کارایی سامانه های رده بندی آمریکایی (ST) و جهانی (WRB) در توصیف ویژگی های خاک های شور و گچی در برخی مناطق استان آذربایجان شرقی
محل انتشار: فصلنامه دانش آب و خاک، دوره: 28، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 194
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_WASO-28-1_005
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
برای مدیریت و استفاده بهینه از خاک نیاز به ردهبندی درست خاکها و شناسایی ویژگیهای اصلی آنها میباشد. بنابراین در این تحقیق کارایی دو سامانه ردهبندی خاک و همچنین بررسی یکی از اصلیترین ویژگیهای خاک یعنی شناسایی و تخمین مقدار نسبی کانیهای رسی که بیشتر ویژگیهای خاک را تحت تاثیر قرار میدهد مورد بحث قرار گرفته است. بدین منظور خاکهای شور و گچی دو منطقه از آذربایجان شرقی (دشت تبریز و خواجه) انتخاب و پس از تشریح خاکرخها، همه افقها و لایهها نمونهبرداری شدند. سپس نمونهها آماده و آزمایشات مختلف برای بررسی کارایی دو سامانه آمریکایی و مرجع جهانی انجام گرفت. در اکثر خاکرخها وجود افقهای تحتانی با بافت سنگین رسی باعث تجمع بیش از حد املاح در افقهای سطحی و میانی و تشکیل افق سالیک و جیپسیک شده است. بطور کلی خاکهای این دو منطقه بر اساس سامانه مرجع جهانی(WRB) و آمریکایی(ST) به ترتیب در سه گروه اصلی سولونچاک، سولونتز و جیپسیسول و در دو زیررده سالیدز و جیپسیدز ردهبندی میشوند. بر اساس نتایج کانیشناسی، غالبترین و فراوانترین کانی رس در این خاکها، کانی ایلایت بوده که میتواند به صورت کلاس کانیشناسی در قسمت خانواده سامانه آمریکایی مورد استفاده قرار گیرد. در نتیجه سامانه جهانی (با پیشنهاد اضافه کردن کلاس مینرالوژی در لیست توصیف کنندهها) نسبت به سامانه آمریکایی کارایی بهتری در توصیف ویژگیهای این خاکها در نام کلاس خود اراده میدهد.
کلیدواژه ها:
نویسندگان
ویدا منتخبی کلجاهی
دانشجوی دکتری، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
علی اصغر جعفرزاده
استاد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
شاهین اوستان
دانشیار، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
فرزین شهبازی
استادیار، گروه آمار، دانشکده علوم ریاضی، دانشگاه تبریز
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 :