مدل سازی بار فسفات ورودی به دریای خزر از حوزه آبخیز تجن با استفاده از مدل ارزیابی آب و خاک
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 287
فایل این مقاله در 13 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_ESTJ-22-8_013
تاریخ نمایه سازی: 18 مهر 1400
چکیده مقاله:
زمینه و هدف: توسعه کشاورزی برای پاسخگویی به نیاز روز افزون غذا سبب مصرف بیشتر کودهای شیمیایی و درنتیجه آلودگی اکوسیستمهای آبی گردیده است. بنابراین برآورد مواد مغذی منابع غیر نقطهای، بررسی میزان تجاوز آنها از حد مجاز و نیز ارزیابی سهم آلودگی فسفات ورودی از حوزه آبخیز تجن به دریای خزر یک اولویت به منظور ارزیابی سلامت حوضه است. روش بررسی: لذا در این مطالعه از ابزار ارزیابی آب و خاک (SWAT) برای شبیه سازی فسفات طی سال های ۲۰۰۱ تا ۲۰۱۴ در حوزه آبخیز تجن استفاده شده است. یافته ها: نتایج مدل واسنجی شده نشان داد بار سالانه فسفات از سال ۲۰۰۱ تا ۲۰۱۴ از حدود ۲۹۰۰۰ تا ۱۰۲۹۰۰ کیلوگرم در خروجی حوزه آبخیز متفاوت است. بار فسفات در زمستان و پاییز ۹۸ درصد از کل بار سالانه فسفات را به خود اختصاص داد. بالاترین سطح فسفات در دوره مورد مطالعه در ماه فوریه (به طور متوسط ۱۱۶۲۱ کیلوگرم) و کم ترین در ماه ژوئن (به طور متوسط ۷/۰ کیلوگرم) بود. همچنین از مقایسه غلظت های به دست آمده با استانداردهای کیفیت آب می توان نتیجه گرفت که غلظت فسفات در اکثر زیرحوضه ها بالاتر از حد استاندارد کیفیت آب آشامیدنی برای سلامت انسانی (۲/۰ میلی گرم در لیتر) است. بنابراین اکثرا زیرحوضهها در منطقه مورد مطالعه نیازمند کاهش بار فسفات می باشند و میبایست این زیرحوضهها در برنامههای مدیریتی بهبود کیفیت آب حوضه در اولویت قرار گیرند. بحث و نتیجه گیری: نتایج نشان داد که مدل SWAT میتواند راهنمای خوبی برای استراتژیهای کاهش بار آلودگیها باشد.
کلیدواژه ها:
نویسندگان
فاطمه رجایی
استادیار گروه علوم محیط زیست، دانشکده علوم ، دانشگاه زنجان.
رضا دهمرده بهروز
استادیار گروه محیط زیست، دانشکده منابع طبیعی دانشگاه زابل. (مسوول مکاتبات)
مصطفی قلی پور
دانش آموخته دکتری گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
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 :