بررسی اثر گونه های گیاهی Lactuca orientalis و Acanthophyllum squarrosum بر پتانسیل ترسیب کربن خاک مراتع جنوبی شهرستان بیرجند
محل انتشار: اولین همایش سراسری کشاورزی و منابع طبیعی پایدار
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 671
فایل این مقاله در 8 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:
NACONF01_1005
تاریخ نمایه سازی: 25 خرداد 1393
چکیده مقاله:
مراتع حدود نیمی از خشکی های جهان را تشکیل می دهند و دارای بیش از یک سوم ذخایر کربن زیست کره خاکی می باشند. درنتیجه، این اراضی قابلیت زیادی برای ترسیب کربن دارند. در این مطالعه میزان ترسیب کربن خاک ناشی از اثر گیاهLactuca orientalis و Acanthophyllum squarrosum در مقایسه با منطقه شاهد در مراتع استپی شهرستان بیرجند ارزیابی شد. بدین منظور ایستگاه پخش سیلاب در 25 کیلومتری بیرجند انتخاب و نمونه برداری به روش تصادفی- سیستماتیک در طول سه ترانسکت انجام شد. جهت تعیین کربن آلی خاک در 36 نمونه خاک برداشت شده از دو عمق 0-20 و 20- 60 سانتی متری پای بوته ها و حد فاصل بوته ها (منطقه شاهد) از روش والکی- بلاک استفاده شد. داده های بدست آمده با استفاده از آزمون LSD ,(ANOVA)f (حداقل اختلاف معنی دار فیشر) و t-student تجزیه و تحلیل شد. نتایج نشان داد که میزان ترسیب کربن در دو گونه مورد بررسی و منطقه شاهد در عمق 0-20 سانتی متری به ترتیب 78/16 و 79/25 و 58/49 تن بر هکتار است که اختلاف معنی داری را در سطح یک درصد با منطقه شاهد نشان می دهند ولی در عمق 20-60 سانتی متری اختلاف معنی داری در سطح 5 درصد مشاهده نشد. بنابراین این دو گونه فعالیت بالایی را در ترسیب کربن در خاک بویژه در عمق 20-0 سانتی متری دارند.
کلیدواژه ها:
نویسندگان
فریده حسینی رمقانی
دانشجوی کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
محمد رضا سعید افخم شعرا
استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
حامد فروغی فر
استاد یار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه بیرجند
هادی معماریان
استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
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 :