شبیهسازی رطوبت حجمی خاک با مدلD ۲- HYDRUS از منبع تغذیه خطی با شوریهای متفاوت آب آبیاری و مقایسه با مشاهدات میدانی
محل انتشار: فصلنامه علوم آب و خاک، دوره: 20، شماره: 75
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 285
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-20-75_010
تاریخ نمایه سازی: 21 اردیبهشت 1400
چکیده مقاله:
رطوبت خاک از پارامترهای اصلی ورودی در بسیاری از مدلهای پایش و پیشبینی عملکرد محصولات زراعی است. توانایی مدلهای ریاضی، بهرهبرداری درست از آبهای شور و انتخاب گزینههای مدیریتی را امکانپذیر نموده است. هدف این مطالعه، بررسی کارایی مدل D۲HYDRUS- در شبیهسازی رطوبت حجمی خاک تحت شرایط میدانی برای خاکی با بافت سنگین ناهمگن بود. سه حجم آبیاری ۱۰، ۱۵ و۲۰ لیتر و سه سطح شوری آب ۲۷۹/۱، ۵/۲ و ۵ (۱dSm-) در سه تکرار در یک سامانه آبیاری قطرهای نواری اعمال شد. بهمنظور پایش رطوبت، نیمرخ خاک تا عمق ۴۰ سانتیمتری حفر و دیواره عمود بر نوار آبیاری قطرهای شبکهبندی شد. رطوبت حجمی توسط رطوبتسنج (TDR) مدل B۱K۳X۶۰۵۰ MiniTrase kit اندازهگیری و مقادیر رطوبت حجمی مشاهدهای و شبیهسازی، توسط آمارههای nRMSE و CRM مقایسه شدند. نتایج نشان داد که میانگین توزیع رطوبت توسط آبیاری با شوریهای مختلف در محدوده ظرفیت زراعی است. مقادیر nRMSE برای تکرارهای مختلف از ۹۱/۰ تا ۰۷/۲ درصد متغیر بود. براساس مقادیر nRMSE، شبیهسازی رطوبت در ردهی عالی طبقهبندی شد. شاخص CRM نیز در محدوده ۰۰۸۰/۰- تا ۰۱۷۰/۰ بهدست آمد که مقدار بسیار کمی است. نتایج این دو آماره نشاندهنده توانمندی بالای مدل در شبیهسازی رطوبت حجمی خاک با استفاده از برآورد پارامترهای هیدرولیکی خاک به روش حل معکوس میباشد.
کلیدواژه ها:
نویسندگان
فیروزه جوادزاده شاخالی
۱. Dept. of Water Engineering, Faculty of Agric. Sci., Univ. of Guilan, Iran.
محمدرضا خالدیان
۱. Dept. of Water Engineering, Faculty of Agric. Sci., Univ. of Guilan, Iran.
مریم نوابیان
۱. Dept. of Water Engineering, Faculty of Agric. Sci., Univ. of Guilan, Iran.
پریسا شاهینرخسار
۲. Research Center for Agric. and Natural Resour., Rasht, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :