangnya P limpasan
3.4.1 Membandingkan efek pengelolaan indeks P yang diamati dan Wisconsin
Baik fase jagung maupun fase padang rumput yang diteliti dalam studi ini merupakan bagian dari studi DAS berpasangan yang dirancang untuk mengendalikan dampak tanah dan topografi sambil mengukur dampak pengelolaan alternatif pada TP, DRP, SS, dan RO DAS (Jokela & Casler, 2011 ). Untuk kedua sistem, ditemukan perbedaan signifikan antara kontrol dan sedikitnya satu pengelolaan alternatif untuk beban TP, beban DRP, atau salah satu komponen beban seperti konsentrasi DRP, SS, dan RO (Sherman et al., 2021 ; Young et al., 2023 ). Untuk sebagian besar, WPI (iterasi pertama, Bagian 2.5.2 ) memperkirakan dampak pengelolaan relatif serupa pada beban P seperti yang terlihat dalam studi DAS berpasangan ini. Gambar 6 menunjukkan rata-rata beban TP, PP, dan DRP yang diukur dan diprediksi WPI untuk setiap pengelolaan dalam kedua sistem. Untuk perhitungan beban WPI (Gambar 6B,D ), nilai persentase kemiringan yang sama digunakan untuk menghilangkan efek topografi dari hasil.

GAMBAR 6
Buka di penampil gambar
Beban P tahunan rata-rata untuk setiap daerah aliran sungai dalam bentuk P reaktif terlarut (DRP) dan P partikulat (PP) untuk (A) beban terukur, fase perlakuan silase jagung 2009–2011. (B) Beban estimasi indeks fosfor Wisconsin (WPI) untuk fase perlakuan silase jagung. (C) Beban terukur, fase perlakuan padang rumput 2018–2020. (D. Beban estimasi WPI untuk fase perlakuan padang rumput. AMPS, penebaran multi-paddock adaptif; CS, penebaran berkelanjutan; CSMCP, tanaman penutup gandum hitam dengan pupuk kandang yang dicampur di musim semi dengan bajak pahat; FMCP, pupuk kandang musim gugur dicampur dengan bajak pahat; FMCP + penyangga, pupuk kandang musim gugur dicampur dengan bajak pahat dan penyangga rumput; FMSCP, pupuk kandang musim gugur, tidak dicampur, dengan bajak pahat musim semi; M1–M4, nomor identifikasi daerah aliran sungai; PPS, penebaran padang rumput permanen.
Untuk praktik pengelolaan silase jagung, Sherman et al. ( 2021 ) menemukan bahwa penambahan penyangga vegetasi (FMCP + penyangga) adalah satu-satunya perlakuan yang menyebabkan pengurangan beban TP (28%) dibandingkan dengan kontrol, dan pengurangan TP ini berasal dari penurunan SS sebesar 55% dibandingkan dengan kontrol (Sherman et al., 2021 ). WPI menunjukkan pengurangan TP yang lebih tinggi dengan penyangga (76%), dan pengurangan pengiriman sedimen WPI–RUSLE2 yang sesuai adalah 86%. Hal ini menunjukkan bahwa penyangga rumput default yang saat ini tersedia di WPI mungkin tidak mewakili penyangga yang dipanen dalam percobaan dengan tepat. Model pemilihan penyangga WPI menambahkan 9,1 m (30 kaki) rumput musim dingin yang belum dipanen ke akhir lereng kritis di RUSLE2, sedangkan yang ada di FMCP + penyangga dipanen dua kali setahun. Penerapan sistem penyangga alfalfa-broma yang dipanen di RUSLE2 dengan dua pemotongan per tahun menghasilkan pengurangan 48% dalam pengiriman sedimen, yang mendekati nilai terukur.

Bahasa Indonesia: Ketika pupuk kandang diaplikasikan di musim gugur tanpa penggabungan (FMSCP), peningkatan terukur pada beban TP tidak signifikan, tetapi ada peningkatan 376% pada beban DRP dibandingkan dengan kontrol (Sherman et al., 2021 ). WPI memperkirakan peningkatan serupa (346%) pada beban DRP (Gambar 6B ). Perbedaan perlakuan lain yang tidak menyebabkan perbedaan terukur pada beban TP adalah bahwa RO lebih besar dengan pengolahan tanah musim semi (CSMCP, FMSCP) dibandingkan dengan pengolahan tanah musim gugur (FMCP, FMCP + buffer). Ini juga berlaku untuk perhitungan RO WPI karena skenario pengolahan tanah musim gugur memiliki CN RO yang lebih rendah selama musim gugur dan musim dingin (kisaran CN: 80–86) dibandingkan dengan pengolahan tanah musim semi (kisaran CN: 88–91) (Sherman et al., 2021 ). Satu efek terukur untuk lokasi yang diolah dengan musim semi yang tidak diperhitungkan oleh WPI adalah peningkatan yang lebih besar dalam RO relatif terhadap kontrol dengan tanaman penutup selama musim dingin (CSMCP, peningkatan 131%) dibandingkan dengan tanpa tanaman penutup (FMSCP, peningkatan 34%) (Sherman et al., 2021 ). WPI memperkirakan efek sebaliknya, dengan RO yang sedikit lebih tinggi untuk FMSCP dibandingkan dengan CSMCP karena CN yang lebih tinggi. Satu kemungkinan penjelasan untuk RO yang diamati lebih tinggi dengan tanaman penutup dapat berupa peningkatan akumulasi salju yang melayang dengan tanaman penutup yang tidak diperhitungkan dalam metodologi RO musim dingin WPI.

Dalam sistem padang rumput, WPI TP kecil untuk semua perlakuan (0,3–0,4 kg ha −1 , Gambar 6D ) dibandingkan dengan silase jagung dan perbedaan antar perlakuan tidak cukup besar untuk memiliki signifikansi praktis (≤0,1 kg ha −1 ). Young et al. ( 2023 ) tidak mengamati perbedaan signifikan antara perlakuan dan kontrol untuk beban kejadian DRP dan TP, tetapi menemukan perbedaan dalam beban RO, SS, dan konsentrasi P. PPS dan CS meningkatkan RO dibandingkan dengan kontrol jerami. Selain itu, CS meningkatkan beban sedimen di atas kontrol jerami. Para peneliti berhipotesis bahwa kerusakan akibat injakan ternak menyebabkan peningkatan ini. Peningkatan RO dan sedimen tidak meningkatkan beban P karena penurunan konsentrasi P yang menyertainya. Relatif terhadap kontrol, TP rata-rata kejadian menurun untuk PPS dan CS, dan konsentrasi DRP rata-rata kejadian menurun untuk ketiga perlakuan (Young et al., 2023 ). Demikian pula, WPI memperkirakan penurunan konsentrasi P yang akan menangkal peningkatan RO pada beban P yang diperkirakan. RO yang dihitung WPI adalah CS > PPS = AMPS > Jerami kontrol. Hal ini didorong oleh CN, yang tertinggi untuk penggembalaan berkelanjutan, serupa untuk dua sistem penggembalaan terkelola, dan terendah untuk jerami. Seperti nilai yang diukur, konsentrasi DRP WPI diperkirakan lebih tinggi untuk kontrol jerami daripada untuk sistem penggembalaan terkelola karena tingkat pupuk kandang P yang lebih tinggi yang diaplikasikan ke permukaan.

Tabel 2 menunjukkan rata-rata dan kisaran beban PP dan DRP tahunan untuk menggambarkan variabilitas dalam nilai terukur dan WPI antara daerah aliran sungai dan pengelolaan. Variabilitas dalam estimasi WPI merupakan hasil dari variasi tahun ke tahun dalam penghilangan P tanaman (sebagai fungsi dari hasil panen), aplikasi pupuk kandang, dan tingkat stok. Secara umum, kisaran terukur lebih besar daripada kisaran WPI karena perbedaan tahun ke tahun dalam suhu dan curah hujan aktual yang tidak tercermin dalam WPI.

TABEL 2. Rata-rata dan kisaran beban tahunan P reaktif terlarut (DRP) dan P partikulat (PP) terukur dan indeks P Wisconsin (WPI) untuk setiap daerah aliran sungai pada fase perlakuan silase jagung (2009–2011) dan padang rumput (2018–2020).

Catatan : Nilai numerik dalam tabel ini disajikan dalam format rata-rata (rentang).
Singkatan: AMPS, penebaran multi-padang adaptif; CS, penebaran berkelanjutan; CSMCP, tanaman penutup gandum hitam dengan pupuk kandang yang dicampur di musim semi dengan bajak pahat; FMCP + penyangga, FCMP dengan penyangga rumput; FMCP, pupuk kandang musim gugur dicampur dengan bajak pahat; FMSCP, pupuk kandang musim gugur, tidak dicampur, dengan bajak pahat musim semi; M1–M4, nomor identifikasi daerah aliran sungai; PPS, penebaran padi permanen.
3.4.2 Penilaian indeks P pada bentang alam yang kontras
Dengan SnapPlus, petani dan pengelola lahan bisa mendapatkan penilaian WPI di mana saja di Wisconsin. Untuk mengilustrasikan hal ini, Gambar 7 menunjukkan hasil WPI untuk dua jenis tanah pertanian umum di berbagai wilayah Wisconsin: seri Dodge (berlumpur halus, campuran, superaktif, mesik Typic Hapludalf) dengan kemiringan 4% di Wisconsin tenggara dan seri Ashdale (berlumpur halus, campuran, superaktif, mesik Typic Argiudoll) dengan kemiringan 9% di Wisconsin barat daya. Hasil WPI dihasilkan menggunakan pengelolaan yang sama dan nilai uji tanah yang sama seperti daerah aliran sungai Marshfield yang dijelaskan di atas, dan skenario Ashdale ditetapkan untuk diolah pada kontur untuk pengelolaan jagung guna mencerminkan praktik umum untuk tanah yang lebih curam di wilayah negara bagian tersebut.

GAMBAR 7
Buka di penampil gambar
Indeks fosfor Wisconsin (WPI) memperkirakan beban P tahunan rata-rata yang dihitung dengan nilai pengelolaan lapangan dan uji tanah yang sama seperti DAS Marshfield pada lempung lanau Dodge, kemiringan 4%, di Dodge County, WI (A dan C), atau lempung lanau Ashdale, kemiringan 9%, dan dikerjakan pada kontur di Lafayette County, WI (B dan D). AMPS, penebaran multi-padang yang adaptif; CS, penebaran terus-menerus; CSMCP, tanaman penutup gandum hitam dengan pupuk kandang yang dicampur pada musim semi dengan bajak pahat; FMCP, pupuk kandang musim gugur yang dicampur dengan bajak pahat; FMCP + penyangga, FCMP dengan penyangga rumput; FMSCP, pupuk kandang musim gugur, tidak dicampur, dengan bajak pahat musim semi; PPS, penebaran padi permanen.
Perkiraan kehilangan RO P untuk pengelolaan padang rumput adalah 0,4 dan 0,7 kg ha -1 rata-rata untuk skenario Dodge dan Ashdale, sementara kehilangan yang sesuai untuk pengelolaan jagung tanpa buffer (FMCP, CSMCP, dan FMSCP) adalah 12,8 dan 23,7 kg ha -1 (Gambar 7 ). Kehilangan RO P dari jagung dengan buffer (FMCP + buffer) adalah 4 kg ha -1 untuk Dodge dan 5,6 kg ha -1 untuk skenario Ashdale. Contoh-contoh ini menggambarkan sensitivitas WPI terhadap berbagai kondisi lereng dan tanah, yang menunjukkan bahwa pada tanah yang lebih curam dan lebih rentan erosi, kontras antara tanaman baris yang diolah dan sistem padang rumput dalam hal kehilangan PP dan TP bahkan lebih besar daripada di Marshfield.

4 KESIMPULAN
Dalam studi ini, WPI menggambarkan kegunaannya untuk mengidentifikasi efek relatif praktik pengelolaan tanaman pada kerugian DRP dan PP RO dari silase jagung yang diolah dan sistem penanaman hijauan tahunan di satu lokasi. Ini merupakan temuan penting karena petani Wisconsin, perencana pengelolaan nutrisi, dan upaya peningkatan kualitas air pertanian semakin banyak menggunakan WPI dalam perangkat lunak SnapPlus untuk mengidentifikasi apakah praktik pengelolaan lahan tertentu cenderung mengurangi P dalam RO untuk lahan tertentu. Penelitian sedang dilakukan untuk memperluas upaya validasi sebelumnya dan lebih menyempurnakan persamaan WPI dengan membandingkan nilai WPI dengan data tepi lahan di beberapa lokasi yang dipantau.

Saat ini, WPI yang terintegrasi dalam SnapPlus tidak dapat digunakan di luar Wisconsin, tetapi kerangka dasar dapat digunakan di mana saja. Proses pengangkutan P yang dimodelkan dalam WPI bersifat universal. Basis data tanah, pengelolaan tanaman RUSLE2, dan iklim yang memungkinkan pengembangan estimasi RO dan erosi WPI tersedia di seluruh Amerika Serikat. Meskipun WPI tidak mungkin secara tepat memprediksi P yang terikat sedimen atau DRP RO dari satu lahan karena variasi topografi dan hidrologi yang kompleks, analisis ini dan analisis lainnya menunjukkan bahwa analisis ini cukup menggambarkan trade-off pengelolaan skala lahan.