تاثیر سهم بارندگی بر تاج بارش و باران ربایی گونه های افرا پلت Acer velutinum و بلوط بلندمازو Quercus castaneifolia در فصل زمستان
محل انتشار: اولین همایش ملی بحران آب
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 989
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:
NCWC01_150
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
این پژوهش با هدف تعیین رابطه تاج بارش و باران ربایی گونه های پلت Acer velutinumو بلندمازو Quercus castaneifolia بابارندگی کل درتوده امیخته ممرز انجیلی استان گلستان درفصل زمستان انجام شد نمونه ها بعدازهربارندگی از تاریخ 1390/10/1تا1390/12/30 جمع آوری گردید. میزان باران ربایی تاج پوشش به صورت غیر مستقیم از تفاضل بارندگی کل و تاج بارش محاسبه شد. در این دوره 9 مورد بارندگی با مجموع437/261و میانگین48/584 میلیمتر درهرواقعه جمع آوری گردید. مجموع و میانگین تاج بارش گونه بلندمازو به ترتیب 927/776و34/362 میلی متر و برای گونه پلت 878/055و32/52 میلی متر اندازه گیری شد. مجموع و میانگین باران ربایی تاج پوشش این گونه ها نیز384/007و14/222 میلی متر (برای گونه بلندمازو ) و 16/064 و433/728 میلی متر (برای گونه پلت) محاسبه شد. بر اساس این تحقیق سهم تاج بارش و باران ربایی گونه پلت به ترتیب 33/06و66/93 درصد از بارندگی کل و گونه بلندمازو 70/72 و 29/27درصد ازبارندگی کل محاسبه شد. رابطه باران ربایی و بارندگی هر دو گونه لگاریتمی و کاهنده بدست آمد. به دیگر سخن با افزایش مقدار بارندگی، باران ربایی هر دو گونه کاهش می یابد. رابطه بین تاج بارش و بارندگی دو گونه نیز بررسی شد که یک رابطه خطی و مثبت بین آنها وجود داشت
کلیدواژه ها:
نویسندگان
الهام شبانی
دانشجوی کارشناسی ارشد جنگلشناسی و اکولوژی جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
هاشم حبشی
استادیار گروه جنگلشناسی و اکولوژی جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
رامین رحمانی
دانشیار گروه جنگلشناسی و اکولوژی جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مریم مصلحی
دانشجوی دکتری گروه جنگلشناسی و اکولوژی جنگل، 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 :