مقایسه ی شبیه سازی جبهه ی رطوبتی خاک با مدل HYDRUS-2D در دو نوع کشت با خاکورزی و بدون خاکورزی
محل انتشار: سومین همایش ملی مدیریت جامع منابع آب
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 449
فایل این مقاله در 11 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:
NCUIMWR03_020
تاریخ نمایه سازی: 15 اسفند 1393
چکیده مقاله:
در بیشتر موارد، به منظور پیش بینی وضعیت رطوبتی خاک، قبل از نصب سیستم آبیاری، شبیهسازی هایی توسط مدل های مورد تأیید صورت می گیرد تا طراحی صحیحی جهت تآمین نیاز آبی گیاه انجام شود، از طرفی، امروزه جهت بالا بردن راندمان کاربرد آب، کشت بدون خاکورزی مورد بحث بسیاری از مهندسین و طراحان قرار گرفته است. در این تحقیق، شبیه سازی مدل HYDRUS-2D در دو نوع کشت با خاکورزی و بدون خاکورزی مورد بررسی قرار گرفت. برای هر سیستم کشت، مزرعه ایی تحت کشت ذرت و تحت آبیاری با تیپ درنظر گرفته شد و رطوبت خاک توسط یک نوترون متر در اعماق مختلف قبل و بعد از آبیاریدر هر مزرعه اندازه گیری شد و با رطوبت های شبیه سازی شده با مدل توسط آماره های RMSE و EF مقایسه شد. در مزرعه تحت کشت با خاکورزی مشاهده شد که با اعمال داده های هدایت هیدرولیکی خاک قبل از آبیاری، مدل قادر به شبیه سازی کل دوره ی 29 روزه نمی باشد زیرا عمل خاکورزی باعث بزرگ شدن خلل و فرج خاک و درنتیجه افزایش Ks آن می شود، پس از اولین آبیاری به علت فشرده شدن لایه ی اول خاک Ks آن کاهش می یابد که در شبیه سازی اختلالاتی ایجاد می کند که با اعمال تغییرات زمانی پارامترهای هیدرولیکی خاک، شبیه سازی مدل بهبود می یابد. اما در کشت بدون خاکورزی، مشاهده شد که با اعمال پارامترهای هیدرولیکی خاک قبل از آبیاری به عنوان ورودی، مدل می تواند کل دوره را به خوبی شبیه سازی کند زیرا در این نوع کشت ساختمان خاک و متعاقباً Ks خاک در طی آبیاری به طور جزئی تغییر می کند و بنابراین می توان در شبیه سازی با مدل، به نتایج واقعی تری دست یافت.
کلیدواژه ها:
نویسندگان
هدیه پوریزدان خواه
دانشجوی کارشناسی ارشد آبیاری وزهکشی، مهندسی آب، دانشگاه گیلان، رشت، ایران
محمدرضا خالدیان
استادیار، گروه مهندسی آب، دانشگاه گیلان، رشت، ایران
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 :