ORIGINAL_ARTICLE
بررسی عرصههای مناسب پخش سیلاب با استفاده از شاخص همپوشانی نقشهها و منطقهای بولین و فازی در محیط GIS(مطالعه موردی : حوضه آبخیز پشتکوه)
کنترل سیلاببه منظور استفاده از آبهای سطحی و جریانهای آبراههای در حوضههای آبریز، یکی از مراحل اساسی در مدیریت منابع آب به ویژه در مناطق خشک و نیمهخشک میباشد. تعیین نقاط مناسب جهت پخش سیلاب ضامن موفقیت پروژههای مربوطه در این زمینه است. هدف از این مطالعه ارزیابی کارایی روشهای همپوشانی لایهها، منطقهای بولین و فازی در تعیین عرصههای پخش سیلاب با استفاده از تکنیکهای GIS میباشد. بدین منظور 5 لایه اطلاعاتی که شامل شیب، کـاربری اراضی، نفوذپذیری سطـحی، واحدهای کوارترنر و ضخامت آبرفـت بودند، در قالب مدلهای ذکر شده تلفیق یافتند. نتایج به دست آمده از مدلهای فوق به صورت نقشههای خروجی بودند با عرصههای کنترل اجرایی مقایسه و مورد ارزیابی قرار گرفتند. نتایج نشان داد که همپوشانی عرصههای پیشنهادی به عرصههای کنترل در مدل Multi class maps نسبت به سایر مدلهای ارزیابی شده، بیشتر بوده و در نتیجه به عنوان بهترین مدل در مکانیابی عرصههای مناسب پخش سیلاب در حوضه آبخیز پشتکوه ایران انتخاب گردید.
https://water-soil.tabrizu.ac.ir/article_1119_ea3fe70cbd49049ec1dd14fe4f8a299f.pdf
2011-11-22
1
16
حوضه آبخیز پشتکوه
شاخص همپوشانی نقشهها
عرصههای پخش سیلاب
منطقهای بولین و فازی
صفر
معروفی
smarofi@yahoo.com
1
دانشکده کشاورزی دانشگاه بوعلی سینا
LEAD_AUTHOR
مهناز
محمودی
2
دانشکده کشاورزی دانشگاه بوعلی سینا
AUTHOR
سامره
سلیمانی
3
دانشکده کشاورزی دانشگاه بوعلی سینا
AUTHOR
بهنوش
جعفری
4
مرکز تحقیقات منابع طبیعی و کشاورزی استان مازندران
AUTHOR
ORIGINAL_ARTICLE
حذف نیترات از آب زیرزمینی با استفاده از ستون جاذب حاوی رزین Purolite A-400
طراحی مناسب و موفق یک ستون جاذب، مستلزم پیشبینی تغییرات زمانی غلظت جریان خروجی یا همان منحنی رخنه است که با بهرهگیری از مدلسازی فرایند جذب امکانپذیر است. به این منظور، آزماییشهایی با عبور جریان محلولهای استاندارد با غلظت 75 و 150 میلیگرم در لیتر نیترات و آب آلودهی یکی از چاههای استان گیلان از ستون جاذب حاوی رزین آنیونی Purolite A-400 انجام شد. نمونهبرداری از آب خروجی ستون در زمانهای مختلف صورت گرفت و غلظت نیترات آن تعیین گردید. پس از انجام آزمایشها، ویژگیهای دینامیکی فرایند جذب با مدلسازی منحنیهای رخنه و بهرهگیری از مدلهای توماس، بوهارت- آدامز، لین- وانگ و ولبورسکا بررسی گردید. مقایسهی مدلهای مذکور نشان داد که هرچند سه مدل اول به لحاظ ساختاری تفاوت داشته و پارامترهای هر یک اطلاعات مفیدی از فرایند جذب در اختیار قرار میدهد، اما نتایج آنها بخوبی بر هم منطبق بوده و از این رو میتوان بر مبنای روابط بین آنها پارامترهای هر کدام را بدون نیاز به مدلسازی مجدد، از پارامترهای دو مدل دیگر محاسبه نمود. مدل توماس و به تبع آن دو مدل دیگر در پیشبینی منحنیهای رخنه آزمایشها از موفقیت بیشتری در مقایسه با مدل ولبورسکا برخوردار بوده و توانست در تمام مسیر فرایند با دقت بسیار خوبی غلظت نرمال شدهی نیترات در جریان خروجی از ستونها را پیشبینی کند. در آزمایش آب زیرزمینی آلوده در بخشهای انتهایی منحنی رخنه، از دقت مدل توماس (و دو مدل دیگر) کاسته شده است که دلیل آن وجود یونهای سولفات و فسفات در آب ورودی بود.
https://water-soil.tabrizu.ac.ir/article_1120_89bb0254e133da6135b593ad80d73811.pdf
2011-11-22
17
34
: اکیوالان بستر
حجم بستر
زمان استوکیومتری
عمق بحرانی بستر
نقطهی اشباع
نقطهی رخنه
سیدعلی
موسوی
1
دانشگاه گیلان
LEAD_AUTHOR
حسین
اسدی
ho.asadi@ut.ac.ir
2
دانشگاه گیلان
AUTHOR
بینام، 1388. آب آشامیدنی- ویژگیهای فیزیکی و شیمیایی. مؤسسه استاندارد و تحقیقات صنعتی ایران، استاندارد ملی ایران 1053، تجدید نظر پنجم.
1
موسوی س ع، اسدی ح و اسفندبد م، 1389. کارآیی فرایند تبادل یونی در حذف نیترات از آب 1- همدماهای تعادلی جذب نیترات توسط رزین Purolite A-400 مجله دانش آب و خاک، جلد 1/20، شماره 4. صفحههای 185 تا 200.
2
Aksu Z and Gönen F, 2004. Biosorption of phenol by immobilized activated sludge in a continuous packed bed: prediction of breakthrough curves. Process Biochemistry 39: 599–613.
3
Ann M and Franson H, 1992. Standard Methods for the Examination of Water and Waste Water. 19th Edition. American Public Health Association.
4
Bae BU, Jung YH, Han WW and Shin HS, 2002. Improved brine recycling during nitrate removal using ion exchange. Journal of Water Research 36: 3330-3340
5
Baral SS, Das N, Ramulu TS, Sahoo SK, Das SN and Chaudhury GR, 2009. Removal of Cr(VI) by thermally activated weed Salvinia cucullata in a fixed-bed column. Journal of Hazardous Materials 161: 1427–1435.
6
Bohart GS and Adams EQ, 1920. Some aspects of the behavior of charcoal with respect to chlorine. Journal of the American Chemical Society 42: 523–544.
7
Bolt GH, 1976. Adsorption of anions by soils Pp. 91-96. In: Bolt GH and Bruggenwert MGM (Eds). Soil Chemistry. A. Basic Elements. Elsevier scientific publishing company - Amsterdam.
8
Boumediene M and Achour D, 2004. Denitrification of the underground waters by specific resin exchange of ion. Desalination 168: 187-194.
9
Bouwer H, 1989. Agricultural contamination: problems and solutions. Water Environment and Technology 1: 292–297.
10
Chu KH, 2004. Improved fixed-bed models for metal biosorption. Chemical Engineering Journal 97: 233–239.
11
Clifford DA and Liu X, 1993. Ion exchange for nitrate removal. American Water Works Association 85(4): 135-143.
12
Coulson JM, Richardson JF, Backhurst JR and Harker JH,1991. Chemical Engineering, vol. 2, Particle Technology and Separation Processes. 4th ed. Butterworth-Heinemann,Bath, UK.
13
Anonymus, 1998. European Commission, Council Directive 98/83/EC of 3 November 1998 on the quality of water intended for human consumption. Official Journal of the European Communities L 330: 32-54.
14
Anonyms, 2009. (United States Environmental Protection Agency), National primary drinking water regulations. EPA 816-F-09-004,May 2009. Available from http://water.epa.gov/ drink/contaminants/index.cfm.
15
Hamdaoui O, 2006. Dynamic sorption of methylene blue by cedar sawdust and crushed brick in fixed bed columns. Journal of Hazardous Materials B138: 293–303.
16
Hamdaoui O, 2009. Removal of copper(II) from aqueous phase by Purolite C100-MB cation exchange resin in fixed bed columns: Modeling. Journal of Hazardous Materials 161: 737–746.
17
Hutchins RA, 1973. New method simplifies design of activated carbon system. Chemical Engineering 80: 133-135.
18
Lacour S, Serpaud B and Bollinger JC, 2004. Performance of ion-exchanger grafted textiles for industrial water treatment in dynamic reactors. Water Research 38: 4045–4054
19
Lin SH and Wang CS, 2002.Treatment of high-strength phenolic wastewater by a new two-step method. Journal of Hazardous Materials B90: 205–216
20
Lin SH and Kiang CD, 2003. Chromic acid recovery from waste acid solution by an ion exchange process: equilibrium and column ion exchange modeling. Chemical Engineering Journal 92: 193–199
21
Lodeiro P, Herrero R, Sastre de Vicente ME, 2006 a. The use of protonated Sargassum muticum as biosorbent for cadmium removal in a fixed-bed column. Journal of Hazardous Materials B137: 244–253
22
Lodeiro P, Herrero R, Sastre de Vicente ME, 2006 b. Batch desorption studies and multiple sorption–regeneration cycles in a fixed-bed column for Cd(II) elimination by protonated Sargassum muticum. Journal of Hazardous Materials B137: 1649–1655
23
Malkoc E and Nuhoglu Y, 2006. Removal of Ni(II) ions from aqueous solutions using waste of tea factory: Adsorption on a fixed-bed column. Journal of Hazardous Materials B135: 328–336.
24
Mizuta K, Matsumoto T, Hatate Y, Nishihara K and Nakanishi T, 2004. Removal of nitrate-nitrogen from drinking water using bamboo powder charcoal. Bioresource Technology 95: 255–257.
25
Nash JE and Sutcliffe JV, 1970. River flow forecasting through conceptual models. Part I; A discussion of principles. Journal of Hydrology 10: 282-290.
26
Öztürk N and Ennil Bektas T, 2004. Nitrate removal from aqueous solution by adsorption onto various materials. Journal of Hazardous Materials 112: 155–162.
27
Paul Chen J, Yoon JT and Yiacoumi S, 2003. Effects of chemical and physical properties of influent on copper sorption onto activated carbon fixed-bed columns. Carbon 41: 1635–1644
28
Ruthven DM, 1984. Principles of Adsorption and Adsorption Processes.Wiely, New York.
29
Samatya S, Kabay N, Yuksel U, Arda M and Yuksel M, 2006. Removal of nitrate from queous solution by nitrate selective ion exchange resins. Reactive & Functional Polymers 66: 1206-1214.
30
Thomas HC, 1948. Chromatography: A problem in kinetics, Annals of the New York Academy of Sciences 49: 161–182.
31
Tran HH and Roddick FA, 1999. Comparison of chromatography and desiccant silica gels for the adsorption of metal ions, II. Fixed-bed study. Water Research 33: 3001–3011.
32
Vijayaraghavan K, Jegan J, Palanivelu K and Velan M, 2005. Biosorption of copper, cobalt and nickel by marine green alga Ulva reticulata in a packed column. Chemosphere 60: 419–426.
33
Anonymus, 2008. Guidelines for drinking water quality. Recommendations, vol. 1, third edition, World Health Organization, Geneva.
34
Wolborska A, 1989. Adsorption on activated carbon of p-nitrophenol from aqueous solution. Water Research 23: 85–91.
35
Yan G and Viraraghavan T, 2001. Heavy metal removal in a biosorption column by immobilized M. Rouxii biomass. Bioresource Technology 78:243–249.
36
Yoon YH and Nelson JH, 1984. Application of gas adsorption kinetics, I. A theoretical model for respirator cartridge service time. American Industrial Hygiene Association Journal 45: 509–516.
37
Zhou D, Zhang L, Zhou J and Guo S, 2004. Development of a fixed-bed column with cellulose/chitin beads to remove heavy-metal ions. Journal of Applied Polymer Science 94: 684–691.
38
ORIGINAL_ARTICLE
تأثیر واحدهای لندفرم بر توزیع فراوانی و تغییرات مکانی ویژگیهای بیولوژیکی خاک در دشت تبریز
این مطالعه با هدف ارزیابی توزیع فراوانی و تغییرات مکانی ویژگیهای بیولوژیکی خاک سطحی در داخل و بین لندفرمهای مختلف تپه، دشت دامنهای، دشت آبرفتی رودخانهای، دشت و اراضی پست دشت تبریز در شمال غرب ایران انجام شد. در این مطالعه نمونهبرداری از خاک جهت اندازهگیری چهار ویژگی بیولوژیکی به همراه کربن آلی و واکنش خاک برای 98 نقطه و به صورت شبکهای با فاصله 1000 متر با توجه به تغییرات خاک انجام شد.توزیع فراوانی متغیرهای خاک نشان داد که ویژگیهای بیولوژیکی خاک از توزیع فراوانی نرمال برخوردار نبوده و پس از تبدیل لگاریتمی، نرمال گردیدند. درمتغیرهای کربن بیوماس وسهم میکروبیتبدیل دادههابا استفاده از تابعهای لگاریتمی هر چند در کاهش ارزش چولگی مؤثر بود اما توزیع فراوانی همچنان غیرنرمال باقی ماند.تفکیک نمونهها در واحدهای لندفرم باعث بهبود نرمال بودن توزیع دادهها گردید، به طوریکهاین پارامترها در تمام لندفرمها به جز دشت نرمال شدند. در بین متغیرهایاندازهگیری شده، کربن آلی و تنفس میکروبی وابستگی مکانی متوسط داشتند. کسر متابولیکی و سهم میکروبی بدون وابستگی مکانی و واکنش خاک از وابستگی مکانی قوی برخوردار بودند. نتایج نشان میدهد که وابستگی مکانی خصوصیات بیولوژیکی خاک بیشتر تحت تأثیر عوامل غیرذاتی و مدیریتی مانند نوع کاربری، شخم و آبیاری میباشد. متغیرهای بیولوژیکی به شدت تحت تأثیر مقیاس بوده و با بزرگتر شدن مقیاس وابستگی مکانی قویتری را نشان دادند. همچنین تغییرپذیری ویژگیهای مورد مطالعه نتیجه تغییر در محیطهای رسوبگذاری و یا اختلاف در مراحل خاکسازی یا هیدرولوژیکی برای موقعیتهای مختلف لندفرم میباشد.
https://water-soil.tabrizu.ac.ir/article_1121_f12177e046769c5f9f4ad29b54f813d3.pdf
2011-11-22
35
52
تغییرات مکانی
توزیع فراوانی
لندفرم
ویژگی های بیولوژیکی
حامد
فروغیفر
1
دانشکده کشاورزی دانشگاه بیرجند
LEAD_AUTHOR
علیاصغر
جعفرزاده
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
حسین
ترابیگلسفیدی
3
دانشکده کشاورزی دانشگاه شاهد
AUTHOR
ناصر
علیاصغرزاد
4
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
بینام ، 1375. گزارش مطالعات خاکشناسی نیمه تفصیلی دقیق دشت تبریز. طرح مطالعاتی سد مخزنی آجی چای برروی رودخانه آجی چای و ایجاد شبکه آبیاری و زهکشی. وزارت نیرو شرکت سهامی آب منطقه ای آذربایجان شرقی.
1
سینی س م ، محمدی ج و رحمانی ر، 1386. کاربرد تکنیک زمینآمار در مطالعات خاکهای جنگلی. مجله علوم کشاورزی و منابع طبیعی.جلد چهارم،شماره اول،ویژه نامه منابع طبیعی صفحههای 25 تا 37.
2
خادمی ح و خیّر ح ، ١٣٨٣. تغییرپذیری برخی ازخصوصیات کیفی خاک سطحی درمقیاس زمین نما دراراضی مرتعی اطـراف شهرستان سمیرم. مجـله علوم و فـنون کشـاورزی ومنـابع طبیعی. صفحههای 59 تا 73.
3
شکل آبادی م ، ١٣٨٦. بررسی نقش اقلیم و پوشش گیاهی و قرق دراز مدت بر طبقه بندی خاک، مقدارذخیره کربن و نیتروژن، کیفیت خاک و کربن آلی. پایان نامه دکتری. دانشگاه صنعتی اصفهان. ١٩٠صفحه.
4
شکل آبادی م، خادمی ح، کریمیان اقبال م و نوربخش ف، ١٣٨٦. تأثیر قرق دراز مدت بر برخی از شاخصهای بیولوژیکی خاک در بخشی از مراتع زاگرس مرکزی. مجله علوم و فنون کشاورزی و منابع طبیعی سال یازدهم. شماره٤١ (الف).صفحههای ١٠۳تا 116.
5
علیپور آبدار ل، 1387. تأثیر نوع کاربری اراضی بر شاخصهای کیفی سلامت خاک در ایستگاه تحقیقاتی کرکج دانشکده کشاورزی تبریز. پایان نامه کارشناسی ارشد. دانشگاه تبریز. 95 صفحه.
6
فروغی فر ح، جعفرزاده ع ل، ترابی گلسفیدی ح، علی اصغرزاد ن، تومانیان ن و دواتگر ن، 1389. تغییرات مکانی بعضی از خصوصیات فیزیکی و شیمیایی خاک سطحی در لندفرمهای مختلف دشت تبریز. مجله دانش کشاورزی.در دست چاپ
7
محمدزمانی س، ایوبی ش و خرمالی ف، ١٣٨٦. بررسی تغییرات مکانی خصوصیات خاک و عملکرد گندم در بخشی از اراضی زراعی سرخنکلانه استان گلستان. مجله علوم و فنون کشاورزی ومنابع طبیعی. سال یازدهم. شماره چهلم (الف). صفحههای 79 تا 92.
8
Anonymus, 1990. SPSS Reference Guide. Parson Education Limited, ChicagoIL.
9
Alvarez R, and Lavado RS, 1998 .Climate organic matter and clay content relationships in the Pampa and Chaco soils, Arjentina. Geoderma 83: 127-141.
10
Agnelli A, Uolini FC, Corti G and Pietramellara G, 2001. Microbial biomass C and basal respiration of fine earth and highly altered rock fragments of two forest soil. Soil Biol Biochem 33: 613-620.
11
Anderson JPE, 1986 .Soil respiration .Pp: 831-872. In: Page AL, Miller RH and Keeney DR (Eds.), Methods of Soil Analysis. Part 2 , Soil Sci Soc of Am, Madison, WI.
12
Anderson TH and Domsch KH, 1989. Ratios of microbial biomass carbon to total organic caebon in arable soils. Soil Biol Biochem 21: 471-479.
13
Anderson TH, 2003. Microbial eco-physiological indicators to assess soil quality. Agric Ecosyst Environ 98: 285-293.
14
Ben-Asher J, Cardon GE, Peters D, Rolston DE, Biggar JW, Phene CJP and Ephrath JE, 1994. Determining root activity distribution by measuring surface dioxide fluxes. Soil Sci Soc Am J 58: 926-93.
15
Boudot FJP, Bel Hadje BA and Chone T, 1986. Carbon mineralization in andosols and aluminum rich highland soils. Soil Biol Biochem 18: 457-461.
16
Brejda JJ, Moorman TB, Smith JL, Karlen DL, Allen DL and Dao TH. 2000. Distribution and variability of surface soil properties at a regional scale. Soil Sci Soc Am J 64: 974-982.
17
Bremner JM and Mulvaney CS, 1986. Nitrogen – Total. Pp: 595-622. In: Page AL, Miller RH and Keeney DR (Eds.). Methods of Soil Analysis. Part 2 , Soil Sci Soc of Am. Madison, WI.
18
Brookes PC, 1995. The use of microbial parameters in monitoring soil pollution by heavy metals. Biol Fertil Soil 19: 269-279.
19
Burgess TM and Webster R, 1980. Optimal interpolation and isarithmic mapping of soil properties: I.The variogram and punctual kriging. J Soil Sci 31:315-331.
20
Cambardella CA, Moorman TB, Novak JM, Parkin TB, Karlen DL, Turco RF and Konopka AE. 1994. Field-Scale variability of soil properties in central Iowa soils. Soil Sci Sco Am J 58: 1501-1511.
21
Carter MR, 2002. Soil quality for sustainable land management: Organic matter and aggregation interactions that maintain soil functions. Agron J 94: 38-47.
22
Daiz-Ravina M, Caraballas T and Acea MJ, 1988. Microbial biomass and activity in four acid soils. Soil Biol Biochem 20: 817-823.
23
Horwath WR and Paul EA, 1994. Microbial biomass. Pp. 753-773. In: Buxton DR(Ed). Methods of Soil Analysis, Part 2: Microbiological and Biochemical Properties. Soil Sci Soc Am. No. 5. Madison WI.
24
Insam H, Michell CC and Dormaar JF, 1991. Relationship of soil microbial biomass and activity with fertilization and crop yield of three ultisols. Soil Biochemitry 23: 459-464.
25
Islam KR and Weil RR, 2000. Soil quality indicator properties in mid-Atlantic soils as influenced by conservation management. J Soil Water Conserv 55: 69-78.
26
Kaiser EA, Walenzik G and Heinemeyer O, 1991. The influence of soil compaction on decomposition of plant residues and on microbial biomass. Pp. 207-216 In: Wilson WS(Ed). Advances in soil organic matter research. The impact on agriculture and environment. R Soc Chem Cambridge, Special Pub 90.
27
Lal R, 2006. Impacts of climate on soil systems and of soil systems on climate. Pp. 617-636. In:Uphoff N, Ball AS, Palm C, Fernandes E, Pretty J, Herren H, Sanchez P, Husson O, Sanginga N and Laing M (Eds). Biological Approaches to Sustainable Soil Systems, Taylor & Francis Group. Boca Raton.
28
Li X and Sarah P, 2003. Arylsulfatase activity of soil microbial biomass along a Mediterranean-arid transect. Soil Biol Biochem 35: 925-934.
29
Luken JQ and Billings WD, 1985. The influence of microtopographic heterogenity on carbon dioxide efflux from a sub-aractic bog. Holarcttic Ecol 8:306-312.
30
Miller MP, Singer MJ and Nielson DR, 1988. Spatial variability of wheat yield and soil properties on complex hills. Soil Sci Soc Am J 52:1133-1141.
31
Momtaz HR, Jafarzadah AA, Torabi H, Oustan Sh, Samadi A, Davatgar N, and Gilkes RJ, 2009. An assessment of the variation in soil properties within and between landforms of Amol region, Iran. Geoderma 149:10-18
32
Nael M, Khademi H and Hajabbasi MA, 2004. Response of soil quality indicators and their spatial variability to land degradation in central Iran. Appl Soil Ecol 27:221-231.
33
Nelson BW and Sommers LE, 1986. Total carbon, organic carbon and organic matter. Pp:539 - 577. In: Page AL, Miller RH and Keeney DR (Eds). Methods of Soil Analysis. Part 2. Soil Sci Soc of Am, Madison WI.
34
Quine TA and Zhang Y, 2002. An investigation of spatial variation in soil erosion, soil properties and crop production within an agricultural field in Devon, UK. J Soil and Water Conserv 57:50-60.
35
Ria B and SirvastavaAK, 1981. Studies on microbial population of a tropical dry deciduous forest soil in relation to soil respiration. Pedobiol 22: 185-190.
36
Rhoades JD, 1986. Soluble salts. Pp.167-179. In: Page AL, Miller RH and Keeney DR (Eds). Methods of Soil Analysis. Part 2. Soil Sci Soc of Am, Madison WI.
37
Sarah P, 2006. Soil organic matter and land degradation in semi-arid area, Israel. Catena 67: 50-55.
38
Schoenholtz SH, Van Miegroet H and Burger JA, 2000. A review of chemical and physical properties as indicators of forest soil quality: Challenges and opportunities. Forest Ecol Manag 138: 335-356.
39
Seto M and Yanagiya K, 1983. Rate of CO2 evolution from soil in relation to temperature and amount of dissolved organic carbon. Jap J Ecol 33: 199-205.
40
Singh UR and Shukla AN, 1977. Soil respiration in relation to mesofaunal and microfloral populations during rapid course of decomposition on the floor of a tropical dry deciduous. Forest Rev Ecol Biol Soil 14:363-370.
41
Sparling GP, 1992. Ratio of microbial biomass carbon to soil organic carbon as a sensitive indicator of changes in soil organic matter. Aust J Soil Res 30: 195-207.
42
Steinberger Y, Zelles L, Bia QY,van Lutzow M and Munch JC, 1999. Phospholipid fatty acid profiles as indicators for the microbial community structure in soils along a climatic transect in the JudeanDesert. Biol Ferti Soils 28: 292-300.
43
Stotzky G, 1997. Soil as an environment for microbial life. Pp.1-2. In: van Elsas JD, Trevors JT and Wellington EMH(Eds.). Modern Soil Microbiology. Dekker, New York.
44
Utset A, Lopez T and Diaz M, 2000. A comparison of soil maps, Kriging and a combined method for spatially prediction bulk density and field capacity of Ferralsols in the Havana-Matanza Plain. Geoderma 96: 199-213.
45
Vieira SR and Paz Gonzalez A, 2003. Analysis of the spatial variability of crop yield and soil properties in small agricultural plots. Bragantia Campinas 62:127-138.
46
Wang W, Guo J, and Oikawa T, 2007. Contribution of root to soil repiration and carbon balance in disturbed and undisturbed grassland communities, Northest China. J Bio Sci 32:375-384.
47
Wang Lin, WU Jia-Ping, Liu Yan-Xuan, Huang Hui-Qing and Fang Qian-Fang, 2009.Spatial variability of micronutrients in rice grain and paddy soil. Pedosphere 19:748-755.
48
Wilding LP and Dress LR, 1983. Spatial variability and pedology. Pp: 83-116 In: Wilding LP, Smeckand NE and Hall GF (Eds). Pedogenesis and soil taxonomy. I. Concepts and interactions. Elsvier Science Pub. London.
49
Young FJ, Hammer RD, Larsen D, 1999. Freqency distribution of soil properties on a loess- manted Missouri watershed. Soil Sci Soc Am J 63:178-185.
50
Zar JH, 1974. Biostatistical Analysis. Huang Prentice-Hall, Englewood Fang Cliffe, NJ.
51
Zhang XY, Sui YY, Zhang XD, Meng K and Herbert SA, 2007. Spatial variability of nutrient properties in black soil of northeast China. Pedosphere 17:19-29.
52
ORIGINAL_ARTICLE
بهینه کردن مصرف آب سویا در شرایط خشکسالی
کمبود آب برای تولید محصولات کشاورزی روز به روز افزایش مییابد و گسترش منابع جدید آب متحمل هزینههای زیادی است. بررسی عکسالعمل ارقام مختلف گیاهان به کم آبیاری گام مهمی برای بهبود مدیریت و استفاده بهینه از آب میباشد. این آزمایش به منظور ارزیابی عکسالعمل دو رقم سویا نسبت به رژیمهای مختلف کم آبیاری در سال زراعی (1385) در ایستگاه تحقیقات کشاورزی گرگان اجرا گردید. آزمایش به صورت کرتهای خرد شده در قالب طرح بلوکهای کاملاً تصادفی با سه تکرار شامل سه تیمار آبیاری 50، 75 و 100 درصد نیاز آبی به عنوان عامل اصلی و دو رقم سپیده (زود رس با رشد نامحدود) و دی پی ایکس (دیر رس با رشد نیمه محدود) به عنوان عامل فرعی در نظر گرفته شدند. نتایج نشان داد تنش خشکی (آبیاری 50 درصد) به طور معنی داری بر ارتفاع بوته، تعداد گره، تعداد غلاف و عملکرد محصول تأثیر منفی گذاشت. همچنین از این نظر، اختلاف قابل ملاحظهای بین آبیاری 100 درصد و آبیاری 75 درصد مشاهده نشد. رقم دی پی ایکس با تعداد شاخه فرعی، تعداد غلاف و وزن هزار دانه بیشتر، تأثیر مستقیم بر روی عملکرد گذاشت و منجر به افزایش عملکرد نسبت به رقم سپیده شد. همچنین رقم دی پی ایکس با کار آیی مصرف آب بیشتر (88/0 کیلوگرم بر متر مکعب) در مقایسه با رقم سپیده (66/0 کیلوگرم بر متر مکعب) در مقابل تنش خشکی تحمل نسبتاً خوبی از خود نشان داد.
https://water-soil.tabrizu.ac.ir/article_1122_4711df5b45c8cd1b8bb7f49f30959d58.pdf
2011-11-22
53
64
آبیاری
تنش خشکی
سویا
عملکرد
پریسا
شاهین رخسار
1
مرکز تحقیقات کشاورزی و منابع طبیعی استان گیلان
LEAD_AUTHOR
سامیه
رئیسی
2
مرکز تحقیقات کشاورزی و منابع طبیعی استان گلستان
AUTHOR
ORIGINAL_ARTICLE
تحلیل آماری نتایج حاصل از کاربرد روش های پارامتریک و مدل Almagra در ارزیابی تناسب اراضی
ارزیابی اراضی گامی مهم در مطالعات خاکشناسی و توسعه کشاورزی پایدار میباشد. در این تحقیق سه روش استوری، ریشهدوم و مدل آلماگرا[1] به منظور ارزیابی کیفی تناسب اراضی شهرستان اهر واقع در استان آذربایجانشرقی به مساحت تقریبی 9000 هکتار برای محصولات گندم، ذرت، سیبزمینی و سویا مورد استفاده قرار گرفت. به منظور بررسی کاربرد هر یک از روشهای مذکور برای انواع محصولات مورد مطالعه، از آزمایش فاکتوریل در قالب طرح کاملاً تصادفی استفاده شد. نتایج هر سه روش نشان داد که محصولات گندم، ذرت، سیبزمینی و سویا به ترتیب بیشترین تناسب را برای اراضی دارا میباشند. تعداد کلاسهای تناسب بدست آمده از بکارگیری مدل آلماگرابا رتبههای بالاتر بیش از روشهای پارامتریک بود. نتیجه بررسی اثر متقابل نوع محصول در نوع روش ارزیابی تناسب اراضی نشان داد که مدل آلماگرا نسبت به ریشهدوم و آن هم نسبت به استوری، اراضی را در کلاسهای تناسب بالاتر قرار میدهد. علت را میتوان در ماهیت مدل آلماگرا که بر مبنای روش محدودیت ساده و یا حداکثر عمل میکند و یا به عدم تأثیر فاکتور اقلیم در کلاسبندی نسبت داد. بنابراین میتوان بیان نمود که استفاده از مدل آلماگرا فقط از جنبه ارزیابی خاک بوده و برای ارزیابی تناسب اراضی بایستی این مدل در توالی با مدلهای Terraza و Cervatana مورد استفاده قرار گیرد و در مواقعی که اقلیم عامل محدود کننده نباشد نتایج ارزیابی خاک معادل با ارزیابی اراضی خواهد بود. بررسی اثر متقابل نوع محصول و نوع خاک نیز نشانگر تفاوت معنیدار کاربرد روشهای مذکور در انواع خاکها میباشد. علت بروز رتبههای بالاتر برای اراضی توسط مدل آلماگرا را میتوان به ماتریس تأثیر ویژگیهای خاک در نوع محدودیتها نسبت داد. تلفیق نتایج حاصل از مدل آلماگرا و همچنین روشهای پارامتریک با GIS میتواند نقشههای زمین مرجع با دقت بالا ایجاد کند که موجب فهم و تفسیر هر چه بهتر وضعیت تناسب منطقه برای انواع محصولات باشد.
https://water-soil.tabrizu.ac.ir/article_1123_b650800d2f81858ec3390f9b751ee2ec.pdf
2011-11-22
65
80
ارزیابی اراضی
تحلیل آماری
روشهای پارامتریک
مدل آلماگرا
حسین
رضائی
hrezaie1340@gmail.com
1
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
فرزین
شهبازی
farzinshahbazi@yahoo.com
2
دانشکده کشاورزی دانشگاه تبریز
LEAD_AUTHOR
سید سیامک
علویکیا
3
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
بنایی م ح، 1377. نقشه رژیم های رطوبتی و حرارتی ایران. مؤسسه تحقیقات خاک و آب.
1
بینام، 1386. گزارش اطلاعات هواشناسی ایستگاه سینوپتیک شهرستان اهر. سازمان هواشناسی استان آذربایجان شرقی.
2
پاکپور ربطی ا، جعفرزاده عا، شهبازی ف و عماری پ، 1390. مقایسه مدل Almagra با روش پارامتریک ریشه دوم در ارزیابی اراضی. دوازدهمین کنگره علوم خاک ایران. دانشگاه تبریز، تبریز.
3
تقیزاده ز، جعفرزاده عا و شهبازی ف، 1390. مقایسه ارزیابی کیفی تناسب اراضی برای گندم، آفتابگردان و ذرت با سیستم های FAO و میکرولیز در ایستگاه تحقیقاتی کرکج. دوازدهمین کنگره علوم خاک ایران. دانشگاه تبریز، تبریز.
4
شهبازی ف و جعفرزاده عا، 1383. ارزیابی کیفی تناسب اراضی شرکت تعاونی تولید خوشه مهر بناب برای محصولات زراعی گندم، جو، یونجه، پیاز، چغندرقند و ذرت. مجله دانش کشاورزی، جلد 14 شماره 4. صفحه های 68 تا86 .
5
شهبازی ف، 1387. بررسی سیستم تصمیمگیری میکرولیز بعنوان روشی نوین در ارزیابی تناسب اراضی (مطالعه موردی: بخشی از اراضی جنوب شهرستان اهر). رساله دکتری خاکشناسی، دانشکده کشاورزی دانشگاه تبریز.
6
ممتاز حر، جعفرزاده عا و نیشابوری مر، 1385. ارزیابی کیفی تناسب اراضی یخفروزان شهرستان اهر برای برخی از گیاهان زراعی متداول کشت در منطقه. مجله دانش کشاورزی، جلد 16 شماره 3. صفحه های 67 تا81 .
7
یزدیصمدی ب، رضائی ع و ولیزاده م. 1383. طرحهای آماری در پژوهشهای کشاورزی. انتشارات دانشگاه تهران.
8
Anonymus, 1954. Diagnosis and improvement of saline and alkali soils. USDA Handbook. 60, Washington, DC, USA. Salinity Staff, 190P.
9
Anonymus, 1992. Soil survey laboratory methods and procedures for collection soil sample. USDA. SCS. Soil Surv. Invest. Rep. Gov. Print. Office, Washington, DC.
10
Bower CA, Reitemeier RF and Fireman M, 1952. Exchangeable cation analysis of saline and alkali soils. Journal of Soil Science 73: 251-261.
11
Darwish KM, Wahba MM and Awad F, 2006. Agricultural soil suitability of Haplo-soils for some crops in Newly Reclamid areas of Egypt. Journal of Applied Science Research 2 (12):1235-1243.
12
De la Rosa D, Moreno JA and Garcia LV, 1992. Expert evaluation system for assessing field vulnerability to agrochemical compounds in Mediterranean region. Journal of Agriculture Engineering Research 56: 153-164.
13
De la Rosa D, Crompvoets J, Mayol F and Moreno JA, 1996. Land vulnerability evaluation and climate change impacts in Andalucia: Soil erosion and contamination. Int Agrophysics 10: 225-238.
14
De la Rosa D, Mayol F, Diaz-Pereira E, Fernandez M and De la Rosa DJr, 2004. A land evaluation decision support system (MicroLEIS DSS) for agricultural soil protection. Environmental Modeling and Software 19: 929-942.
15
Erdogan HE, Yuksel M and De la Rosa D, 2006. Bioclimatic classification using Mediterranean agro-ecological evaluation approach in Ceylanpinar State Farm (Turkey), Pp.738-744 International Soil Meeting on “Soil Sustaining Life on Earth, Managing Soil and Technology”, Sanliurfa, Turkey.
16
FAO, 1976. A framework for land evaluation. Food and Agriculture Organization of the United Nations. Rome, Italy. Soils Bulletin 32: P72.
17
Garcia JL, De la Rosa D and Bojorquez JI, 2006. Relative agricultural aptitude of the Tuxpan municipality, Nayarit, using Almagra model of the MicroLEIS system. Investigating of the geography, Bulletin the Institute of Geography, UNAM 59: 59-73.
18
Goss MJ, 1993. Soil Specific Crop Management. A Workshop in Research and Development Issues. Robert PC, Rust RH and Larsen WE (eds). American Society of Agronomy, Crop, Science Society of American and Soil Science Society of Amrican, Madison, WI, USA.
19
Jafarzadeh AA and Abbasi G, 2006. Qualitative land suitability evaluation for the growth of onion, potato, maize and alfaalfa on soil of the Khalatpushan research station. Biologia 61: 349-352.
20
Jafarzadeh AA, Shahbazi F and Shahbazi MR, 2009. Suitability evaluation of some specific crops in Souma area (Iran), using Cervatana and Almagra models. Biologia 64(3): 541-545.
21
Kelgenbaeva K, 2002. Adaptation of a Mediterranean land suitability model for Inner-Alpine Basins of Altai. Pp.109-114. 7th International Symposium on HighMountain Remote Sensing Cartography, ICA, Austria.
22
Klingebile AA and Montogomery PH, 1996. Agricultural Hand book. No:210, USDA, Washington.
23
Kutter A, Nachtergaele FO and Verheye WH, 1997. The new FAO approach to land use planning and management, and its application in Sierra Leone. ITC Journal 3: 278-283.
24
Nelson DW and Sommers LE, 1982. Total carbon, organic carbon and organic matter. Pp.539-579. In: Page AL (ed). Methods of soil analysis. Part2: Chemical and Microbiological Properties. No 9, Soil Science Society of Amrican, Madison. WI.
25
Rhoades JD, 1982. B. Soluble salts. Pp. 167-179. In: Page AL (ed). Methods of soil analysis. Part2: Chemical and Microbiological Properties. No 9, Soil Science Society of Amrican, Madison. WI.
26
Shahbazi F, De la Rosa D, Anaya-Romero M, Jafarzadeh AA, Sarmadian F, Neyshabouri M.R. and Oustan S, 2008. Land use planning in Ahar area (Iran) using MicroLEIS DSS. International Agrophysics 22: 277-286.
27
Sys C, Van Ranst E and Debaveye J, 1991. Land evaluation. Part II: Methods in land evaluation. General Administration for Development Cooperation Agric. Publ. No:7, Brussels, Belgium.
28
Sys C, Van Ranst E and Debaveye J, 1993. Land evaluation. Part III: Crop requirements. General Administration for Development Cooperation Agric. Publ. No:7, Brussels, Belgium.
29
Thysen L, 2000. Agriculture in the information society. Journal of Agricultural Engineering Reseach 76: 279-303.
30
Wahba MM, Darwish KM and Awad F, 2007. Suitability of specific crops using MicroLEIS program in Sahal Baraka, Farfara Oasis, Egypt. Journal of Applied Science Research 3(7): 531-539.
31
ORIGINAL_ARTICLE
تأثیر کمآبیاری بر عملکرد و بهرهوری آب در هفت رقم سویا در منطقه رشت
به منظور بررسی اثرات کمآبیاری بر عملکرد و بهرهوری آب هفت رقم سویا، آزمایشی به صورت کرتهای خردشده در قالب طرح بلوکهای کامل تصادفی با سه تکرار در مزرعه تحقیقاتی دانشکده علوم کشاورزی دانشگاه گیلان اجرا گردید. فاکتور اصلی شامل چهار سطح بدون آبیاری (I4) و آبیاری در مکشهای ماتریک 35-30 (I1، شاهد)، 55-50 (I2) و 75-70 (I3) سانتیبار خاک بود. مکش ماتریک خاک با استفاده از تانسیومتر اندازهگیری و در هر آبیاری رطوبت خاک به حد رطوبت ظرفیت مزرعهای رسانده شد. فاکتور فرعی شامل هفت رقم سویا به نامهای 033، 032 و سحر (گروه رسیدگیIV )، L.17، Clark، زان و مادری (گروه رسیدگی III) بود. بهرهوری آب بر اساس عملکرد دانه و عملکرد زیستی به طور جداگانه محاسبه گردید. نتایج نشان داد که با کاهش آّبیاری از عملکرد دانه به طور معنیداری کاسته شد. به طوری که بیشترین عملکرد دانه در تیمار I1 و کمترین آن در تیمار I4 بدست آمد. با کاهش آبیاری شاخص بهرهوری آب به طور معنیداری افزایش یافت به طوری که تیمارهای I2و I3 نسبت به تیمار I1،به ترتیب 13 و 33 درصد افزایش نشان دادند. تیمار آبیاری I1بیشترین حجم آب آبیاری (14/2457 مترمکعب در هکتار) را در طول فصل رویش دریافت کرد و تعداد آبیاری نیز در این تیمار بیشترین بود. با توجه به نسبت ماده خشک تولیدی به آب مصرفی، این تیمار از بهرهوری آب پائینی برخوردار گردید. از آنجایی که تیمار I3در بین تیمارها بیشترین بهرهوری آب را نشان داد و از نظر عملکرد دانه با تیمار I2 تفاوتی نداشت، به نظر میرسد که تیمار I3 مناسبترین شاخص بهرهوری آب را دارد. در بین رقمها نیز، بالاترین بهرهوری آب آبیاری متعلق به رقم 033 بود. این رقم بیشترین عملکرد دانه را نیز داشت. بنابراین با توجه به نتایج به دست آمده به نظر میرسد که رقم 33 با شیوه آبیاری I3 بهترین انتخاب برای کشت سویا در منطقه دشت باشد که ضمن برخورداری از عملکرد بالا از بهرهوری آب خوبی نیز برخوردار است. به منظور بررسی اثرات کمآبیاری بر عملکرد و بهرهوری آب هفت رقم سویا، آزمایشی به صورت کرتهای خردشده در قالب طرح بلوکهای کامل تصادفی با سه تکرار در مزرعه تحقیقاتی دانشکده علوم کشاورزی دانشگاه گیلان اجرا گردید. فاکتور اصلی شامل چهار سطح بدون آبیاری (I4) و آبیاری در مکشهای ماتریک 35-30 (I1، شاهد)، 55-50 (I2) و 75-70 (I3) سانتیبار خاک بود. مکش ماتریک خاک با استفاده از تانسیومتر اندازهگیری و در هر آبیاری رطوبت خاک به حد رطوبت ظرفیت مزرعهای رسانده شد. فاکتور فرعی شامل هفت رقم سویا به نامهای 033، 032 و سحر (گروه رسیدگیIV )، L.17، Clark، زان و مادری (گروه رسیدگی III) بود. بهرهوری آب بر اساس عملکرد دانه و عملکرد زیستی به طور جداگانه محاسبه گردید. نتایج نشان داد که با کاهش آّبیاری از عملکرد دانه به طور معنیداری کاسته شد. به طوری که بیشترین عملکرد دانه در تیمار I1 و کمترین آن در تیمار I4 بدست آمد. با کاهش آبیاری شاخص بهرهوری آب به طور معنیداری افزایش یافت به طوری که تیمارهای I2و I3 نسبت به تیمار I1،به ترتیب 13 و 33 درصد افزایش نشان دادند. تیمار آبیاری I1بیشترین حجم آب آبیاری (14/2457 مترمکعب در هکتار) را در طول فصل رویش دریافت کرد و تعداد آبیاری نیز در این تیمار بیشترین بود. با توجه به نسبت ماده خشک تولیدی به آب مصرفی، این تیمار از بهرهوری آب پائینی برخوردار گردید. از آنجایی که تیمار I3در بین تیمارها بیشترین بهرهوری آب را نشان داد و از نظر عملکرد دانه با تیمار I2 تفاوتی نداشت، به نظر میرسد که تیمار I3 مناسبترین شاخص بهرهوری آب را دارد. در بین رقمها نیز، بالاترین بهرهوری آب آبیاری متعلق به رقم 033 بود. این رقم بیشترین عملکرد دانه را نیز داشت. بنابراین با توجه به نتایج به دست آمده به نظر میرسد که رقم 33 با شیوه آبیاری I3 بهترین انتخاب برای کشت سویا در منطقه دشت باشد که ضمن برخورداری از عملکرد بالا از بهرهوری آب خوبی نیز برخوردار است.
https://water-soil.tabrizu.ac.ir/article_1124_cd0566205f195ed4c87bce955fa23adf.pdf
2011-11-22
81
91
بهرهوری آب
سویا
عملکرد
کمآبیاری
جاسم
امینیفر
1
دانشکده کشاورزی دانشگاه گیلان
AUTHOR
محمدحسن
بیگلویی
2
دانشکده کشاورزی دانشگاه گیلان
LEAD_AUTHOR
غلامرضا
محسنآبادی
3
دانشکده کشاورزی دانشگاه گیلان
AUTHOR
حبیبالله
سمیعزاده
4
دانشکده کشاورزی دانشگاه گیلان
AUTHOR
آلیاری ه و شکاری ف، 1379. دانههای روغنی، زراعت و فیزیولوژی. انتشارات عمیدی، تبریز.
1
احسانی م و خالدی ه، 1382. بهره وری آب کشاورزی. کمیته ملی آبیاری و زهکشی ایران. شماره 82.
2
پورموسوی س، گلوی م م، دانشیان ج، قنبری ا، بصیرانی ن و جنوبی پ، 1388. تأثیر کود دامی بر عملکرد کمی و کیفی لاین L.17 سویا در شرایط تنش خشکی. مجله علوم گیاهان زراعی ایران، دوره 40، شماره 1. صفحههای 133- 145.
3
خواجهپور م ر، 1386. گیاهان صنعتی. انتشارات جهاد دانشگاهی واحد صنعتی اصفهان.
4
خواجوئینژاد غ ر، کاظمی ح، آلیاری ه، جوانشیر ع و آروین م ج، 1384. تأثیر رژیمهای آبیاری و تراکم کاشت بر عملکرد، کارایی مصرف آب و کیفیت دانه سه رقم سویا در کشت تابستانه در شرایط آب و هوایی کرمان. مجله علوم و فنون کشاورزی و منابع طبیعی، سال نهم، شماره چهارم. صفحههای 137- 151.
5
سپاسخواه ع ر، توکلی ع ر و موسوی س ف، 1385. اصول و کاربرد کم آبیاری. انتشارات کمیته ملی آبیاری و زهکشی ایران.
6
علیزاده ا، 1383. رابطه آب و خاک و گیاه. انتشارات دانشگاه امام رضا (ع).
7
کافی م، کامکار ب، شریفی ح ر و گلدانی م، 1384. فیزیولوژی گیاهی، جلد دوم (ترجمه). انتشارات جهاد دانشگاهی مشهد.
8
کریمی م، اصفهانی م، بیگلویی م ح، ربیعی ب و کافیقاسمی ع، 1388. تأثیر تیمارهای کمآبیاری بر صفات مورفولوژیک و شاخصهای رشد ذرت علوفهای در شرایط آب و هوایی رشت. مجله الکترونیک تولید گیاهان زراعی، جلد دوم، شماره دوم، صفحههای 91-110.
9
لطیفی ن، 1372. زراعت سویا (زراعت- فیزیولوژی- مصارف) (ترجمه). انتشارات جهاد دانشگاهی مشهد.
10
موسوی ف، کریمی م و خدامباشی م، 1367. اثر رژیمهای آبیاری بر راندمان مصرف آب دو رقم سویا. مجله علوم و صنایع کشاورزی شماره 2. صفحات 23-13.
11
Bajaj S, Chen P, Longer DE, Shi A, Hou A, Ishibashi T and Brye KR, 2008. Irrigation and planting date effects on seed yield and agronomic traits of early-maturing soybean. J of Crop Improve 22 (1): 47–65.
12
Brown EA, Caviness CE and Brown DA, 1985. Response of selected soybean cultivars to soil moisture deficit. Agron J 77: 274 – 278.
13
English MJ and James L, 1990. Deficit irrigation, II: Observation on Colombia basin. ASCE, J of Irrig. and Drain Eng 116: 413-426.
14
Farooq M, Wahid A, Kobayashi N, Fujita D and Basra SMA, 2009. Plant drought stress: effects, mechanisms and management. Agron Sustain Dev 29: 185–212.
15
Gerçak S, Boydak E, Okant M and Dikilitas M, 2009. Water pillow irrigation compared to furrow irrigation for soybean production in a semi-arid area. Agricultural Water Management 96: 87-92.
16
Hanks RJ, 1974. Model for predicting plant yield as influenced by water use. Agron J 66: 660-665.
17
Kang S, Shi W and Zhang J, 2000. An improved water-use efficiency for maize grown under regulated deficit irrigation. Field Crop Res 67: 207-214.
18
Mullet JE and Whitsitt MS, 1996. Plant cellular responses. Plant Growth Reg 20:119-124.
19
Popp MP, Keisling TC, Mcnew RW, Oliver LR, Dillon CR and Wallace DM, 2002. Planting date, cultiver, and tillage system effects on dryland soybean production. Agron J 94:81-88.
20
Ruhul Amin AKM, Jahan SRA and Hasanuzzaman M, 2009. Yield components and yield of three soybean varieties under different irrigation management. American-Eurasian Journal of Scientific Research 4(1): 40-46.
21
Sincik M, Candogan BN, Demirtas C, Büyükacangaz H, Yazgan S and Gِksoy AT, 2008. Deficit irrigation of soybean [Glycine max (L.) Merr.] in a sub-humid climate. J of Agron and Crop Sci 194: 200–205.
22
Zwart SJ and Bastiaanssen WGM, 2004. Review of measured crop water productivity values for irrigated wheat, rice, cotton, and maize. Agricultural Water Management 69: 115-133.
23
ORIGINAL_ARTICLE
تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت. نظر به اینکه آماربرداری رسوب معلّق در اکثر ایستگاههای رسوب سنجی کشور در مقیاس زمانی روزانه و به صورت نامنظّم انجام میپذیرد در صورت نیاز به تخمین رسوبات معلق ماهانه در یک مقطع مشخص از رودخانه، لازم است این برآورد با استفاده از مدلهای زمانی و مکانی دقیقتر انجام پذیرد. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی و علم زمین آمار و با ادغام آنالیز سریهای زمانی با آنالیز سریهای مکانی به ارائه یک مدل جامع، جهت تخمین بار معلق ماهانه در طول رودخانه آجیچای اقدام گردیده است. بدین منظور با استفاده از شبکه عصبی مصنوعی اقدام به داده سازی منطقی در مقیاس زمانی ماهانه نموده و به وسیله تخمینگرهای تک پارامتری کریجینگ و چند پارامتری کوکریجینگ با منظور نمودن دبی جریان به عنوان پارامتر کمکی، مقدار بار معلق رسوبی ماهانه، در طول رودخانه آجی چای برآورد گردیده است. نتایج نشان دادند ضمن معتبر بودن هر دو مدل کریجینگ و کوکریجینگ در منطقه مورد مطالعه روش کوکریجینگ در مقایسه با روش کریجینگ در برآورد مکانی بار معلق ماهانه نتایج بهتری را ارائه میدهد.
https://water-soil.tabrizu.ac.ir/article_1190_be6992bfe500c3d5dd4dd3c4438ee7fc.pdf
2011-11-22
93
104
آجیچای
بارمعلق
برآورد مکانی
زمین آمار
شبکه عصبی مصنوعی
سمیرا
طلوعی
1
دانشکده کشاورزی دانشگاه تبریز
LEAD_AUTHOR
علی
حسین زاده دلیر
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
احمد
فاخریفرد
3
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
فرزین
سلماسی
ferzin.salmasi@gmail.com
4
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
اسلام پورف، 1375. بهینه سازی چاهک های مشاهداتی منطقه نکا به روش کریجینگ. پایاننامه کارشناسی ارشد. دانشکده کشاورزی. دانشگاه تهران.
1
اعلمی م، نورانی و، نظم آرا ح، 1388. قابلیت شبکه عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی رسوب. مجله دانش آب و خاک ، جلد 1/19 شماره 2 . صفحههای 45 تا 55.
2
حسنی پاک ع، 1377. زمینآمار(ژئواستاتیستیک). انتشارات دانشگاه تهران.
3
شفاعی بجستان م، 1377. هیدرولیک رسوب. انتشارات دانشگاه شهید چمران اهواز.
4
مدنی ح، 1369. مبانی زمینآمار. انتشارات دانشگاه صنعتی امیرکبیر.
5
منهاج م ب،1384. مبانی شبکه عصبی مصنوعی(هوش محاسباتی). انتشارات دانشگاه صنعتی امیر کبیر، چاپ سوم.
6
نورانی و، طالب بیدختی ن، عابدینی م ج، رخشنده رو غ ر، 1384. تخمین بار رسوبی معلق با استفاده از زمینآمار، مطالعهی موردی تلخهرود. مجلهی تحقیقات منابع آب ایران، سال اول شماره 2. صفحههای 42 تا 50.
7
Abtew W, Obey SJ and Shih G, 1993. Spatial analysis for monthly rainfall in south Florida. Water Resourses Bulletin 29:179-188.
8
Alp M and Cigizoglu HK, 2005. Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data. J Environmental Modeling Software 22:2-13.
9
Bray D and Xie H, 1993. A regression method for estimating suspended sediment yield for ungauged watersheds in Atlantic, Canada. J Civil Engineering 20:82-87.
10
Cigizoglu HK and Alp M, 2006. Generalized regression neural network in modeling river sediment yield. J Advances in Engineering Software 37: 63-68.
11
Isaaks EH and Srivastava RM, 1989. Applied Geostatistics, OxfordUniversity.
12
Li Z, Zhang Y, Schilling K and Skopec M, 2005. Cokriging estimation of daily suspended sediment loads. J Hydrology 327:389-398.
13
Mahdian MH and Gallichand H, 1997. Regipnal estimation of water defciti and potato yield In Quebec. J Canadian Agric Eng 39:165-175.
14
Maidment DR, 1993. Hand book of hydrology. Mc Graw Hill, New York.
15
Nagy HM, Watanabe K and Hirano M, 2002. Prediction of sediment concentration in rivers using artificial neural network model. J Hydraulic Engineering 128:588-594.
16
Pan GC, Gaard D, Moss K and Heiner T, 1993. A Comparison Between cokriging and ordinary kriging: Case Study with a Polymetalic Deposit. J Mathematical Geology 25:377-398.
17
Sajikumar N and Thandaveswara BS, 1999. A non linear rainfall- runoff modeling using an artificial network. J Hydrology 36:32-35.
18
Toth E, Brath A and Montanari A, 2000. Comparison of short-term rainfall prediction model for real-time flood forecasting. J Hydrology 239:132-147.
19
ORIGINAL_ARTICLE
استفاده از سطح ویژه برای بهبود تخمین ظرفیت تبادل کاتیونی خاک از طریق شبکههای عصبی مصنوعی
ظرفیت تبادل کاتیونی (CEC) یکی از خصوصیات مهم خاک است که اندازهگیری مستقیم آن مشکل، وقت گیر و پر هزینه است. علی رغم تحقیقات زیاد در مورد تخمین CEC، چگونگی بهبود تخمینها با معرفی متغیرهای جدید مورد بررسی کافی قرار نگرفته است. بر پایه بررسی انجام شده از منابع علمی داخلی و خارجی در هیچ تحقیقی از متغیر کمکی سطح ویژه برای تخمین CEC استفاده نشده است. در این تحقیق 1662 نمونه خاک از نقاط مختلف استان گیلان جمع آوری گردید. رس، سیلت، شن، کربن آلی، pH و CEC برای نمونههای فوق اندازهگیری شدند. منحنی دانه بندی (PSD) با استفاده از بافت خاک به روش مدل اسکاگز و همکاران شبیهسازی گردید. سپس سطح ویژه کل (TSS) و حاصل ضرب سطح ویژه جزء رس در کسر جرمی آن (SS1) از منحنی PSDمحاسبه و برای تخمین CEC به عنوان ورودی در شبکههای عصبی مصنوعی استفاده شدند. همبستگی غیر خطی قوی و معنیداری بین CEC با TSS و SS1 مشاهده شد. استفاده از TSS و SS1 در PTF ها موجب بهبود تخمین CEC گردید. SS1 بیشترین تاثیر را در تخمین CEC داشت. تقسیم دادهها به هشت گروه بطور معنیداری موجب بهبود عملکرد PTF ها شده و تاثیر TSS و SS1 بر تخمین CEC را افزایش داد. استفاده از این توابع انتقالی روشی آسان و مقرون به صرفه بوده و میتواند گامی مهم در بهبود تخمین CEC خاک محسوب شود.
https://water-soil.tabrizu.ac.ir/article_1191_6043dea23a647ea96966d9040bc7c44d.pdf
2011-11-22
105
119
توابع انتقالی
سطح ویژه
شبکههای عصبی مصنوعی
ظرفیت تبادل کاتیونی
حسین
بیات
hbayat2001@gmail.com
1
دانشگاه بوعلی سینا-همدان
LEAD_AUTHOR
ناصر
دواتگر
n_davatgar@yahoo.com
2
مؤسسه تحقیقات برنج کشور
AUTHOR
سمیه
معلمی
3
دانشگاه گیلان
AUTHOR
معلمی س، دواتگر ن و دریغ گفتار ف، 1388. رابطه بین گنجایش تبادل کاتیونی و برخی خصوصیات فیزیکی و شیمیایی در خاکهای گیلان. مجله پژوهشهای خاک، جلد 23) شماره 2). صفحههای 179-173.
1
معلمی س و دواتگر ن، 1390. مقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش تبادل کاتیونی خاکهای گیلان. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. سال 15، شماره 55. صفحههای 169-181.
2
مهاجر ر، صالحی م ه، و بیگی هرچگانی ح، 1388. تخمین ظرفیت تبادل کاتیونی خاک با استفاده از رگرسیون و شبکه عصبی و اثر تفکیک دادهها بر دقت و صحت توابع. علوم و فنون کشاورزی و منابع طبیعی علوم اب و خاک، شماره 49. صفحههای 83-97.
3
مقدم م، محمدی شوطی س ا و آقائی سربرزه م 1373. آشنایی با روشهای آماری چند متغیره. انتشارات پریور. 208 صفحه
4
Akaike H, 1974. New Look at the Statistical Model Identification. IEEE Transactions on Automatic Control, AC-19: 716-723.
5
Amini M, Abbaspour KC, Khademi H, Fathianpour N, Afyuni M and Schulin R, 2005. Neural network models to predict cation exchange capacity in arid regions of Iran. European Journal of Soil Science 56: 551-559.
6
Arnepalli DN, Shanthakumar S, Hanumantha Rao B and Singh DN, 2008. Comparison of methods for determining specific-surface area of fine-grained soils. Geotechnical and Geological Engineering 26: 121-132.
7
Asadu CLA and Akamigbo FOR, 1990. Relative contribution of organic matter and clay fractions to cationexchange capacity of soils in southern Nigeria. Samaru. Journal of Agricultural Research 7: 17-23.
8
BellMA and van Keulen H, 1995. Soil pedotransfer functions for four Mexican soils. Soil Science Society of America Journal 59: 865-871.
9
Bower CA, Reitmeir RF and Fireman M, 1952. Exchangeable cation analysis of saline and alkali soils. Soil Sci. 73: 251-261.
10
BradyNC and Weil RR, 1999. The Nature and Properties of Soils. 12 th edition. Prentice Hall.
11
Breeuwsma A, Wosten JHM, Vleeshouwer JJ, Van Slobbe AM and Bouma J, 1986. Derivation of land qualities to assess environmental problems from soil surveys. Soil Science Society of America Journal 50: 186-190.
12
Carpena O, Lux A and Vahtras K, 1972. Determination of exchangeable cations in calcareous soils. Soil Science 33: 194-199.
13
Diebold FX, and Mariano RS, 2002. Comparing predictive accuracy. Journal of Business and Economic Statistics 20: 134-144.
14
Drake EH and Motto HL, 1982. An analysis of the effect of clay and organic matter content on the cation exchange capacity of New Jersey soils. Soil Science 133: 281-288.
15
Ersahin S, Gunal H, Kutlu T, Yetgin B and Coban S, 2006. Estimating specific surface area and cation exchange capacity in soils using fractal dimension of particle-size distribution. Geoderma 136: 588-597.
16
Fooladmand HR and Sepaskhah, AR, 2006. Improved estimation of the soil particle-size distribution from textural data. Biosys Eng 94: 133-138.
17
Gee GW and Or D, 2002. Particle size analysis. Pp. 255-295. In: Warren, AD (ed), Methods of Soil Analysis. Part 4. Physical Methods. Soil Science Society of AmericaMadison, WI.
18
GesslerPE, MooreID, McKenzieNJ and Ryan PJ, 1995. Soil landscape modelling and spatial prediction of soil attributes. International Journal of Geographical Information Systems 9: 421–432.
19
Hepper EN, BuschiazzoDE, Hevia GG, Urioste A and Antón L, 2006. Clay mineralogy, cation exchange capacity and specific surface area of loess soils with different volcanic ash contents. Geoderma 135: 216-223.
20
Hillel D, 1998. Environmental Soil Physics. Academic Press.
21
Keller A, Von Steiger B, Van der Zee, SEATM and Schulin R, 2001. A stochastic empirical model for regional heavy-metal balances in agroecosystems. Journal of Environmental Quality 30: 1976-1989.
22
Lal R and Shukla MK, 2004. Principles of Soil Physics. Marcel Dekker, Inc. New York.
23
Manrique LA, Jones CA and Dyke PT, 1991. Predicting cation-exchange capacity from soil physical and chemical properties. Soil Science Society of America Journal 55: 787-794.
24
Mc Bratney AB, Minasny B, Cattle SR and Vervoort RW, 2002. From pedotransfer functions to soil inference systems. Geoderma 109: 41-73.
25
Miller WF, 1970. Inter-regional predictability of cation-exchange capacity by multiple regression. Plant and Soil 33: 721-725.
26
Minasny B and Mc Bratney AB, 2002. The Neuro-m method for fitting neural network parametric pedotransfer functions. Soil Science Society of America Journal 66: 352-361.
27
Nelson DW and Sommers LP, 1986. Total carbon, organic carbon and organic matter, Pp. 539–579. In Page, AL (ed), Methods of Soil Analysis. Part 2. American Society of Agronomy and Soil Science Society of America, Madison. WI.
28
Nemes A, Schaap MG and Wosten JHM, 2003. Functional evaluation of pedotransfer functions derived from different scales of data collection. Soil Science Society of America Journal
29
67: 1093-1102.
30
Neuro-Solutions, 2005. Getting Started Manual Version 4. NeuroDimension, Inc. 1800 N. Main Street, uite D4 Gainesville, FL Nørgaard M, 2000. Neural Network Based System Identification Toolbox. Tech. Rep. 00-E-891, Dep. of Automation, Tech. Univ. of Denmark, Lyngby, Denmark.
31
Odeh IOA, Mc Bratney AB, Chittleborough DJ, 1995. Further results on prediction of soil properties from terrain attributes: heterotopic cokriging and regression-kriging. Geoderma 67: 215–225.
32
Sahrawat KL, 1983. An analysis of the contribution of organic matter and clay to cation exchange capacity of some Philippine soils: Communications in Soil Science & Plant Analysis 14: 803-809.
33
Salehi MH, Mohajer R and Beigie H, 2008. Developing Soil Cation Exchange Capacity Pedotransfer Functions using Regression and Neural Networks and the Effect of Soil Partitioning on the Accuracy and Precision of Estimation, Pp. 345-356. International Meeting on SoilFertilityLand Management and Agroclimatology, Turkey.
34
Seybold C A, Grossman RB and Reinsch TG, 2005. Predicting cation exchange capacity for soil survey using linear models. Soil Science Society of America Journal 69:856-863.
35
Skaggs TH, Arya LM, Shouse PJ and Mohanty BP, 2001. Estimating particle-size distribution from limited soil texture data. Soil Science Society of America Journal 65: 1038-1044.
36
SPSS Inc, 1994. SPSS Professional Statistics: Chicago, SPSS Inc.
37
Sumner ME and Miller WP, 1996. Cations exchange capacity and exchange coefficients. Pp 1201-1230. In: Sparks DL (Ed), Methods of soil analysis, Part 3- chemical methods. Agronomy Monograph, vol. 9. ASA and SSSA, Madison, WI.
38
Syers JK, CampbellAS and Walker TW, 1970. Contribution of organic carbon and clay to cation exchange capacity in a chronosequence of sandy soils. Plant Soil 33:104–112.
39
Theng BKG, Ristori GG, Santi CA and Percival HJ, 1999. An improved method for determining the specific surface areas of topsoils with varied organic matter content, texture and clay mineral composition. European Journal of Soil Science 50: 309-316.
40
Thompson ML, Zhang H, Kazemi M and Sandor JA, 1989. Contribution of organic matter to cation exchange capacity and specific surface area of fractionated soil materials. Soil Science 148: 250-257.
41
Tomasella J, Pachepsky Y, Crestana S and Rawls WJ, 2003. Comparison of two techniques to develop pedotransfer functions for water retention. Soil Science Society of America Journal 67: 1085-1092.
42
Tschapek M and Torres Sanchez RM, 1978. The specific surface of Na+ humate on the basis of coion exclusion. Geochimica et Cosmochimica Acta 42: 1317-1320.
43
Wösten JHM, Pachepsky Y and Rawls WJ, 2001. Pedotransfer functions: Bridging the gap between available basic soil data and missing soil hydraulic characteristics. Journal of Hydrology 251: 123-150.
44
ORIGINAL_ARTICLE
استفاده از نرم افزار HYDRUS در شبیه سازی حرکت و جذب آب درخاک و ارائه نرم افزار SWMRUM
مدلهای عددی در شبیه سازی حرکت آب در خاک کاربرد فراوان دارند. این مدلها نیازمند وارد کردن مدل جذب بوسیله سیستم ریشه در خاک میباشند. در این تحقیق دو مدل حرکت آب در خاک شامل مدل جدید ارائه شده (SWMRUM) و دیگری نرم افزارHYDRUS بر اساس اندازه گیریهای صحرایی در باغ سیب مقایسه گردیدند. با استفاده از دستگاه رطوبت سنج TDR ، درصد حجمی آب خاک در دو جهت شعاعی (R) و عمق (Z) اندازه گیری شد. مدل دو بعدی جذب آب توسط ریشه بر اساس تابع توزیع تراکم ریشه، تعرق پتانسیل، فاکتور تصحیح تنش آب و تعیین تأثیر ریشه در حرکت آب بسط داده شد. مدل حاصله با معادله جریان آب در خاک مبتنی بر حل معادله ریچاردز تلفیق گردید. نتایج شبیه سازی شده با دادههای رطوبت خاک حاصل از اندازهگیریهای میدانی مقایسه و همبستگی قابل قبولی بین آنها مشاهده شد. تحلیل خطای برآورد مدل که برابر تفاوت بین دادههای رطوبت اندازهگیریشده و تخمین زده شده میباشد، با به کار گیری پارامترهای حداکثر خطا (ME)، ریشه مجذور میانگین خطا (RMSE)، ضریب تعیین (CD)، کارایی مدل (EF)، ضریب تجمعی باقیمانده (CRM)، تشریح و بر اساس این پارامترها تحلیل کاملی از مقایسه نتایج ارائه شد. نتایج نشان میدهد که میزان جذب حداکثر آب در حدود 04/0 m3m-3d-1 در عمق 30-25 سانتیمتری خاک و حداقل جذب در حدود 005/0 m3m-3d-1 در عمق 80 سانتیمتر اتفاق میافتد.
https://water-soil.tabrizu.ac.ir/article_1192_eebdb12e6d683af22be386798ed58dd7.pdf
2011-11-22
121
137
تراکم ریشه
حرکت آب
حل عددی
معادله ریچاردز
نرم افزار SWMRUM
سینا
بشارت
sina323@yahoo.com
1
دانشکده کشاورزی دانشگاه ارومیه
LEAD_AUTHOR
امیرحسین
ناظمی
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
علی اشرف
صدرالدینی
3
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
صداقت
شهمراد
4
دانشکده ریاضی دانشگاه تبریز
AUTHOR
Abbasi F, Jacques D, Simunek J, Feyen J and van Genuchten MTh, 2003a. Inverse estimation of the soil hydraulic and solute transport parameters from transient field experiments: heterogeneous soil. Trans ASAE 46 (4): 1097–1111.
1
Abbasi F, Simunek J, van Genuchten MTh, Feyen J, Adamsen FJ, Hunsaker DJ, Strelkoff TS and Shouse P, 2003b. Overland water flow and solute transport: model development and field data analysis. J Irrig Drain Eng 129 (2): 71–81.
2
Allen R, Pereira LS, Raes D and Smith M, 1998. Crop Evapotranspiration: Guidelines for Computing Crop Requirements FAO Irrigation and Drainage Paper No. 56. FAO, Rome, Italy.
3
Asseng S, Richter C and Wessolek G, 1997. Modeling root growth of wheat as the linkage between crop and soil. Plant and Soil 190: 267–277.
4
Assouline S, 2002. The effects of microdrip and conventional drip irrigation on water distribution and uptake. Soil Sci Soc Am J 66: 1630–1636.
5
Caspari HW, Green SR and Edwards WRN, 1993. Transpiration of well-watered and water stressed Asian pear trees as determined by lysimeter, heat pulse, and estimated by a Penman–Monteith model. Agric Forest Meteorol 67: 13–27.
6
Clausnitzer V and Hopmans JW, 1994. Simultaneous modeling of transient three-dimensional root growth and soil water flow. Plant Soil 164: 299–314.
7
Coelho FE and Or D, 1996. A parametric model for two dimensional water uptake intensity by corn roots under drip irrigation. Soil Sci Soc Am J 60: 1039–1049.
8
Coelho EF and Or D, 1999. Root distribution and water uptake patterns of corn under surface and subsurface drip irrigation. Plant and Soil 206: 123–136.
9
Cote CM, Bristow KL, Charleworth PB and Cook FJ, 2003. Analysis of soil wetting and solute transport in sub-surface trickle irrigation. J Irrig Drain Eng 22(3-4):143-156.
10
Feddes RA, Kowalik P, Kolinska-Malinka K and Zaradny H, 1976. Simulation of field water uptake by plants using a soil water dependent root extraction function. J Hydrol 31:13–26.
11
Gardenas A, Hopmans JW, Hanson BR and Simunek J, 2005. Two-dimensional modeling of nitrate leaching for various fertigation scenarios under micro-irrigation. Agric Water Manage 74: 219– 42.
12
Gardner WR, 1991. Modeling water uptake by roots. Irrigation Sci. 12: 109–114.
13
Gong D, Kang S, Zhang L, Du T and Yao L, 2006. A two-dimensional model of root water uptake for single apple trees and its verification with sap flow and soil water content measurements. Agric Water Manage 83: 119 – 129.
14
Green SR and Clothier BE, 1998. The root zone dynamics of water uptake by a mature apple tree. Plant Soil 206 (1): 61–77.
15
Homaee M,1999. Root water uptake under non-uniform transient salinity and water stress. Ph.D. thesis. Agricultural University Wageningen, the Netherlands.
16
JarvisNJ, 1989. A simple empirical model of root uptake. J Hydrol 107: 57–72.
17
Jones HG and Tardieu F, 1998. Modelling water relations of horticultural crops: a review. Sci Hortic 74: 21–46.
18
Kang SZ, Liu XM and Xiong YZ, 1994. Theory of water transport in the soil-plant atmosphere continuum and its application. Pp: 147–149. China Water Resources and Hydro-Power Publication House, Beijing, (in Chinese).
19
Lazarovitch N, Warrick AW, Furman A and Simunek J, 2007. Subsurface water distributions from drip irrigation described by moment analysis. Vadose Zone J 6: 116–123.
20
Meshkat M, Warner RC and Workman SR, 1999. Modeling of evaporation reduction in drip irrigation system. J Irrig Drain Eng 125(6): 315-323.
21
Molz FJ, 1976. Water transport in soil-root system: transient analysis. Water Resour Res 12: 805-808.
22
Molz FJ, 1981. Models of water transport in the soil-plant system: A review. Water Resour Res 17: 1245–1260.
23
Musters PAD and Bouten W, 1999. Assessing rooting depth of an Austrian pine stand by inverse modeling soil water content maps. Water Resour Res 35:3041-3048.
24
Schmitz GH, Shutze N and Petersohn U, 2002. New strategy for optimizing water application under trickle irrigation. J Irrig Drain Eng 128(5): 287-297.
25
Simunek J, Sejna M and van Genuchten MTh, 1999. The HYDRUS-2D software package for simulating two-dimensonal movement of water, heat, and multiple solutes in variable saturated media. Version 2.0, IGWMC-TPS-53 International Ground Water Modeling Center, Colorado School of Mines, Golden, CO.
26
Simunek J, Sejna M and Van Genuchten MTh, 2006. The HYDRUS software package for Simulating the Two- and Three-Dimensional Movement of Water, Heat, and Multiple Solutes in Variably-Saturated Media, User Manual Version 1.0, PC-Progress, Prague, Czech Republic.
27
Siyal AA and Skaggs TH, 2009. Measured and simulated soil wetting patterns under porous clay pipe sub-surface irrigation. Agric Water Manage 96: 893–904.
28
Skaggs TH, Trout J, Simunek J and Shouse, 2004. Comparison of HYDRUS-2D simulation of drip irrigation with experimental observations. J Irrig Drain Eng 130: 304-310.
29
van Genuchten MTh, 1980. A close-form equation for predicting the hydraulic conductivity of unsaturated soils. Soil Sci Soc Am J 44: 892–898.
30
van Genuchten MTh, 1987. A numerical model for water and solute movement in and below the root zone. Res Rep 121, U S Salinity Lab. ARS USDA, Riverside, CA.
31
van Genuchten MTh and GuptaSK, 1993. A reassessment of the crop tolerance response function. Indian Soc Soil Sci 4: 730–737.
32
Vrugt JA, Wijk MT, Hopmans JW and Simunek J, 2001a. One-, two-, and three-dimensional root water uptake functions for transient modeling. Water Resour 2457–2470.
33
Vrugt JA, Hopmans JW and Simunek J, 2001b. Calibration of a two-dimensional root water uptake model. Soil Sc Soc Am J 65: 1027–1037.
34
Wang FX, Kang Y and Liu SP, 2006. Effects of drip irrigation frequency on soil wetting pattern and potato growth in north China Plain. Agric Water Manag 79: 248–264.
35
Zuo Q and Zhang R, 2002. Estimating root-water-uptake using an inverse method. Soil Sci 169: 561–571.
36
ORIGINAL_ARTICLE
اثر حساسیت به فرسایش و کاربری اراضی بر خصوصّیات مورفومتری رسوب بستر (مطالعه موردی: رودخانه وازرود)
بررسی عوامل مؤثر بر خصوصّیات مورفومتری رسوبات بستر رودخانهها میتواند منجر به درک بهتر فرآیندهای رسوبگذاری و حمل رسوب و طبعاً مدیریت کارآتر و استفاده بهینه از آنها شود. تحقیق حاضر با هدف بررسی اثرات تغییر حساسیت به فرسایش سازندها، کاربری اراضی و برداشت شن و ماسه بر خصوصّیات مورفومتری رسوبات بستر در مسیری به طول 30 کیلومتر از رودخانه وازرود در استان مازندران انجام گرفت. بههمین منظور تعداد 9 مقطع برای نمونهبرداری در این رودخانه بهگونهای تعیین شدند که بتوان این اثرات را بررسی کرد. نمونه رسوبات بستر در این مقاطع با شیوه ترکیبی برداشت و خصوصّیات مورفومتری شامل میانگین، جورشدگی، چولگی، کشیدگی، قطرهای ده، پنجاه و نود درصد، بافت، کرویت و گردشدگی با استفاده از روش الک کردن و نرم افزار GRADISTAT محاسبه گردید. نتایج حاصل از تحقیق نشان داد که تغییر حساسیت به فرسایش سازندها، کاربری مسکونی و برداشت شن و ماسه در این رودخانه روند تغییرات طبیعی پارامترهای اندازه رسوبات (میانگین، 10d، 50d، 90d و بافت) و نیز گردشدگی رسوبات بستر رودخانه را تحت تأثیر قرار داده و در برخی مقاطع روند را معکوس نمودهاند.
https://water-soil.tabrizu.ac.ir/article_1193_84a4df3dc51761b0fb92371ba95e6068.pdf
2011-11-22
139
151
دانهبندی
رسوب بستر
گردشدگی
مازندران
مورفومتری رسوب
وازرود
عبدالواحد
خالدیدرویشان
1
دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرّس، نور، مازندران
LEAD_AUTHOR
سیّدحمیدرضا
صادقی
2
دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرّس، نور، مازندران
AUTHOR
لیلا
غلامی
3
دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرّس، نور، مازندران
AUTHOR
خالقی پ، 1377. نیمرخ جنگلهای خزر، جنگل تحقیقاتی وازرود. انتشارات موسسه تحقیقات جنگلها و مراتع، تهران.
1
شفاعی بجستان م، 1373. هیدرولیک رسوب. انتشارات دانشگاه شهید چمران، اهواز.
2
Ahmad Bakri AG, Aminuddin, ABG, Nor Azazi Z, Zorkeflee AH and Chang CK, 2004. Determination of Manning’s flow resistance coefficient for rivers in Malaysia, Pp. 104-110. 1st International Conference on Managing Rivers in the 21st Century: Issues and Challenges, September 2004, Penang, Malaysia.
3
Blott SJ and Pye K, 2001. Gradistat: A grain size distribution and statistics package for the analysis of unconsolidated sediment. EarthSurfProcLand 10(26): 1237-1248.
4
Brown AV, Lyttle MM and Brow KB, 1998. Impacts of gravel bed streams. T Am Fish Soc 127(6): 979-994.
5
Clifford NJ, 2001. Conservation and the river channel environment, Pp. 68-104. In: Warren A and French JR. (eds). Habitat Conservation, John Wiley and Sons Ltd, London.
6
Demir T, 2003. Downstream changes in bed material size and shape characteristics in a small upland stream, Cwm Treweryn, in South Wales, Pp. 33-47. Bulletin of Earth Sciences Application and Research Centre of Hacettepe University, Turkey.
7
Fripp JB and Diplas P, 1993. Surface sampling in gravel stream. J Hydraul Eng. ASCE 119 (4): 473-490.
8
Gomez B, 2001. Downstream mining in a rapidly aggrading gravel bed river. Water Resour Res 37 (6): 1813-1823.
9
Gordon E and Meentemeyer RK, 2006. Effects of dam operation and land use on stream channel morphology and riparian vegetation. Geomorphology 82: 412–429.
10
Healy T and Wo K, 2002. Sediment characteristics and bed level changes in relation to sand extraction and damming of a sand-gravel river: The Lower Waikato River, New Zealand. J Hydrol (NZ) 41(2): 175-196.
11
Heitmuller F and Hudson PF, 2009. Downstream trends in sediment size and composition of channel-bed, bar, and bank deposits related to hydrologic and lithologic controls in the Llano river watershed, central Texas, USA. Geomorphology 112: 246–260.
12
Kang RS and Marston RA, 2006. Geomorphic effects of rural-to-urban land use conversion on three streams in the Central Redbed Plains of Oklahoma. Geomorphology 79: 488–506.
13
Koche RC and Baker V, 1988. Paleoflood analysis using slack water deposits, Pp. 357-376. Flood Geomorphology. John Wiley and Sons Publications.
14
Krumbein WC, 1940. Flood gravel of San Gabriel Canyon, California. Geol Soc Am Bull 51: 639-676.
15
Lagasse PF, Simons DB and Winkley BR, 1980. Impact of gravel mining on river system stability. J Waterway, Part C 106(3): 389-404.
16
Lee H, Fu DT and Song M, 1993. Migration of rectangular mining pit composed of uniform sediments. J Hydraul Eng, ASCE 119(1): 64-80.
17
Leeder MR, 1988. Sedimentology: Process and Product, Fletcher & Son Ltd.
18
Lundekvam HE, Romstad E and Oygarden L, 2003. Agricultural policies in Norway and effects on soil erosion. Environ Sci & Policy 6:57–67.
19
Marstona RnA, Bravard JP and Greenc T, 2003. Impacts of reforestation and gravel mining on the MalnantRiver, Haute-Savoie, French Alps. Geomorphology 55: 65-74.
20
Mass-Plaa J, Montanerb J and Solab J, 1999. Groundwater resources and quality variations caused by gravel mining in coastal streams. J Hydrol 216:197-213.
21
Mosley MP and Tindale DS, 1985. Sediment variability and bed material sampling in gravel-bed rivers. Earth Surf Proc Land 10(5): 465-482.
22
Mueller EN, Francke T, Batalla RJ and Bronstert A, 2009. Modelling the effects of land-use change on runoff and sediment yield for a meso-scale catchment in the Southern Pyrenees. Catena 79: 288–296.
23
Pizzuto J, Moglen G, Palmer M and Nelson K, 2007. Two model scenarios illustrating the effects of land use and climate change on gravel riverbeds of suburban Maryland, USA. Developments in Earth Surface Processes 11: 359-381.
24
Rinaldi M, Wyzga B and Surian N, 2005. Sediment mining in alluvial channels: Physical effects and management perspectives. River Research and Applications 21(7): 805-828.
25
Snelder TH, Lamouroux N and Pella H, 2011. Empirical modelling of large scale patterns in a bed surface grain size. Geomorphology 127: 189–197.
26
Vignat D, 2003. Characterization of bed sediment and suspension of the river Po (Italy) during normal and high flow conditions. Water Resour Res (37): 2847-2864.
27
Wan X, Shang S, Yang W, Clary CV and Yang D, 2010. Simulation of land use–soil interactive effects on water and sediment yields at watershed scale. Ecological Engineering 36: 328–344.
28
Williams GP, 1983. Paleohydrological methods and some examples from Swedish fluvial environment, cobble and boulder deposits. Geogr Ann 65A: 227-243.
29
Williams GP and Costa J, 1988. Geometric Measurement after a Flood, Flood Geomorphology. John Wiley and Sons Publications. London.
30
ORIGINAL_ARTICLE
بررسی آزمایشگاهی استهلاک انرژی جریان از روی سرریز گابیونی پلهای
سرریزهای گابیونی یا توریسنگی پلهای کاربردهای زیادی در ساختمان سدها، مهندسی رودخانه و حفاظت خاک دارند. این نوع سرریزها از انعطاف زیادتری نسبت به نوع صلب آن برخوردار بوده و در مقابل بارهای ناشی از فشار آب مقاوم و پایدار هستند. استهلاک انرژی جریان از روی چنین سازهای به علت وجود جریان درونگذر و روگذر پلهها زیاد بوده و لذا هزینههای ساخت حوضچه آرامش کاهش مییابد. از خصوصیات مهم این نوع سازه، جریان درونگذر از داخل جسم متخلخل سرریز است که پیچیدگیهایی را در رفتار جریان ایجاد میکند. اکثر تحقیقات انجام یافته تاکنون مربوط به سرریزهای پلکانی سدهای بزرگ بتنی و صلب بوده است و در مقایسه با آن، مطالعات بر روی سرریزهای پلکانی گابیونی بسیار اندک بوده است. بررسی هیدرولیکی عبور جریان از روی پلهها و نیز محیط متخلخل درون سازه گابیونی و محاسبه افت انرژی از اهداف این پژوهش میباشند. برای این منظور 9 مدل فیزیکی از سرریز گابیونی پلهای با 3 تخلخل مختلف و شیب های 1:1 و 1:2 ساخته شد. برای بررسی نفوذ پذیری پلهها در افت انرژی، وجه افقی و عمودی پلهها توسط ورق آهنی نفوذ ناپذیر گردید. نتایج نشان میدهند که در دبیهای بالا که رژیم جریان غیر ریزشی یا شبه صاف اتفاق میافتد، استهلاک انرژی در سرریز گابیونی بیشتر است که این مورد باید در طراحی مد نظر قرار گیرد. در واقع در دبیهای بیشتر، جریان به دو بخش روگذر و درون گذر تفکیک می شود. پلهها زیر آب قرار میگیرند و تاثیر زبری آنها کمتر شده و در مقابل تاثیر جریان درون گذر در افت انرژی افزایش مییابد. استهلاک انرژی در سرریز دارای پلههای نفوذ ناپذیر (دارای ورق آهنی در پلههای افقی و عمودی تواما) در دبیهای کم بیشتر از سایرین است و در مرحله بعد به ترتیب سرریز گابیونی، سرریز با دیواره عمودی غیر قابل نفوذ و سپس سرریز با کف افقی غیر قابل نفوذ قرار دارند. افزایش تخلخل از 38 تا 42 درصد موجب افزایش استهلاک انرژی گردید. همچنین با کاهش شیب از 1:1 به 1:2 بر میزان استهلاک انرژی افزوده شد.
https://water-soil.tabrizu.ac.ir/article_1194_9c440856d685bd202c77a64d4ac21e78.pdf
2011-11-22
152
164
استهلاک انرژی جریان
تخلخل
سرریز گابیونی پلهای
شیب سرریز
فرزین
سلماسی
ferzin.salmasi@gmail.com
1
دانشکده کشاورزی دانشگاه تبریز
LEAD_AUTHOR
داود
فرسادی زاده
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
حسن
محیط
3
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
ابراهیمی نق، کاشفیپور م و ابراهیمی ک، 1384. بررسی خصوصیات هیدرولیکی جریان بر روی مدل سرریز توریسنگی پلکانی. صفحه های 120-108. پنجمین کنفرانس هیدرولیک ایران. خرداد ماه، دانشکده مهندسی دانشگاه شهید باهنر کرمان.
1
عزیزی ا، مفتاح هلقی م، تبار احمدی ض و گلمائی ح، 1387. بررسی تاثیر تخلخل مصالح مورد استفاده بر افت انرژی جریان در سرریزهای پلکانی گابیونی.. مجله علوم کشاورزی و منابع طبیعی، دانشگاه گرگان. جلد پانزدهم، شماره اول. صفحههای 158-150
2
مفتاح هلقی م، عزیزی ا، دهقانی ا و الحسینی ن، 1388، استهلاک انرژی جریان در سرریزهای پلکانی توری سنگی با به کارگیری صفحات نفوذناپذیر. مجله علوم کشاورزی و منابع طبیعی دانشگاه گرگان. جلد شانزدهم، شماره دوم. صفحههای 241-234.
3
Chamani MR and Rajaratnam N, 1999. Characteristics of skimming flow over stepped spillways. Journal of Hydraulic Engineering ASCE 125(4): 361-368.
4
Chanson H, 1994. Comparison of energy dissipation between nappe and skimming flow regimes on stepped chutes. Journal of Hydraulic Research, IAHR 32(2): 213-218.
5
Gonzalez Carlos A, Takahashi M and Chanson H, 2008. An experimental study of effects of step roughness in skimming flows on stepped chutes. Journal of Hydraulic Research, IAHR 46(2): 24-35.
6
Peyras L, Royet P and Degoutte G, 1992. Flow and energy dissipation over stepped gabion weirs. Journal of Hydraulic Engineering, ASCE 118(5): 707-717.
7
Rand W, 1955. Flow geometry at straight drop spillway. Proceedings, ASCE 81(791): 1-13.
8
ORIGINAL_ARTICLE
تأثیر خشکسالی بر تراز آب زیر زمینی در دو دهه اخیر (مطالعه موردی: دشت اردبیل)
بررسی تغییرات منابع آب زیرزمینی در برنامه ریزی و مدیریت پایدار منابع آب هر منطقه از اهمیت فراوانی برخوردار است. مدیریت علمی منابع آب نیازمند دانستن رابطه خشکسالی با تراز آب زیرزمینی است. در این مطالعه روند تراز آب زیرزمینی 32 ایستگاه پیزومتری در مقیاس ماهانه در منطقه دشت اردبیل در دوره آماری 1387-1367 با آزمون ناپارامتری مان-کندال مورد بررسی قرار گرفت. برای هر سری زمانی شیب خطّ روند با استفاده از روش تخمین گر Sen محاسبه شد. همگنی روند تغییرات تراز آب زیرزمینی با روش وان بل وهوقس مورد آزمون قرار گرفت. نتایج نشان داد که در همه ایستگاهها (بجز ایستگاههای نیار مدرسه، ینگجه ملّا محمّد رضا، آغچه کندی و دروازه آستارا) تراز آب زیرزمینی دارای روند منفی است. در بیش از 72 درصد ایستگاهها روند منفی معنیدار مشاهده شد. بررسی شیب خطّ روند نشان داد که بطور متوسط تراز آب زیرزمینی در دشت اردبیل حدود 18 سانتی متر در سال افت دارد. بیشترین افت تراز آب زیرزمینی متعلّق به ایستگاه خلیفهلوشیخ بوده که دارای شیب منفی 93/1 متر در سال میباشد. نتایج آزمون همگنی نشان داد که روند تراز آب زیرزمینی در ماههای مختلف همگن ولی در ایستگاههای مختلف غیر همگن میباشد.
https://water-soil.tabrizu.ac.ir/article_1195_132030cd0d3139e47a65c44a4317c03b.pdf
2011-11-22
165
179
تحلیل روند
تخمین گرSen
تراز آب زیرزمینی
دشت اردبیل
خشکسالی
مان- کندال
همگنی روند
فرناز
دانشور وثوقی
1
دانشکده عمران دانشگاه تبریز
LEAD_AUTHOR
یعقوب
دین پژوه
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
محمد تقی
اعلمی
3
دانشکده عمران دانشگاه تبریز
AUTHOR
بیضایی ع و محمدی ح، 1382. بررسی اثرات خشکسالیهای اخیر بر منابع آب زیر زمینی دشت نیشابور. پایان نامه کارشناسی ارشد جغرافیایی طبیعی، دانشکده جغرافیا، دانشگاه تهران.
1
جهانبخش س و کرمی ف، 1388. ارتباط خشکسالی و منابع آب زیرزمینی دشت تبریز، گزارش نهایی طرح تحقیقاتی، دانشگاه تبریز.
2
چیت سازان م، میرزایی ی، محمدی بهزاد ح م، شبان م، غفاری ح ر و موسوی م، 1388، تاثیر خشکسالی بر کمیت و کیفیت منابع آب های زیرزمینی دشت خویس. صفحههای 551 تا 558. دومین همایش ملّی اثرات خشکسالی و راهکارهای مدیریت آن، اردیبهشت، اصفهان.
3
زحمتکش ق ا، علوی پناه ک و زهتابیان غ ر، 1380. مطالعه نوسانات سفره های آب زیرزمینی کم عمق حاشیه پلایا مطالعه مورد سمنان. مجله بیابان، جلد ششم، شماره 2. صفحه های 15 تا 30.
4
شمسی پور ع ا و حبیبی ک، 1382. ارزیابی اثرات خشکسالی ها بر منابع آب های زیرزمینی مطالعه موردی دشت های شمال همدان. پژوهش های جغرافیایی دوره 35، شماره 45. صفحات 115 تا 130.
5
عزیزی ق، 1382. ارتباط خشکسالی های اخیر و مابع آب زیرزمینی در دشت قزوین. مجله پژوهشهای جغرافیایی، شماره چهل و ششم. صفحه های 131 تا 143.
6
کرمی ف و بیاتی خطیبی م، 1388. تآثیر خشکسالی در افت منابع آب زیرزمینی دشت سراب، گزارش نهایی طرح تحقیقاتی، دانشگاه تبریز.
7
کلانتری ن، رحیمی م ح و باقرزاده س، 1388. بررسی نوسانات سطح ایستابی دشت بهبهان با نگاهی به خشکسالی اخیر. صفحههای 23 تا 30. دومین همایش ملّی اثرات خشکسالی و راهکارهای مدیریت آن، اردیبهشت، اصفهان.
8
نجاتی جهرمی ز، چیت سازان م، میرزایی ی و عبودی ط، 1388. ﺗﺄثیر خشکسالی بر منابع آب زیر زمینی دشت عقیلی. صفحههای 102 تا 109. دومین همایش ملّی اثرات خشکسالی و راهکارهای مدیریت آن، اردیبهشت، اصفهان.
9
یزدانی م ح و خدا قلی م، 1388. تحلیل خشکسالی هیدرولوژیک (آب های زیرزمینی) در منطقه مبارکه لنجان. صفحههای 990 تا 997. دومین همایش ملّی اثرات خشکسالی و راهکارهای مدیریت آن، اردیبهشت، اصفهان.
10
Almedeij J and Al-Ruwaih F, 2006. Periodic behavior of groundwater level fluctuations in residential areas. Journal of Hydrology 328: 677-684.
11
Chen Z, Grasby S and Osadetz KG, 2004. Relation between climate variability and groundwater level in the upper carbonate aquifer, south Manitoba, Canada. Journal of Hydrology 290: 43-62.
12
Gan TY, 1998, Hydro climatic trends and possible climatic warming in the Canadian Prairies. Water Resour 34: 3009-3015.
13
Gehrels JC, van Geer FC and de Vries JJ, 1994. Decomposition of groundwater level fluctuations using transfer modelling in an area with shallow to deep unsaturated zones. Journal of Hydrology 157: 105-138.
14
Jan C-D, Chen T-H and Lo W-C, 2007. Effects of rainfall intensity and distribution on groundwater level fluctuations. Journal of Hydrology 332: 348-360.
15
Kendall MG, 1975. Rank Correlation Measures. Charles Griffin Inc. London.
16
Kumar S, Merwade V, Kam J and Thurner K, 2009. Streamflow trends in Indiana: Effects of long term persistence, precipitation and sub surface drains. Journal of Hydrology 374: 171-183.
17
Lee JY, Yi MJ, Moon SH, Cho M, Won JH, Ahn KH and Lee JM, 2007. Causes of the changes in groundwater levels at Daegu, Korea: the effect of subway excavations. Bull Eng Geol Environ 66: 251-258.
18
Mann HB, 1945. Non-parametric test against trend. Econometrica 13:245-259.
19
Panda K, Mishra A, JenaSK, James BK and Kumar A, 2007. The influence of drought and anthropogenic effects on groundwater levels in Orissa, India. Journal of Hydrology 343: 140-153.
20
Partal T and Kahya E, 2006. Trend analysis in Turkish precipitation data, Hydrol Process 20: 2011-2026.
21
Sen Pk, 1966. Estimates of the regression coefficients based on Kendall’s tau. Journal of the American Statistical Association 63: 1379-1389.
22
Shahid S and Hazarika MK, 2009. Groundwater drought in the northwestern districts of Bangladesh, Water Resour Manag 24:1989-2006.
23
Theil H, 1950. A rank invariant method of linear and Polynomial regression analysis, Part3. Netherlands Akademic van Wettenschappen, Proceedings, 53: 1379-1412.
24
Van Belle G and Hughes JP, 1984. Nonparametric tests for trend in water quality. Water Resour. 20: 127-136.
25
Xu ZX, Takeuchi K and Ishidaira H, 2003. Monotonic trend and step changes in Japanese precipitation. Journal of Hydrology 279: 144-150.
26
Zhang W, Yan Y, Zheng J, Li L, Dong X and Cai H, 2009. Temporal and spatial variability of annual extreme water level in the Pearl River Delta region, China. Journal of the Global and Planetary Change 69: 35-47.
27