ارزیابی روشهای برآورد رطوبت ظرفیت زراعی در خاک های استان خوزستان
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 47، شماره: 1
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 114
فایل این مقاله در 9 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_IJSWR-47-1_006
تاریخ نمایه سازی: 10 آبان 1402
چکیده مقاله:
این تحقیق با هدف ارزیابی عملکرد روشهای مرسوم برآورد رطوبت ظرفیت زراعی جهت معرفی تابع انتقالی مناسب خاکهای منطقه استان خوزستان در شرایط آزمایشگاهی و مزرعه انجام پذیرفت. به منظور رصد وضعیت رطوبتی خاکها در هر دو مدل فیزیکی و مزرعه آزمایشی اقدام به کارگذاری حسگرهای دفنی دستگاه انعکاس سنجی حوزه زمانی (TDR) در اعماق مختلف و انجام آبیاری قطره ای از یک منبع نقطه ای- سطحی با دبی ۴ لیتر در ساعت گردید. سپس، ویژگی های فیزیکی خاک همراه با مقادیر رطوبت در مکش های معین برای تعیین پارامترهای هیدرولیکی مدل رطوبتی ون گنوختن- معلم به کمک نرم افزارRETC اندازه گیری شد. نتایج این پژوهش در ارزیابی عملکرد چندین تابع انتقالی نقطه ای معروف نشان داد که مدلهای نیمه تجربی متکی بر اصول فیزیکی که در سطح مزرعه مورد آزمایش قرار گرفته اند می تواند جایگزین مناسبی برای روشهای سنتی تخمین میزان رطوبت ظرفیت نگهداری آب در خاک باشد. به طوری که، تابع انتقالی Twarakavi et al. (۲۰۰۹) با آماره های (۱/۳%) NRMSE و (۵۱/۰%) SE توانست رطوبت ظرفیت زراعی را با دقت خوبی نسبت به روش شبکه عصبی Rosetta (۲۰۰۱) با مقادیر (۲/۵%) NRMSE و (۷۱/۰%) SE یا معادله Dexter (۲۰۰۴) با مقادیر (۷/۹%) NRMSE و (۷۵/۱%) SE برآورد نماید. هر چند، تفاوتی در کارایی مدل (ME) برای هر سه تابع انتقالی ملاحظه نگردید. بر اساس نتایج ارزیابی این توابع انتقالی با استفاده از آنالیز واریانس یک طرفه در سطح معنی داری ۵ درصد به وضوح مشاهده گردید اثرات منفی میزان شن و تراکم خاک بر مقادیر رطوبت ظرفیت زراعی قابل توجه است. بر عکس، میزان رس و سیلت در سطح معنی داری ۵ درصد دارای تاثیر مثبتی بر مقادیر رطوبت ظرفیت زراعی داشت.
کلیدواژه ها:
نویسندگان
امید شیخ اسماعیلی
دانشجوی دکتری دانشگاه شهید چمران
هادی معاضد
استاد دانشگاه
عبدعلی ناصری
استاد دانشگاه
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 :