ORIGINAL_ARTICLE
ارزیابی عملکرد گیاه آفتابگردان (رقم فرخ) تحت تاثیر کم آبیاری سنتی و خشکی موضعی ریشه
کمبود آب مهمترین عامل محدودکننده محصولات کشاورزی در جهان است. روشهای مختلف کمآبیاری، راه حلهای مناسبی جهت صرفهجویی در آب آبیاری میباشند. در این مقاله بررسی تاثیر کمآبیاری سنتی و خشکی موضعی ریشه بر عملکرد، اجزاء عملکرد و کارآیی مصرف آب در گیاه آفتابگردان (رقم فرخ) انجام شد. تحقیق در سال 1390 در دانشگاه شهید باهنرکرمان، به صورت بلوکهای کامل تصادفی با 18 تیمار کمآبیاری، یک تیمار شاهد و در 3 تکرار انجام شد. تیمارهای کمآبیاری عبارت بودند از: کم آبیاری سنتی5 (آبیاری با80، 60 و 40درصد نیاز آبی) و خشکی موضعی ریشه6 با (آبیاری 80، 60 و 40درصد نیاز آبی). این تیمارها در مراحل مختلف رشد گیاه اعمال شدند. نتایج نشان داد که تیمار کمآبیاری سنتی (آبیاری با 80درصد نیاز آبی گیاه) در مرحله رشد رویشی بیشترین ارتفاع گیاه، سطح برگ، شاخص سطح برگ و قطر طبق را دارا بود. همچنین حداکثر عملکرد بیولوژیک برابر 49054، حداکثر عملکرد دانه برابر 3/9934 و حداکثر عملکرد روغن برابر 2/2441 کیلوگرم در هکتار در این تیمار اتفاق افتاد. بیشترین کارآیی مصرف آب برای عملکرد دانه در این تیمار برابر 46/1، برای عملکرد بیولوژیک برابر 21/7 و برای عملکرد علوفه خشک برابر 7/5 کیلوگرم در هر متر مکعب آب مصرفی حاصل شد. با توجه به نتایج فوق برای گیاه آفتابگردان (رقم فرخ) در منطقه مورد مطالعه، کمآبیاری سنتی با 80درصد نیاز آبی گیاه در مرحله رشد رویشی توصیه می گردد.
https://jsw.um.ac.ir/article_37857_1e2edc51ca8b15fd56bf9316739dae95.pdf
2015-12-22
867
875
10.22067/jsw.v0i0.20743
آفتابگردان
عملکرد بیولوژیک
عملکرد دانه
کارآیی مصرف آب
خشکی موضعی ریشه
کمآبیاری
عباس
رضائی استخروئیه
rezaei@mail.uk.ac.ir
1
دانشگاه شهید باهنر کرمان
LEAD_AUTHOR
سپهر
خوش قدم
sph.khoshghadam@gmail.com
2
دانشگاه زابل
AUTHOR
مجتبی
ابراهیمی سیریزی
mojtaba.mes2012@yahoo.com
3
دانشگاه صنعتی اصفهان
AUTHOR
علیرضا
بادیه نشین
a.badiehneshin@ut.ac.ir
4
دانشگاه تهران
AUTHOR
1- بابائیان م.، حیدری م. و قنبری ا. 1389. اثر تنش خشکی و محلولپاشی عناصر کم مصرف بر ویژگیهای فیزیولوژیک و جذب عناصر غذائی در آفتابگردان (Helianthus annuus L.). مجله علوم زراعی ایران 12(4): 391-377.
1
2- بختیاری ب.، لیاقت ع.م.، خلیلی ع. و خانجانی م.ج. 1388. ارزیابی دو مدل ترکیبی برآورد تبخیر- تعرق مرجع چمن در بازه زمانی ساعتی (مطالعه موردی اقلیم کرمان). مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک 13(50): 26-13.
2
3- Albajia M., Behzad M., Boroomand Nasab S., Naseri A.A.,Shahnazari A., Meskarbashee M., Judy F. and Jovzi M. 2011. Investigation the Effects of Conventional Irrigation (CI), Regulated Deficit Irrigation (RDI) and Partial Root Zone Drying (PRD) on Yield and Yield Components of Sunflower (Helianthus annuus L). Research on Crops, 12(1):142-154.
3
4- Albajib M., Boroomand Nasab S., Behzad M., Shahnazari A., Naseri A.A., Meskarbashee M., Judy F., Jovzi M. and Shokoohfar A.R. 2011. Water Productivity and Water Use Efficiency of Sunflower under Conventional and Limited Irrigation. International Journal of Food, Agriculture & Environment- JFAE, 9(1):202-209.
4
5- Erdem T., Erdem Y., Orta A.H. and Okursoy H. 2006. Use of a crop water stress index for scheduling the irrigation of sunflower (Helianthus annuus L.). Turk. J. Agric. For 30:11-20.
5
6- Goksoy A.T., Demir A.O., Turan Z.M., and Dagustu N. 2004. Responses of sunflower to full and limited irrigation at different growth stages. Field Crops Res, 87: 167-178.
6
7- Karam F., Masaad R., Sfeir T., Mounzer O. and Rouphael Y. 2007. Evapotranspiration and seed yield of field grown soybean under deficit irrigation conditions. Agr. Water Manag, 75: 226-244.
7
8- Kazemeini S.A., Edalat M. and Shekoofa A. 2009. Interaction effects of deficit irrigation and row spacing on sunflower (Helianthus annuus L.) growth, seed yield and oil yield. African Journal of Agricultural Research, 4 (11):1165-1170.
8
9- Kirda C., Topcu S., Kaman H., Ulger A.C., Yazici A., Cetin M. and Derici M.R. 2005. Grain yield response and N-fertiliser recovery of maize under deficit irrigation. Field Crops Research, 93:132–141.
9
10- Kokubun M. 2008. Crop breeding and cultural strategies for changing enviroments. 5th International Crop Science Congress & Exhibition, Jejo, Korea, April 1:13-18.
10
11- Mekki B.B., El-kholy M.A. and Mohamed E.M. 1999. Yield oil and fatty acids content as affected by water deficit and potassium fertilization in to sunflower cultivars. Egypt. J. Agron, 21:67-85.
11
12- Sadras V.O. 2009. Does partial root-zone drying improve irrigation water productivity in the field? A meta-analysis. Irrig. Sci, 27:183-190.
12
13- Savić S., Stikić R., Jovanović Z., Prokić L. and Pauković M. 2009. Partial root drying irrigation technique: practical application of drought stress signaling mechanism in plants. Arch. Biol. Sci., Belgrade, 61 (2):285-288.
13
14- Sezen S. M., Yazar A. and Tekin S. 2011. Effects of partial root zone drying and deficit irrigation on yield and oil quality of sunflower in a Mediterranean environment. Irrig. And Drain. 60(4):499-508.
14
15- Trimmer W.L. 1990. Partial irrigation in Pakistan. ASCE, J. Irrig. And Drain. Eng, 116(3): 342-353.
15
16- Weiss E.A. 1983. Oilseed crops. First Published by Long man. London, pp: 31-99.
16
ORIGINAL_ARTICLE
ارزیابی مدل SWAT در شبیه سازی همزمان رواناب رودخانه، تبخیر و تعرق واقعی و عملکرد محصولات کشاورزی: مطالعه موردی، حوضه زرینه رود
در مطالعات بهره وری آب در بخش کشاورزی، مقادیر رواناب، تبخیر و تعرق واقعی و عملکرد محصولات زراعی و باغی اصلی ترین متغیرها هستند. برای ارزیابی راه کارهای ارتقاء بهره وری این بخش، شبیه سازی این متغیرها لازم خواهد بود. در این خصوص استفاده از مدل های مفهومی گزینه مناسبی هستند که مدل SWAT از جمله شناخته ترین آنها می باشد. مقاله حاضر به ارزیابی این مدل در شبیه سازی همزمان رواناب، تبخیر و تعرق واقعی و عملکرد تعدادی از محصولات کشاورزی غالب در حوضه زرینه رود می پردازد. علت انتخاب این حوضه نقش آن در تأمین نیاز آبی دریاچه ارومیه است که در سال های اخیر با مشکلات جدی مواجه شده است. افزایش ورودی آب این حوضه به دریاچه تنها با ارتقاء بهره وری آب میسر خواهد بود. بدین منظور حوضه ابتدا به 11 زیرحوضه و 908 واحد هیدرولوژیکی تقسیم شد تا بتوان الگوی کشت منطقه و نحوه تأمین آب آن در نزدیک ترین شکل به حالت واقعی به مدل معرفی گردد. در ادامه شبیه سازی رواناب با استفاده از 6 ایستگاه آبسنجی در سطح حوضه برای دوره-های 1999-1987 و 2006-2000 بترتیب واسنجی و اعتبارسنجی شد که برای دوره واسنجی مقادیر R2 بین 49/0 تا 71/0 و RMSE بین 9/3 تا 9/44 (مترمکعب در ثانیه) و برای اعتبارسنجی مقادیر 54/0 تا 77/0 برای R2 و 07/2 تا 7/55 برایRMSE را به همراه داشت. همچنین، میزان تبخیر و تعرق واقعی از محصولات براساس سال های پرباران که تنش آبی در حوضه نبوده، با اطلاعات سند ملی آب واسنجی شد که مقادیر R2 و RMSE بترتیب برابر با 97/0 و 5/52 میلی متر در سال را نتیجه داد. نهایتا عملکرد 7 محصول عمده حوضه شبیه سازی و با آمار موجود مقایسه شد که مقادیر R2 و RMSE بترتیب برابر با 9/0 و 65/1 تن در هکتار را نشان داد.
https://jsw.um.ac.ir/article_37861_b9f4e0fd1fbbbb71e2c6d69a440e345c.pdf
2015-12-22
876
889
10.22067/jsw.v0i0.27022
دریاچه ارومیه
حوضه زرینه رود
رواناب
تبخیر و تعرق واقعی
عملکرد محصولات
SWAT
حجت
احمدزاده
hojatahmadzadeh6@gmail.com
1
دانشگاه تبریز
LEAD_AUTHOR
سعید
مرید
s.morid@hotmasil.com
2
تربیت مدرس
AUTHOR
مجید
دلاور
m.delavar@modares.ac.ir
3
تربیت مدرس
AUTHOR
1- علیزاده ا. و کمالی ق. 1386. نیاز آبی گیاهان در ایران، انتشارات دانشگاه امام رضا (ع).
1
2- مرکز آمار سازمان جهاد کشاورزی استان آذربایجان غربی .1390.
2
3- مرکز آمار و اطلاعات وزارت جهاد کشاورزی ایران .1390.
3
4- مرید س. و مقدسی م. 1390. گزارش مدل تخصیص آب کشاورزی در شرایط خشکسالی در حوضه دریاچه ارومیه، طرح حفاظت از تالاب های ایران.
4
5-Abbaspour K.C., Yang J., Maximov I., Siber R., Bogner K., Mieleitner J., Zobrist J. and Srinivasan R. 2007. Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT. Journal of Hydrology, 333: 413-430.
5
6-Allen R.G., Pereira L.S., Raes D. and Smith M. 1998. Crop evapotranspiration: guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56, Rome, 300 pp.
6
7-Arnold J.G., Srinivasan R., Muttiah R.S. and Williams J.R. 1998. Large area hydrologic modeling and assessment. Part I. Model development. Journal of the American Water Resources Association, 34: 73–89
7
8-De Medeiros G.A., Arruda F.B., Sakai E., and Fujiwars M. 2001. The influence of crop canopy on evapotranspiration and crop coefficient of beans (Phaseolus vulgaris L.) Agric. Water Manage. 49, 211–224.
8
9-Dragovic S. and Dj.Karagic L.M. 1996. Effect of stand density on formation of leaves and leaf area of sugar beet under irrigation. Journal of sugar beet research, 33.
9
10-Faramarzi M., Yang H., Schulin R. and Abbaspour K.C. 2010. Modeling wheat yield and crop water productivity in Iran: Implications of agricultural water management for wheat production. Agricultural Water Management, 97: 1861-1875.
10
11-Geethalakshmi V. and Srinivasan R. 2011. Study of ENSO effect on hydrology and rice productivity in Cauvery basin using SWAT.
11
12-Gosain A., Rao S., Srinivasan R. and Reddy N.G. 2005. Return flow assessment for irrigation command in the Palleru River basin using SWAT model. Hydrological processes, 19: 673-682.
12
13-Hadria R., Duchemin B., Lahrouni A., Khabba S., Er‐Raki S., Dedieu G., Chehbouni A. and Olioso A. 2006. Monitoring of irrigated wheat in a semi‐arid climate using crop modelling and remote sensing data: Impact of satellite revisit time frequency. International Journal of Remote Sensing, 27: 1093-1117.
13
14-Jeimar P.P., Marcela Q. and Natalia E. 2011. application of crop growth modeling for the economic valuation of water in agriculture. The 3rd international forum on water and food Tshwane, South Africa.
14
15-Kang S., Gu B., Du T., and Zhang J. 2003. Crop coefficient and ratio of transpiration to evapotranspiration of winter wheat and maize in a semi-humid region. Agric. For. Meteorol. 59, 239–254.
15
16-Kang Y. and Liu H.J. 2006. Sprinkler irrigation scheduling of winter wheat in the North China Plain using a 20 cm standard pan. Springer- Verlag, DOI 10.1007/s00271-006-0042-z
16
17-Kaushal K., Luna B., Anju G., Biju G., Sreedhar A., Kiran J. and Narasimhan B. 2011. Spatial mapping of agricultural water productivity using SWAT model in Upper Bhima Catchment, India. Irrigation and Drainage. DOI: 10.1002/ird.618
17
18-King B.A. and Stark J.C. 1997. Potato irrigation management, University of Idaho, Cooperative Extension System, College of Agriculture.
18
19-Immerzeel W., Gaur A. and Zwart S. 2008. Integrating remote sensing and a process-based hydrological model to evaluate water use and productivity in a south Indian catchment. Agricultural water management, 95: 11-24.
19
20-Mollah M. and Paul N. 2009. Growth Attributes of Barley (Hordeum vulgare L.) in Relation to Soil Moisture Regimes and NPK Fertilizers. Journal of Bio-Science, 16: 19-24.
20
21-Neitsch S.L., Arnold J.G., Kiniry J.R. and Williams J.R. 2011. Soil and water assessment tool theoretical document (version 2009), Texas water resource institute technical report.
21
22-Saeed I. and El-Nadi A. 1997. Irrigation effects on the growth, yield, and water use efficiency of alfalfa. Irrigation Science, 17: 63-68.
22
23-Schuol J., Abbaspour K.C., Yang H., Reichert P., Srinivasan R., Schar Ch. and Zehnder A.J.B. 2006. Estimation of freshwater availability in the West African Sub-continent using the SWAT hydrologic model. J. Hydro. 352: 30-49.
23
24-Schuol J., Abbaspour K.C., Srinivasan R., and Yang H. 2008. Estimation of freshwater availability in the West African sub-continent using the SWAT hydrologic model. Journal of Hydrology, 352: 30–49.
24
25-Singh R., Kumar S., Nangare D. and Meena M. 2009. Drip irrigation and black polyethylene mulch influence on growth, yield and water-use efficiency of tomato. African Journal of Agricultural Research, 4: 1427-1430.
25
26-Williams L. and Ayars J. 2005. Grapevine water use and the crop coefficient are linear functions of the shaded area measured beneath the canopy. Agricultural and forest meteorology, 132: 201-211.
26
27-Yan Y., Guoqiang W., and Jingsha Y. 2006. Groundwater depth simulation based on beijing county-level swat application tool. Unpublished manuscript, College of Water Sciences, Beijing Normal University, Beijing, China.
27
28-Zhang J., Wei Q., Wang L., Sun X., Wang C. and Song K. 2010. Leaf Area Index Estimated with Plant Canopy Analyzer in Apple Orchards and Analysis of Its Reliability. Acta Horticulturae Sinica, 37: 185-192.
28
29-Ziaei A.N. and Sepaskhah A. 2003. Model for simulation of winter wheat yield under dryland and irrigated conditions. Agricultural water management, 58: 1-17.
29
ORIGINAL_ARTICLE
اثرمدیریت های مختلف کم آبیاری بر طول ریشه گیاه ذرت
عکس العمل ریشه به کم آبی یکی از مهم ترین پارامترهای مورد توجه محققان است. مطالعه نحوه رشد و توزیع ریشه گیاه در
مدیریت های آبیاری مختلف به درک بهتر از مقدار آب خاک، و نحوه دسترس پذیری آب و موادغذایی در شرایط کم آبی کمک می کند. به منظور بررسی اثر چهار سطح آبیاری در دو مدیریت مختلف کم آبیاری بر طول ریشه گیاه ذرت، مطالعه ای در سال 1388 انجام شد. مدیریت های آبیاری شامل دور آبیاری ثابت-عمق آبیاری متغیر (M1) و دور آبیاری متغیر-عمق آبیاری ثابت (M2) بودند. گیاه ذرت در 120 گلدان بزرگ 110 لیتری به صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی در سه تکرار، کشت شد. داده برداری از ریشه گیاه پس از شستشوی ریشه در پنج مرحله از رشد گیاه انجام شد. نتایج نشان داد اثر سطوح آبیاری روی طول ریشه در هر دو مدیریت معنی دار (P
https://jsw.um.ac.ir/article_37865_6e1f8b0f914fff8ad2599fd00b1cc0c5.pdf
2015-12-22
890
898
10.22067/jsw.v0i0.27891
تنش آبی
ذرت
ریشه
کارائی مصرف آب
دور آبیاری
مهدی
قیصری
gheysari@cc.iut.ac.ir
1
دانشگاه صنعتی اصفهان
LEAD_AUTHOR
محمد مهدی
مجیدی
majidi@cc.iut.ac.ir
2
دانشگاه صنعتی اصفهان
AUTHOR
سیدمجید
میرلطیفی
mirlat-m@modares.ac.ir
3
دانشگاه تربیت مدرس
AUTHOR
محمد جواد
زارعیان
mj.zareian@ag.iut.ac.ir
4
صنعتی اصفهان
AUTHOR
سمیه
امیری
somayeh.amiri68@gmail.com
5
صنعتی اصفهان
AUTHOR
سید محمد
بنی فاطمی
m.bani@ag.iut.ac.ir
6
صنعتی اصفهان
AUTHOR
1- امام ی. و رنجبر غ.ح. 1379. تأثیر کم آبیاری در زمان رشد رویشی قبل از ظهور گل تاجی بر ویژگی های ظاهری، شاخص برداشت، کارایی استفاده از آب، عملکرد و اجزاء عملکرد ذرت دانه ای سینگل کراس 704. مجموعه مقالات اولین کنفرانس ملی بررسی راهکارهای مقابله با کم آبی و خشکسالی. دانشگاه شهید باهنر کرمان. ایران.
1
2- جزایری ا.، نادری ا.، علوی م. و گوهری م. 1387. اثر تنش کمبود آب در برخی مراحل رشد بر عملکرد و اجزای عملکرد ذرت هیبرید 704 در تراکم های مختلف بوته. یافته های نوین کشاورزی. شماره 9، صفحه 23-13.
2
3- حاج عباسی م.ع. 1378. فیزیک خاک و ریشه گیاه. انتشارات غزل. اصفهان.
3
4- سپاسخواه ع.ر.، توکلی ع.ر. و موسوی س.ف. 1385. اصول و کاربرد کم آبیاری. انتشارات کمیته ملی آبیاری و زهکشی ایران. تهران.
4
5- قیصری م.، میرلطیفی س.م.، همایی م. و اسدی م.ا. 1385. تعیین نیاز آبی ذرت علوفه ای و ضریب گیاهی آن در مراحل مختلف رشد. تحقیقات مهندسی کشاورزی. شماره 7، صفحه 142-125.
5
6- ملکوتی م.ج. و غیبی م.ن. 1379. تعیین حد بحرانی عناصر غذایی مؤثر در خاک، گیاه و میوه. مرکز نشر آموزش کشاورزی. کرج.
6
7- نخجوانی مقدم م.، نجفی م.ا.، صدرقائن س.ح. و فرهادی ا. 1390. اثر سطوح مختلف آبیاری و تراکم بوته بر عملکرد و اجزاء عملکرد دانه و کارایی مصرف آب در ذرت دانه ای سینگل کراس 302. به زراعی نهال و بذر.شماره 27، صفحه 90-73.
7
8- Allen R.G., Pereira L.S., Raes D. and Smith M. 1998. Crop evapotranspiration (guidelines for computing crop water requirements). FAO irrigation and drainage paper, No. 56.Rome, Italy, 300 pp.
8
9- Alisha L.P., Frank P.D., Daniel B.S. and Stover B. 2009. Fine root biomass estimates fromminirhizotron imagery in a shrub ecosystem exposed to elevated CO2. Plant and Soil, 317 (1-2):145-153.
9
10- Anderson E.L. 1987. Corn root growth and distribution as influenced by tillage and nitrogen fertilization. Agronomy Journal, 79:544-545.
10
11- Bingru H. and Hongwen G. 2000. Root physiological characteristics associated withdrought resistance in tall fescue cultivars. Crop Science, 40:196-203.
11
12- Bo Z., Renkuan L., Yunkai L., Tao G., Peiling Y., Ji F., Weimin X. and Zhichao Z. 2012. Water absorption characteristics of organic inorganic composite superabsorbent polymers and its effect on summer maize root growth. Journal of Applied Polymer Science, 126:423-435.
12
13- Bohm W. 1979. Method of studying root systems. Springer-Verlag, New York.
13
14- Caixia L., Jingsheng S., Fusheng L., Xinguo Zh., Zhongyang L. and Xiaoman Q. 2011. Response of Root Morphology and Distribution in Maize to Alternate Furrow Irrigation. Agricultural Water Management, 98:1789-1798.
14
15- Dodd I.C., Egea G. and Davies W.J. 2008. Accounting for sap flow from different parts of the root system improves the prediction of xylem ABA concentration in plants grown with heterogeneous soil moisture. Journal of Experimental Botany, 59:4083-4093.
15
16- Ellis F.B. and Barnes B.T. 1980. Growth and development of root system of winter cereals grown after different tillage methods including direct drilling. Plant and Soil, 55:283-288.
16
17- English M.J. and Raja S.N. 1996. Perspectives on deficit irrigation. Agricultural waterManagement, 32:1-14.
17
18- Feddes R.A. and Raats P.A. 2004. Parameterising the soil-water-plant-root system. WageningenFrontis Series, 6:95-141.
18
19- Fiscus E.L. and Markhart A.H. 1979. Relationships between root system water transport properties and plant size in Phaseolus. Plant Physiology, 64:770-773.
19
20- Follett R.F., Allmaras R.R. and Reichman G.A. 1978. Distribution of corn roots in sandy soil with a declining water table. Agronomy Journal, 66:288-292.
20
21- Gheysari M., Mirlatifi S.M., Bannayan M., Homaee M. and Hoogenboom G. 2009. Interaction of water and nitrogen on maize grown for silage. Agricultural Water Management, 96:809-821.
21
22- Hu X.T., Chen H., Wang J., Meng X.B. and Chen F.H. 2009. Effects of soil water content on cotton root growth and distribution under mulched drip irrigation. Agricultural Sciences in China, 8:709-716.
22
23- McElgunn J.D. and Harrison C.M. 1969. Formation, elongation and longevity of barely root hairs. Agronomy Journal, 61:79-81.
23
24- Mehrvarz S., Chaichi M.R., Hashemi M., and Parsinejad M. 2013. Yield and Growth Response of Maize (Zea mays L.S.C. 704) to Surfactant under Deficit Irrigation. International Journal of Plant and Animal Sciences, 1(3):42-48.
24
25- Oliveira M.R.G., Serralheiro R.P., Reis M.P.Z. and Santos F.L. 1998. Maize Root System Response to Furrow Irrigation in a Mediterranean Brown Soil: Root Growth Related to Water Distribution.Journal of Agricultural Engineering Research, 71:13-17.
25
26- Panda R., Behera S. and Kashyap P.S. 2004. Effective management of irrigation water for maize under stressed conditions. Agricultural Water Management, 66:181-203.
26
27- Smith W., Betran J. and Runge E. 2004. Corn, origin, history, technology, and production. John Wiley and Sons, New Jersey.
27
28- Snyman H.A. 2009. Root studies on grass species in a semi-arid South Africa along a soil-water gradient Agriculture. Ecosystems and Environment, 130:100-108.
28
29- Taylor H.M. and Klepper B. 1975. Water uptake by cotton root systems: an examination of assumptions in the single root model. Soil Science, 120:57-67.
29
30- Tiantian Hu., Shaozhong K., Fusheng Li. and JianhuaZh. 2011. Effects of partial root-zone irrigation on hydraulic conductivity in the soil–root system of maize plants. Journal of experimental botany, 62:4163-4172.
30
31- Wang Z., Liu F., Kang S. and Jensen C.R. 2012. Alternate partial root-zone drying irrigation improves nitrogen nutrition in maize (Zea mays L.) leaves. Environmental and Experimental Botany, 75:36-41.
31
32- Yang G., Aiwang D., Xinqiang Q., Wanga Z. and Jingsheng S. 2010. Distribution of roots and root length density in a maize/soybean strip intercropping system. Agricultural water Management, 98:199-212.
32
33- Yavuz M., Cakır R., Kavdır Y., Deveciler M. and Bahar E. 2012. Irrigation Water Management for Sprinkler Irrigated Corn Using Rooting Data Obtained by the MinirhizotronTechnique.International Journal of Agriculture & Biology, 14 (1):11-19.
33
ORIGINAL_ARTICLE
تحلیل حساسیت معادلات نفوذ آب به خاک و ضرایب آنها نسبت به رطوبت اولیه و بار آبی
نفوذ آب به خاک فرایند پیچیده ای است که با تغییر عواملی مانند رطوبت اولیه خاک و بار آبی روی خاک تغییر می یابد. هدف اصلی این تحقیق برآورد ضرایب معادلات نفوذ کوستیاکوف–لوییز، فیلیپ و هورتون و ارزیابی حساسیت این معادلات و ضرایب آنها نسبت به رطوبت اولیه خاک و بار آبی روی سطح خاک بود. بدین منظور نفوذ یک بعدی و دو بعدی با تغییر در رطوبت اولیه خاک و بار آبی سطح خاک از یک آبیاری به آبیاری دیگر با استفاده از حل معادله ریچاردز (مدل HYDRUS) شبیه سازی شد. خروجی مدل HYDRUS (نفوذ تجمعی نسبت به زمان) با استفاده از ابزار Solver نرم افزار اکسل برای تعیین ضرایب معادلات نفوذ مورد استفاده قرار گرفت. مقایسه نتایج ارزیابی حساسیت معادلات نفوذ و ضرایب آنها در حالت شبیه سازی یک بعدی و دو بعدی نفوذ نشان داد که حساسیت معادلات نفوذ و ضرایب آنها دارای عملکرد مشابه بودند ولی از لحاظ کمی در اکثر موارد حساسیت معادلات و ضرایب آنها در حالت دو بعدی بیشتر از یک بعدی بود. در هر دو بعد ضرایب جذبی خاک از معادله فیلیپ به عنوان حساس ترین ضریب و معادله هورتون نیز به عنوان حساس ترین معادله نسبت به رطوبت اولیه و بار آبی مختلف شناسایی شدند.
https://jsw.um.ac.ir/article_37869_c034c59b503bab727edaf53387c74bc2.pdf
2015-12-22
899
908
10.22067/jsw.v0i0.28430
مدل HYDRUS
معادله ریچاردز
معادله فیلیپ
معادله کوستیاکوف-لوییز
معادله هورتون
علی
جوادی
ali.javadi@ag.iut.ac.ir
1
دانشگاه صنعتی اصفهان
LEAD_AUTHOR
محمود
مشعل
mmashal@ut.ac.ir
2
دانشگاه تهران-پردیس ابوریحان
AUTHOR
حامد
ابراهیمیان
ebrahimian@ut.ac.ir
3
دانشگاه تهران- پردیس منابع کشاورزی و منابع طبیعی
AUTHOR
1- بای بوردی م. 1388. فیزیک خاک، انتشارات دانشگاه تهران، چاپ نهم، 674 ص.
1
2- پرچمی عراقی ف.، میر لطیفی س.م.، قربانی دشتکی ش. و مهدیان م.ح. 1389. ارزیابی برخی مدلهای نفوذ آب به خاک در برخی کلاس های بافتی و کاربری های اراضی. نشریه آبیاری و زهکشی ایران، شماره 2، جلد 4، ص 203-193.
2
3- تقی زاده ز.، وردی نژاد و.ر.، ابراهیمیان ح. و خان محمدی ن. 1391. ارزیابی مرزعه ای و تحلیل سیستم آبیاری سطحی با WinSRFR (مطالعه موردی آبیاری جویچه ای). نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 26، شماره 6، ص 1459-1450.
3
4- دربندی ص.، آیرملو ن.، جلیل زاده م. و دربندی ص. 1384. ارزیابی حساسیت ضرایب مدل های نفوذ به رطوبت اولیه خاک و تعیین مدل های ریاضی مربوطه. دومین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک، کرمان، سوم و چهارم اسفند ماه، ص 1625-1618.
4
5- رضایی پور ص.، قبادی نیا م.، طباطبایی س.ح.، شایان نژاد م. و نوروزی م.ر. 1393. ارزیابی روشهای مختلف تعیین ضرایب معادله نفوذ فیلیپ در فرایند آبیاری متوالی جویچه ها. نشریه آب و خاک، جلد 24، شماره 1، ص 238-225.
5
6- سپهوند ع.، طایی سمیرمی م.، میرنیا س.ا. و مرادی ح.ر. 1389. ارزیابی حساسیت مدل های نفوذ نسبت به تغییرپذیری رطوبت خاک. نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 25، شماره 2، خرداد - تیر 1390. ص 346- 338.
6
7- Ebrahimian H., Liaghat A., Parsinejad M., Abbasi F. and Navabian M. 2012. Comparison of one- and two dimensional models to simulate alternate and conventional furrow fertigation. Journal of Irrigation and Drainage Engineering, 138(10): 929-938.
7
8- Holzapfel E.A., Jara J., Zuniga Marino M.A., Paredes J. and Bilib M. 2004. Infiltration parameters for furrow irrigation. Agricultural Water Management 68(1): 19-32.
8
9- Horton R.E. 1940. An Approach Towards a Physical Interpretation of Infiltration Capacity. Soil Science Society of America Proceedings, 5: 399-417.
9
10- Kandelous M.M. and Simunek J. 2010. Comparison of numerical, analytical, and empirical models to estimate wetting patterns for surface subsurface drip irrigation. Journal of Irrigations Science, 28:435-444.
10
11- Mezencev V.J. 1948. Theory of formation of the surface runoff. Meteorologiae Hidrologia, 3: 33-40.
11
12- Philip J.R. 1957. The theory of infiltration: 1. The infiltration equation and its solution. Soil Science, 83: 345–357.
12
13- Simunek J., Sejna M. and Van Genuchten M.Th. 2006. The HYDRUS software package for simulating two-and three-dimensional movement of water, heat, and multiple solute in variably-saturated media, Technical Manual, Version 1.11, PC progress prague, Czech Republic.
13
14- Simunek J., Sejna M. and Van Genuchten M.T. 2012. The HYDRUS-1D software package for simulating the one–dimensional movement of water, heat, and multiple solutes in variably saturated media, Version 4.15, Department of Environment Sciences, University of California Riverside, Riverside, California, USA.
14
15- Siyal A.A., and Skaggs T.H. 2009. Measured and simulated soil patterns under porous clay pipe sub-surface irrigation. Journal of Agricultural Water Management. 96: 893-904.
15
16- Turner E. 2006. Comparison of Infiltration equationa and their field validation with rainfall simulatin. Thesis submitted to the faculty of the graduate school of the university of Maryland.
16
ORIGINAL_ARTICLE
تحلیل عدم قطعیت در برآورد مؤلفه های بیلان آب در دو مزرعه فاریاب در منطقه خشک
تحلیل عدم قطعیت در شبیه سازی های آب در خاک این امکان را فراهم می کند تا بتوان اطلاعات بیشتری در مورد خروجی های مدل پیش بینی بهدست آورده و با اطمینان بیش تری از نتایج آن ها در فرآیندهای تصمیم گیری استفاده کرد. در این مطالعه، از مدل آگروهیدرلوژی SWAP جهت شبیه سازی مؤلفه های بیلان آب در خاک در دو مزرعه تحت کشت گندم و ذرت در منطقه ی خشک اصفهان استفاده شد. ابتدا میزان عدم قطعیت در شبیه سازی تغییرات رطوبت خاک در مزارع مذکور با کاربرد روش عمومی عدم قطعیت تشابهات (GLUE) با یکدیگر مقایسه و سپس براساس نتایج بهدست آمده از عدم قطعیت پارامترهای هیدرولیکی خاک، تاثیر عدم قطعیت در شبیه سازی رطوبت خاک بر مؤلفه های جریان آب در خاک بررسی شده است. نتایج نشان داد که در شرایط فاریاب، دقّت برآورد تبخیر-تعرق واقعی تحت شرایط عدم قطعیت در شبیه سازی رطوبت خاک، نسبتاً بالا بوده بهطوری که ضریب تغییرات آن برای هر دو مزرعه کم تر از 4 درصد به دست آمد. درحالی که دقّت برآورد مقادیر نفوذ عمقی در هر دو مزرعه کم-تر بوده و به شدت تحت تاثیر مقادیر نامطمئن هدایت هیدرولیکی اشباع خاک می باشد.
https://jsw.um.ac.ir/article_37871_a2715b9e57f3c25e12ff0922df68fa9a.pdf
2015-12-22
909
917
10.22067/jsw.v0i0.29617
واسنجی
Swap
تبخیر-تعرق واقعی
نفوذ عمقی
مجتبی
شفیعی
moj.shafiei@gmail.com
1
دانشگاه فردوسی مشهد
LEAD_AUTHOR
بیژن
قهرمان
bijangh@um.ac.ir
2
دانشگاه فردوسی مشهد
AUTHOR
بهرام
ثقفیان
b.saghafian@gmail.com
3
واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی
AUTHOR
کامران
داوری
k.davary@gmail.com
4
دانشگاه فردوسی مشهد
AUTHOR
مجید
وظیفه دوست
vazifedoust@guilan.ac.ir
5
دانشگاه گیلان
AUTHOR
1- دهقان ه.، علیزاده ا. و حقایقی مقدم ا. 1389. تخمین اجزای بیلان آب در مقیاس مزرعه با مدل شبیه سازی SWAP. مجله آب و خاک، جلد 24، شماره 6، ص 1276-1265.
1
2- نوری ح.، لیاقت ع.، پارسی نژاد م. و وظیفه دوست م. 1389. برآورد عملکرد گندم و ذرت علوفه ای در شرایط محدودیت توام آبیاری و شوری با استفاده از مدل آگروهیدرولوژی SWAP. آب و خاک، جلد 24(6)، ص 494-484.
2
3- وظیفه دوست م.، علیزاده ا.، کمالی غ. و فیضی م. 1386. افزایش بهره وری آب کشاورزی در مزارع تحت آبیاری منطقه برخوار اصفهان. آب و خاک، جلد 22، شماره 2، ص 494-484.
3
4- Allen R., Pereira L.S., Raes D., and Smith M. 1998. FAO, Irrigation and drainage Paper 56, Crop evapotranspiration, Guidelines for computing crop water requirements. Rome, Italy, p. 297.
4
5- Baroni G., Facchi A., Gandolfi C., Ortuani B., Horeschi D., Van Dam J.C. 2010. Uncertainty in the determination of soil hydraulic parameters and its influence on the performance of two hydrological models of different complexity. Hydrol. Earth Syst. Sci. 14, 251–270.
5
6- Beven K.J. and Binley A. 1992. The future of distributed models: model calibration and uncertainty prediction, Hydrol. Processes, 6(3): 279-298.
6
7- Beven K.J. and Freer J. 2001. Equifinality, data assimilation, and uncertainty estimation in mechanistic modelling of complex environmental systems using the GLUE methodology. J. Hydrol. 249 (1–4), 11–29.
7
8- Droogers P. 2000. Estimating actual evapotranspiration using a detailed agro-hydrological model. J. Hydrol. 229, 50–58.
8
9- He J., Dukes M.D., Jones J.W., Graham W.D. and Judge J. 2009, Applying GLUE for estimating CERES-Maiz genetic and soil parameters for sweet corn production, Transactions of the ASABE 52 6 1907–1921.
9
10- Hupet F., Lambot S., Feddes R.A., Van Dam J.C., and Vanclooster M. 2003. Estimation of root water uptake parameters by inverse modeling with soil water content data. Water Resour. Res. 39:(11) doi: 10.129/2003WR002046.
10
11- Ines A.V.M., and Droogers P. 2002. Inverse modeling in estimating soil hydraulic functions: A genetic algorithm approach, Hydrol Earth Syst Sci., 6, 49–65.
11
12- Iizumi T, Yokozawa M., and Nishimori M. 2009, Parameter estimation and uncertainty analysis of a large scale crop model for paddy rice: Application of a Bayesian approach, agricultural and forest meteorology 149. 333 –348.
12
13- Jhorar R.K., Bastiaanssen W.G.M., Feddes R.A., Van Dam J.C. 2002. Inversely estimating soil hydraulic functions using evapotranspiration fluxes. J. Hydrol. 258, 198–213.
13
14- Juston J., Seibert J., and Johansson P.O. 2010. Temporal sampling strategies and uncertainty in calibrating a conceptual hydrological model for a small boreal catchment. Hydrological Processes 23 (21), 3093–3109.
14
15- Kroes J.G., and Van Dam J.C. 2003. Reference Manual SWAP version 3.0.3, Alterra-rapport 773, ISSN 1566–7197. 367, 93–103.
15
16- Ma Y., Feng S., Huo Z., and Song X. 2011. Application of the SWAP model to simulate the field water cycle under deficit irrigation in Beijing, China. Math. Comput. Model. 54, 1044–1052.
16
17- Singh R., Van Dam J.C., and Feddes R.A. 2006. Water Productivity analysis of irrigated crops in Sirsa district, India. Agric. Water Manage. 82: 253-278.
17
18- Singh U., and Kang L. 2010. Simulation of soil water in space and time using an agro-hydrological model and remote sensing techniques. Agric. Water Manage. 97: 1210-1220.
18
19- Tung Y., and Yen B. 2006. Hydrosystem Engineering Uncertainty Analysis. McGraw-Hill Book Company, NY, USA.
19
20- Vachaud G. and Chen T. 2002. Sensitivity of a large-scale hydrologic model to quality of input data obtained at different scales; distributed versus stochastic non-distributed modeling, J. Hydrol., 264, 101–112.
20
21- Van Genuchten M.Th. 1980. A closed-form equation for predicting the hydraulic conductivity of soil. Soil Sci. Am. J. 44, 892–898.
21
22- Van Dam J.C., Huygen J., Wesseling J.G., Feddes R.A., Kabat P.,Van Walsum P.E.V., Groenendijk P., and Van Diepen C.A. 1997. Theory of SWAP version 2.0. Simulation of water flow, solute transport and plant growth in the Soil–Water–Atmosphere–Plant environment. Report 71, Sub department of Water Resources, Wageningen University, Technical document 45, Alterra Green World Research, Wageningen, The Netherlands, 167 pp.
22
23- Vazifedoust M. 2007. Development of an agricultural drought assessment system: integration of agrohydrological modeling, remote sensing and geographical information. Dissertation PhD thesis. Wegeningen University.
23
24- Vazquez R.F., Beven K., and Feyen J. 2009. GLUE based assessment on the overall pre-dictions of a MIKE SHE application, Water Resour. Manage. 23, 1325–1349.
24
25- Vrugt J.A., Ter Braak C. J.F., Gupta H.V., and Robinson B.A. 2008. Equifinality of formal (DREAM) and informal (GLUE) Bayesian approaches to hydrologic modeling, Stoch. Env. Res. Risk A., 23, 1059 – 1060, doi: 10.1007/s00477-008-0274-y.
25
26- Vrugt J.A., Ter Braak C.J.F., Clark M.P., Hyman J.M., Robinson B.A. 2008. Treatment of input uncertainty in hydrologic modeling: Doing hydrology backward with Markov chain Monte Carlo simulation. Water Resour. Res. 44, W00B09, doi:10.1029/2007WR006720.
26
ORIGINAL_ARTICLE
بررسی امکان کاربرد آب شور در آبیاری قطرهای در جهت پایداری اراضی
از راهکارهای مدیریت آب در مزرعه استفاده از آب شور برای آبیاری محصولات است که در این مطالعه به بررسی استفاده ی تناوبی آب شور و غیرشور و تأثیر آن بر شوری خاک پرداخته شد. این آزمایش در قالب طرح بلوک های کامل تصادفی تحت آبیاری قطره ای برای محصول ذرت با نه تیمار با مدیریت های آبیاری با آب شور و غیرشور به طور ثابت و تناوبی و در سه سطح شوری 4/0 (آب غیرشور)، 5/3 و 7/5 دسی زیمنز بر متر و با تناوب های یک در میان، سه در میان و پنج در میان انجام شد. نتایج نشان داد در مدیریت یک در میان، شوری خاک در انتهای فصل رشد در مقایسه با شوری در ابتدای فصل رشد تغییر زیادی نکرد (کاهش 0/1 و 9/17 درصدی برای دو تیمار یک در میان). در تیمارهای آب شور 7/5 دسی-زیمنز بر متر و تناوب سه و پنج در میان (3S2:1F و 5S2:1F) مقدار و تناوب آب غیرشور برای خارج ساختن املاح از خاک کافی نبوده و در انتهای فصل رشد تجمع نمک در نیمرخ خاک مشاهده شد (به ترتیب افزایش 0/39 و 2/46 درصدی در شوری خاک). در تیمارهای 3S1:1F و 5S1:1F به ترتیب افزایش 9/17 و 6/31 درصدی در شوری خاک مشاهده شد، در حالی که افزایش شوری خاک در تیمار S1 برابر 7/40 درصد بود. یعنی با انجام 4 آبیاری غیرشور در تیمار 3S1:1F و 2 آبیاری غیرشور در تیمار 5S1:1F به ترتیب کاهش 8/22 و 1/9 درصدی در شوری خاک نسبت به تیمار S1 مشاهده شد.
https://jsw.um.ac.ir/article_37875_92b6692462260e184c6ac637d0e85cfd.pdf
2015-12-22
918
929
10.22067/jsw.v0i0.29932
کاربرد تناوبی آب شور
شوری خاک
آبیاری قطره ای
ذرت علوفه ای
محمد
حسن لی
hassanli@ut.ac.ir
1
دانشگاه تهران
LEAD_AUTHOR
حامد
ابراهیمیان
ebrahimian@ut.ac.ir
2
دانشگاه تهران
AUTHOR
مسعود
پارسی نژاد
parsinejad@ut.ac.ir
3
دانشگاه تهران
AUTHOR
1- احسانی م. و خالدی ه. 1382. بهره وری آب در کشاورزی. انتشارات کمیتۀ ملی آبیاری و زهکشی ایران.
1
2- زارعی م.ا.، طباطبائی س.ح.، شایان نژاد م. و بیگی هرچگانی ح. 1386. توزیع شوری در پروفیل خاک تحت سه رژیم آبیاری در آبیاری کرتی در اراضی شرق اصفهان. مجلۀ پژوهش در علوم کشاورزی، 3(2): 206-196.
2
3- لیاقت ع.م. و اسمعیلی ش. 1382. تأثیر تلفیق آب شور و شیرین روی عملکرد و غلظت نمک در منطقه توسعۀ ریشۀ ذرت. مجلۀ علوم کشاورزی و منابع طبیعی10(2):170-159.
3
4- Allen G.R., Pereira L.S., Raes D., and Smith M. 1998. Crop evapotranspiration. Irrigation and Drainage paper no. 56 FAO, Rome.
4
5- Amer K.H. 2010. Corn crop response under managing different irrigation and salinity levels. Agricultural Water Management, 97:1553-1563.
5
6- Aslam M. and Prathapar S.A. 2006. Strategies to mitigate secondary salinization in the Indus Basin of Pakistan. IWMI, Colombo Sri Lanka.
6
7- Ayers R.S. and Westcot D.W. 1989. Water quality for agriculture: Irrigation and Drainage paper no. 29. FAO, Rome.
7
8- Huang C.H., Zong L., Buonanno M., Xue X., Wang T., and Tedeschi A. 2012. Impact of saline water irrigation on yield and quality of melon (Cucumis melo cv. Huanghemi) in northwest China. European Journal of Agronomy, 43:68-76.
8
9- Kang Y., Chen M., and Wan S. 2010. Effects of drip irrigation with saline water on waxy maize (Zea mays L. var. ceratina Kulesh) in North China Plain. Agricultural Water Management, 97:1303–1309.
9
10- Smedema L.K., and Rycroft D.W. 1983. Land drainage: Planning and design of agricultural drainage systems: Cornell University Press (Ithaca, N.Y.).
10
11- Tscheschke P., Alfaro J.F., Keller J., and Hanks R.J. 1974. Trickle Irrigation soil water potential as influenced by management of highly saline water. Soil Science, 117(4):226-231.
11
12- Yazar A., Hamdy A., Gencel B., and Metin S.S. 2003. Sustainable use of highly saline water for irrigation of crops under arid and semi-arid conditions. p. 113-121. In A. Hamdy (ed.) Regional Action Programme (RAP). Bari, CIHEAM.
12
ORIGINAL_ARTICLE
شبیه سازی عملکرد گندم دیم با استفاده از مدل گیاهی آکواکراپ، مطالعه موردی ایستگاه تحقیقات کشاورزی دیم سیساب، خراسان شمالی
مدل سازی رشد گیاه ابزار مهمی در ارزیابی اثرات تنش خشکی بر روی عملکرد محصول دیم و در نتیجه آن، انتخاب تاریخ کشت بهینه و تصمیم گیری برای روش های مدیریتی مناسب می باشد. یکی از جدیدترین مدل های گیاهی مدل AquaCrop (آکواکراپ) است که توسط سازمان فائو توسعه داده شده و اساس آن عکس العمل عملکرد محصول نسبت به آب مصرفی می باشد و با استفاده از متغیرهای اقلیمی، گیاه، خاک و مدیریتی، عملکرد محصول را شبیه سازی می نماید. مدل مذکور بایستی برای هر محصول و در هر منطقه خاص واسنجی و ارزیابی گردد. در این تحقیق، مدل گیاهی آکواکراپ در ایستگاه تحقیقات دیم سیساب واقع در خراسان شمالی و برای گیاه گندم تحت کشت دیم واسنجی و ارزیابی شد. برای واسنجی مدل، از داده های هواشناسی روزانه و داده های برداشت محصول دو سال زراعی (87-86 و 88-87) در ایستگاه سیساب استفاده شد. برای اعتبارسنجی مدل نیز از داده های هواشناسی مستقل از مرحله واسنجی و داده های عملکرد واقعی محصول در پنج سال زراعی 82-81 الی 86-85 استفاده گردید. نتایج بدست آمده نشان داد که مدل آکوکراپ با دقت بالایی قابلیت مدل سازی عملکرد محصول را دارا می باشد. بطوری که ضریب تعیین، میانگین مجذور مربعات خطای استاندارد و نرمال شده، راندمان مدل و شاخص توافق بین مقادیر عملکرد دانه اندازه گیری شده و شبیه سازی شده، به ترتیب 86/0، 062/0، 235/5، 917/0 و 877/0 بدست آمد.
https://jsw.um.ac.ir/article_37878_4d9e36831266099adc5ec4c80522d15d.pdf
2015-12-22
939
9030
10.22067/jsw.v0i0.34927
آکواکراپ
سیساب
عملکرد محصول
گندم دیم
مدل سازی گیاه
نجمه
خلیلی
najmehkhalili@gmail.com
1
دانشگاه فردوسی مشهد
LEAD_AUTHOR
کامران
داوری
k.davary@gmail.com
2
دانشگاه فردوسی مشهد
AUTHOR
امین
علیزاده
alizadeh@um.ac.ir
3
دانشگاه فردوسی مشهد
AUTHOR
محمد
کافی
m.kafi@um.ac.ir
4
دانشگاه فردوسی مشهد
AUTHOR
حسین
انصاری
ansary@um.ac.ir
5
دانشگاه فردوسی مشهد
AUTHOR
1- حیدری نیا م.، ناصری ع.ع. و برومندنسب س. 1391. بررسی امکان کاربرد شبیه AquaCrop در برنامه ریزی آبیاری آفتابگردان در اهواز. مجله مهندسی منابع آب. 5(12): 39- 49.
1
2- صاحب جمع ع.ا.، عباسپورتبریزی ا.، مهدوی م. و بغدادی م. 1386. مطالعات خاکشناسی تفصیلی دقیق و طبقه بندی اراضی ایستگاه تحقیقات کشاورزی و منابع طبیعی سیساب بجنورد. مؤسسه تحقیقات خاک و آب. 70 صفحه.
2
3- علیزاده ح.ع.، نظری ب.، پارسی نژاد م.، رمضانی اعتدالی ه. و جانباز ح.ر. 1389. ارزیابی مدل AquaCrop در مدیریت کم آبیاری گندم در منطقه کرج. نشریه آبیاری و زهکشی ایران. 2(4): 273-283.
3
4- Andarzian B., Bannayan M., Steduto P., Mazraeh H., Barati M.E. and Rahnama A. 2011. Validation and Testing of the AquaCrop Model under Full and Deficit Irrigated Wheat Production in Iran. Agricultural Water Management. 100: 1-8.
4
5- Bessembider J.J.E., Leffelaar P.A., Dhindwal A.S. and Ponsioen T.C. 2005. Which Crop and Which Drop, and the Scope for Improvement of Water Productivity. Agricultural Water Management. 73, 113–130.
5
6- Doorenbos J. and Kassam A.H. 1979. Yield Response to Water. FAO Irrigation and Drainage Paper No. 33. Rome, FAO.
6
7- Farahani H.J., Izzi G., and Oweis T.Y. 2009. Parameterization and Evaluation of The Aquacrop Model for Full and Deficit Irrigated Cotton. Agron. J. 101, 469–476.
7
8- Garcia-Vila M., Fereres E., Mateos L., Orgaz F., and Steduto P. 2009. Deficit Irrigation Optimization of Cotton with Aquacrop. Agron. J. 101, 477–487.
8
9- Geerts S., Raes D., Garcia M., Miranda R., Cusicanqui J.A., Taboada C., Mendoza J., Huanaca R., Mamani A., Condori O., Mamani J., Morales B., Osco V., and Steduto P. 2009. Simulating Yield Response to Water of Quinoa (Chenopodium Quinoa Willd.) With FAO-Aquacrop. J. Agron. 101, 499–508.
9
10- Hargreaves G.H. and Samani Z.A. 1982. Estimating Potential Evapotranspiration. J. Irrig. and Drain Engr., ASCE, 108(IR3):223-230.
10
11- Hoogenboom G.J., White J.W., and Messina C.D. 2004. From genome to crop: integration through simulation modelling. Field Crop Res. 90, 145 -163.
11
12- Hsiao T.C., Hneg L.K., Steduto P., Rojas-Lara B., Raes D. and Fereres E. 2009. Aquacrop-The FAO Crop Model to Simulate Yield Responseto Water: III. Parameterization and Testing for Maiz. Agron. J. 101:448-459.
12
13- Http://www.Irimet.Net.
13
14- Jamieson P.D., Porter J.R., and Wilson D.R. 1991. A test of computer simulation model ARC-WHEAT1 on wheat crops grown in New Zealand. Field Crops Res. 27, 337–350.
14
15- Jones C.A. and Kiniry J.R. 1986. CERES-Maize: A Simulation Model of Maize Growth and Development. Texas A&M University Press, College Station, 194 Pp.
15
16- Loague K. and Green R.E. 1991. Statistical and Graphical Methods for Evaluating Solute Transport Models: Overview and Application. J. Contaminant Hydrology, 7: 51-73.
16
17- Raes D., Steduto P., Hsiao T.C., and Fereres E. 2009. Aquacrop-The FAO Crop Model To Simulate Yield Response to Water: II. Main Algorithms and Software Description. J. Agron. 101, 438–447.
17
18- Ritchie J.T. 1972. Model for Predicting Evaporation from a Row Crop with Incomplete Cover. Water Resour. Res. 8, 1204±1213.
18
19- Steduto P., Hsiao T.C., Raes D., and Fereres E. 2009. Aquacrop-The FAO Crop Model to Simulate Yield Response to Water: I. Concepts and Underlying Principles. Agron. J. 101:426–437.
19
20- Stockle C., Martin S.A., and Campbel G.S. 1994. Cropsyst a Cropping Simulation Model Water, Nitrogen Budgets and Crop Yield. A\Agricultural Systems. 46:335-359.
20
21- Williams J.R., Jones C.A., and Dyke P.T. 1984. A Modeling Approach to Determining the Relationship between Erosion and Soil Productivity. Trans. ASAE 27(1):129–144.
21
22- Van Keulen H., and Wolf J. 1986. Modelling of Agricultural Production: Weather Soils and Crops. Simulation Monographs. Pudoc, Wageningen, The Netherlands, P. 479.
22
23- Willmott C.J., Akleson G.S., Davis R.E., Feddema J.J., Klink K.M., Legates D.R., Odonnell J., and Rowe C.M. 1985. Statistic for the Evaluation and Comparison of Models. J. Geophys. Res. 90, 8995–9005.
23
ORIGINAL_ARTICLE
اثر تنش کم آبی بر رشد درخت هلو در شرایط مدیریتی باغ تجاری
به منظور بررسی تاثیر تنش خشکی بر رشد رویشی درخت هلو (Prunus persica L.) در شرایط باغی، آزمایشی در قالب طرح بلوکهای کامل تصادفی با 3 تیمار و در 4 تکرار در باغ تجاری شهد ایران در مشهد در سال زراعی 1390 روی رقم دیررس البرتا انجام شد. سه تیمار آبیاری شامل 360 (تنش ملایم)، 180 (تنش متوسط) و 90 (تنش شدید) مترمکعب در هکتار در هفته بهصورت قطرهای (کمینهی پتانسیل آب ساقه نزدیک برداشت بهترتیب 2/1-، 5/1- و 7/1- مگاپاسکال) از اواسط دوره سخت شدن هسته (22 خرداد) تا برداشت میوه (1 مهر) اعمال شد. پتانسیل آب بیشینه ی برگ و پتانسیل آب کمینه ی برگ و ساقه، سرعت فتوسنتز خالص، تعرق، هدایت روزنه ای و دمای برگ، تعداد شاخه های نوظهور و طول شاخه های برگی در طول فصل رشد، و سطح برگ درختان هلو در زمان برداشت اندازه گیری شد. نتایج نشان داد که تنش کمآبی تاثیری منفی بر وضعیت آبی درخت هلو داشت که به موجب آن تبادلات گازی برگ و رشد رویشی درخت هلو کاهش یافت. بطوریکه کاهش تولید آسیمیلات درخت نتیجهی کاهش هم سرعت فتوسنتز خالص برگ (تا حدود 23 و 50 درصد در فصل رشد به ترتیب در تنش متوسط و شدید در مقایسه با تنش ملایم) و هم سطح برگ کل درخت (تا حدود 57 درصد و 79 درصد در زمان برداشت به ترتیب در تنش متوسط و شدید در مقایسه با تنش ملایم) بود. همبستگی مثبت معنی دار بین میزان پتانسیل آب برگ و رشد رویشی هلو نشان داد که وقتی پتانسیل آب برگ تا 56/1- و 30/2- مگاپاسکال کاهش یافت، از رشد شاخه به اندازهی بهترتیب 30 درصد و 50 درصد جلوگیری شد.
https://jsw.um.ac.ir/article_37880_9e6618a221d9255707c9297b7b996d4d.pdf
2015-12-22
940
950
10.22067/jsw.v0i0.36033
پتانسیل آب
تعرق
خشکی
فتوسنتز
هدایتروزنهای
میترا
رحمتی
rahmati_m06@yahoo.com
1
دانشگاه فردوسی مشهد
LEAD_AUTHOR
غلامحسین
داوری نژاد
davarynej@um.ac.ir
2
دانشگاه فردوسی مشهد
AUTHOR
محمد
بنایان اول
banayan@um.ac.ir
3
دانشگاه فردوسی مشهد
AUTHOR
مجید
عزیزی
azizi@um.ac.ir
4
دانشگاه فردوسی مشهد
AUTHOR
1- بنایان م.، رحمتی م.، غنی ع. و قویدل ه. 1389. آنالیز کمی رشد و تولید دو رقم محلی و تجاری تربچه در واکنش به تراکم کاشت. نشریه پژوهش های زراعی ایران 8 (6): 1002-1011.
1
2- قمرنیا ه. و رضوانی س. 1393. محاسبه و پهنه بندی تبخیر- تعرق با استفاده از الگوریتم سبال (SEBAL) در غرب ایران (دشت میان دربند). نشریه آب و خاک 28(1): 72-81.
2
3- سیاری ن.، قهرمان ب. و داوری ک. 1386. بررسی توزیع رطوبت خاک تحت سیستم آبیاری قطره ای زیرسطحی (SDI) در باغ های پسته (مطالعه موردی: اراضی رفسنجان با آب های شور). پژوهش کشاورزی: آب، خاک و گیاه در کشاورزی 7(3): 65-77.
3
4- Allen R., Pereira L., Dirk R. and Smith M. (eds) 1998. Crop evapotranspiration guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome.
4
5- Arndt S., Wanek W., Clifford S. and Popp M. 2000. Contrasting adaptations to drought stress in field-grown Ziziphus mauritiana and Prunus persica trees: water relations, osmotic adjustment and carbon isotope composition. Australian Journal of Plant Physiology 27 (11):985-996.
5
6- Ben Mimoun M., Lescourret F. and Genard M. 1999. Modelling carbon allocation in peach shoot bearing fruit: simulation of the water stress effect. Fruits 54:129-134.
6
7- Berman M.E. and Dejong T.M. 1996. Water stress and crop load effects on fruit fresh and dry weights in peach (Prunus persica). Tree Physiology 16: 859-864.
7
8- Besset J., Genard M., Girard T., Serra V. and Bussi C. 2001. Effect of water stress applied during the final stage of rapid growth on peach. Scientia Horticulturae 91:289-303.
8
9- Chaves M.M., Pereira J.S., Maroco J., Rodrigues M.L., Ricardo C.P.P., Osorio M.L., Carvalho I. Faria T. and Pinheiro C. 2002. How plants cope with water stress in the field. Photosynthesis and growth. Annals of Botany 89: 907-916.
9
10- Chone X., Leeuwen C., Dubourdieu D. and Gaudillere J.P. 2001. Annals of Botany 87: 477-483.
10
11- DeJong T.M. and Moing A. 2008. Carbon assimilation, partitioning and budget modelling. In: Layne DR, Bassi D (eds) The Peach: Botany, Production and Uses, vol 1. CABI, pp 244-263.
11
12- Egea G., Dodd I., Gonzalez M., Domingo R. and Baille A. 2011. Partial root zone drying improves almond tree leaf-level water use efficiency and afternoon water status compared with regulated deficit irrigation. Functional plant biology, 38: 372– 385.
12
13- Escobar-Gutierrez A.J., Zipperlin B., Carbonne F., Moing A. and Gaudillere J.P. 1998. Photosynthesis, carbon partitioning and metabolite content during drought stress in peach seedlings. Australian Journal of Plant Physiology 25:197-205.
13
14- Fishman S. and Genard M. 1998. A biophysical model of fruit growth: simulation of seasonal and diurnal dynamics of mass. Plant, cell and environment 21: 739-752.
14
15- Gomez-del-Campo M. 2013. Summer deficit irrigation in a hedgerow olive orchard cv. Arbequina: relationship between soil and tree water status, and growth and yield components. Spanish Journal of Agricultural Research, 11(2), 547-557.
15
16- Granier A., Loustau D. and Breda N. 2000 A generic model of forest canopy conductance dependent on climate, soil water availability and leaf area index. Annals of Forest Science 57: 755–765.
16
17- Grossman Y. and Dejong T.M. 1995. Maximum vegetative growth potential and seasonal patterns of resource dynamics during peach growth. Annals of Botany, 76: 473-482.
17
18- Higgins S.S., Larsen F.E., Bendel R.B., Radamaker G.K., Bassman J.H., Bidlake W.R. and Al Wir A. 1992. Comparative gas exchange characteristics of potted, glasshouse-grown almond, apple, fig, grape, olive, peach and Asian pear. Scientia Horticulturae 1992:313-329.
18
19- Hipps N.A., Pages L., Huguet J.G. and Serra V. 1995. Influence of controlled water supply on shoot and root development of young peach trees. Tree physiology 15:95-103.
19
20- Johnson R.S. 2008. Nutrient and water requirements of peach trees. In: Layne DR, Bassi D (eds) The peach: botany, production and uses, vol 1. CABI, pp 303-331.
20
21- Lo Bianco R., Rieger M. and Sung S.S. 2000. Effect of drought on sorbitol and sucrose metabolism in sinks and sources of peach. Physiologia Plantarum 108:71-78.
21
22- McDowell N.G. 2011. Mechanisms linking drought, hydraulics, carbon metabolism, and vegetation mortality. Plant Physiology 155:1051-1059.
22
23- Morandi B., Losciale P., Manfrini L., Zibordi M., Anconelli S., Galli F., Pierpaoli E. and Grappadelli L.C. 2014. Increasing water stress negatively affects pear fruit growth by reducing first its xylem and then its phloem inflow. Journal of Plant Physiology 171: 1500-1509.
23
24- Naor A., Naschitz S., Peres M. and Gal Y. 2008. Responses of apple fruit size to tree water status and crop load. Tree Physiology 28:1255-1261.
24
25- Rieger M. 1995. Offsetting effects of reduced root hydraulic conductivity and osmotic adjustment following drought. Tree Physiology 15: 379-385.
25
26- Rieger M., Lo Bianco R. and Okie W.R. 2003. Responses of Prunus ferganensis, Prunus persica and two interspecific hybrids to moderate drought stress. Tree Physiology 23:51–58.
26
27- Rosati A., Metcalf S., Buchner R., Fulton A. and Lampinen B. 2006. Tree water status and gas exchange in walnut under drought, high temperature and vapour pressure deficit. The Journal of Horticultural Science and Biotechnology 81 (3):415-420.
27
28- Sala A., Woodruff D.R. and Meinzer F.C. 2012. Carbon dynamics in trees: feast or famine? Tree Physiology 32, 764-775.
28
29- Vico G. and Porporato A. 2008. Modelling C3 and C4 photosynthesis under water-stressed conditions. Plant Soil 313:187-203.
29
30- Walcroft A.S., Lescourret F., Genard M., Sinoauet H., Le Roux X. and Dones N. 2004. Does variability in shoot carbon assimilation within the tree crown explain variability in peach fruit growth? Tree Physiology 24, 313-322.
30
31- Woodruff D.R. and Meinzer F.C. 2011. Water stress, shoot growth and storage of non-structural carbohydrates along a tree height gradient in a tall conifer. Plant Cell Environment 34:1920-1930.
31
32- Yadollahi A., Arzani K., Ebadi A., Wirthensohn M. and Karimi S. 2011. The response of different almond genotypes to moderate and severe water stress in order to screen for drought tolerance. Scientia Horticulturae 129: 403–413.
32
33- Zweifel R., Zimmermann L., Zeugin F. and Newbery D.M. 2006. Intra-annual radial growth and water relations of trees: implications towards a growth mechanism. Journal of Experimental Botany 57 (6):1445–1459.
33
ORIGINAL_ARTICLE
تأثیر پلیمر سوپرجاذب آکوازورب بر رشد، استقرار و برخی ویژگیهای فیزیولوژیکی نهال آکاسیا Acacia victoriae)) تحت تنش خشکی
به منظور بررسی اثر سوپرجاذب آکوازورب در کاهش تنش خشکی نهال آکاسیا ویکتوریا، آزمایشی به صورت اسپلیت پلات بر پایه طرح کاملاً تصادفی اجرا شد. در این تحقیق، تیمار تنش خشکی به عنوان کرت اصلی و مقادیر سوپرجاذب به عنوان کرت فرعی در نظر گرفته شد. تیمارهای به کار رفته شامل چهار سطح تنش خشکی (15، 30، 60 و 100 درصد ظرفیت زراعی) و چهارسطح سوپرجاذب (صفر، 2/0، 4/0 و 6/0 درصد وزنی) مورد مطالعه قرار گرفتند. نتایج نشان داد که زندهمانی نهالها در پایان فصل رویش در بین تیمار های مختلف یکسان بود، اما رشد گونه آکاسیا به شرایط کمبود آب پاسخ داد، به طوری که صفات رشد کاهش نشان داد. استفاده از پلیمر سوپرجاذب بر شاخص های رشدی قطر یقه، ارتفاع نهال، وزن تر و خشک ریشه، وزن تر اندام هوایی، محتوای نسبی آب برگ و پرولین اثر معنی داری داشت. با توجه به مقایسه میانگین اثرات ساده، در تمام شاخص های رشدی به جز سطح برگ و وزن تر ریشه بیشترین میانگین ها مربوط به تیمار 2/0 درصد پلیمر سوپرجاذب بود. و هم چنین در مقایسه اثر فاکتورهای مختلف، در اکثر صفات بالاترین میانگین ها در مقایسه با سطح آبیاری 100 درصد بدون کاربرد سوپرجاذب مربوط به کاربرد 2/0 درصد پلیمر با سطح آبیاری 60 درصد بود، که نشان دهنده حدود 40 درصد صرفه جویی در مصرف آب است.
https://jsw.um.ac.ir/article_37884_05fd89a49768e4a24d394cf0ff0b6850.pdf
2015-12-22
951
963
10.22067/jsw.v0i0.23295
آکاسیا ویکتوریا
آکوازورب
تنش خشکی
پرولین
کلروفیل مرفولوژیک
فیزیولوژیک
افسانه
تنگو
afsanehtongo93@gmail.com
1
دانشگاه علوم کشاورزی و منابع طبیعی ساری
AUTHOR
علی
مهدوی
a_amoli646@yahoo.com
2
ایلام
LEAD_AUTHOR
احسان
صیاد
ehsansaiad@yahoo.com
3
دانشگاه رازی کرمانشاه
AUTHOR
1- بابایی ک.، امینی دهقی م.، مدرس ثانوی س.ع.م. و جباری ر. 1389. اثر تنش خشکی بر صفات مورفولوژیک،میزان پرولین و درصد تیمول در (Thymus vulgaris L.). فصلنامه علمی-پژوهشی تحقیقات گیاهان دارویی و معطر ایران،26(2).
1
2- بانج شفیعی ع.، اسحاقی راد ج.، علیجانپور ا. و پاتو م. 1391. بررسی تأثیر کاربرد سوپرجاذب و دورة آبیاری بر رشد نهالهای بنه (Pistacia atlantica) (. مجلة جنگل ایران، انجمن جنگلبانی ایران، سال چهارم، (2): 112-101.
2
3- تایز ا. و زایگر ا. 1380. فیزیولوژی گیاهی. ترجمه محمد کافی. اسکندر زند . بهنام کامکار . حمیدرضا شریفی . مرتضی گلدانی . انتشارات جهاد دانشگاهی مشهد. جلد2. 379ص.
3
4- جزیرهای م.ح. 1380. جنگل کاری در خشکبوم. انتشارات دانشگاه تهران. ص:450.
4
5- دانشمندی س.م. و عزیزی م. 1388. بررسی تأثیر تنش خشکی و پلیمر سوپرجاذب بر برخی ویژگیهای کمی و کیفی ریحان (Ocimum basilicum L. var. keshkeny levelu)، مجموعه مقالات ششمین کنگره علوم باغبانی، دانشگاه گیلان،1279 -1276.
5
6- زنگویی نسب ش.، امامی ح.، آستارایی ع. و یاری ع. 1391. اثرات هیدروژل استاکوزرب و آبیاری بر رشد و استقرار نهال تاغ. موسسه تحقیقات آب و خاک، صفحه6-1.
6
7- شعبانی ع.، کامگار ع.ا.، سپاسخواه ع.ر. و امام ی.ه.ت. 1388. اثر تنش آبی بر ویژگی های فیزیولوژیک گیاه کلزا. مجله علوم آب و خاک، 49.
7
8- شهریاری ر. و کریمی ا.1380. ارزیابی مقاومت به سرما در ژرم پلاسم های گندم با اندازه گیری محتوای کلروفیل و رنگ برگ ها. چکیده مقالات هفتمین کنگره علوم زراعت و اصلاح نباتات ایران، صفحه 507.
8
9- صالحه شوشتری م.ح.، بهنام فر ک. و غدیری پور پ. 1390. تأثیر فاصله و ترکیب کاشت بر عملکرد زیست توده هوایی سه گونه نیا مدار کشت شده در تپه های ماسه ای خوزستان. فصلنامة علمی – پژوهشی تحقیقات جنگل و صنوبر ایران، 19(6): 326-312.
9
10- طلایی ع. و اسدزاده ع. ١٣٨٤. بررسی تاثیر هیدروژل های سوپر جاذب در کاهش خشکی درختان زیتون. مجموعه مقالات سومین دوره آموزشی و سمینار تخصصی کاربرد کشاورزی هیدروژل های سوپرجاذب، صفحه های ۵۸ تا ۶۹.
10
11- قاسمی م. و خوشخوی م. 1386 . اثر پلیمر ابرجاذب بر دور آبیاری و رشد و نمو گیاه داودی . مجله علوم و فنون باغبانی ایران، (8) ۶۵- ۸۲ .
11
12- منتظر ع. ا. 1387. بررسی تاثیر پلیمر سوپرجاذب استاکوسورب بر زمان پیشروی و پارامتر های نفوذ خاک در روش آبیاری جویجه ای. مجله آب و خاک (علوم و صنایع کشاورزی)، جلد 22 ، شماره 2.
12
13- Ahmadi A., and Ceiocemardeh A. 2004. Effect of drought stress on soluble carbohydrate, chlorophyll and Proline in four adopted wheat cultivars with various climate of Iran. Iranian Journal of Agricultural Science, 35: 753-763.
13
14- Arbona V., Iglesias D.J., Jacas J., Primo-Millo E., Talon M., Gomez- Cadenas A. 2005. Hydrogel substrate amendment alleviates drought effects on young citrus plants. Plant Soil Journal, 270: 73–82.
14
15- Abedi-koupai J., and Asadkazemi J. 2006. Effect of hydrophilic polymer on the field performance of an ornamental plant (Cupressus arizonica) under reduced irrigation regimes. Iranian Polymer Journal, 15(9):715-725.
15
16- AlHumaid A., Moftah A. E. 2007. Effects of hydrophilic polymer on the survival of Buttonwood seedlings grown under drought stress. European Journal of Horticultural Science, 30, 53-66.
16
17- Apostol K.G., Jacobs D.F. and Dumroese R.K. 2009. Root desiccation and drought stress responses of bare-root Quercus rubura seedlings treated with a hydrophilic polymer root dip. Plant Soil Journal, 315:229–240. doi:10.1007/s11104-008-9746-6
17
18- Bates L.S., Waldren S.P., and Teare I.D .1973. Rapid determination of free proline for water- stress stadies. Plant and soil, 39: 205-207.
18
19- Bhardwaj A.K., Shainberg I., Goldstein D., Warrington D.N. and Levy G.J. 2007. Water retention and hydraulic of cross-linked polyacrylamides in sandy soils. Soil Science Society of America Journal, 71: 406–412.
19
20- Beniwal R.S., Langenfeld-Heyser R. and Polle A. 2010 Ectomycorrhizaand hydrogel protect hybrid poplar from water deficit and unravel plastic responses of xylem anatomy. Environmental and Experimental Botany, Journal-Elsevier 69: 189–197.
20
21- Cobb W. R., Will R. E., Daniels R. F., and Jacobson M. R. 2008. Aboveground biomass and nitrogen in four short-rotation woody crop species growing with different water and nutrient availabilities. Forest Ecology and Management Journal, 255 (12): 4032-4039.
21
22- Davies F.T.Jr., and Castro-Jimenez Y. 1989. Water relations of Lagerstromia indica growth in amended media under drought stress. Scientia Horticulturae, 41:97-10.
22
23- Diaz-Perez J., Shckel.K.A., and Sutter E.G. 1995. Relative water content and water potential of tissue – cultured apple shoots under water deficits. Journal of Experimental Botany, 46: 111-118.
23
24- Finck A. 1992. Dünger and Düngung. 2. neubearbeitete Auflage, VCH Verlagsgesellschaft, Weinheim, Basel, Cambridge, New York.Finc99
24
25- Frantz J.M., Locke J.C., Pitchay D.S., and Krause C.R. 2005. Actual performance versus theoretical zdvantages of polyacrilamid hydrogelthroughout bedding plant production. Hortscience Journal, 40(7):2040-2046.
25
26- Huttermann A.K., Reise and Zommorodi M. 1999. Addition of hydrogels to soil for prolonging the survival of Pinus halepensis seedling subjected to drought. Soil and Tillage Reasersh Journal, 50: 295-304.
26
27- IPCC .2001. Climate change. The scientific basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change (ed. by J.T.Houghton, Y.Ding, D.J.Griggs, M.Noguer, P.J.Van Der Linden, X.Dai, K.Maskell and C.A.Johnson). Cambridge University Press, Cambridge, UK.
27
28- Johnson M.S., and Woodhouse J. 1990. Effect of super absorbent polymers on efficiency of water useby crop seeding. Journal of science of food and Agriculture, 52:431-434.
28
29- Kuznetsov V.I., and Shevykova N.I. 1999. Proline under stress: Biological role, metabolism, and regulation, Russian Journal of Plant Physiology. 46: 274-287.
29
30- Kabiri K. 2002. Acrylic super absorbent hydro gels, P 11-32. In: Kabiri K. (ed.).Proceeding of second education and professional workshop on application of super absorbent hydro gels in agriculture and industry. Tehran, Iran.
30
31- Kao C.H. 2005. Senescence of rice leaves. Comparative study of the metabolic changes of senescing turgid and water-stressed excised leaves, Plant and Cell Physiology. 22: 683-685.
31
32- Khadem S.A., Galavi M., Ramordi M., Mousavi S.R., Rousta M.J., and Rezvani Moghadam P. 2010. Effect of animal manure and superabsorbent polymer on corn leaf relative water content, cell membrane stability and leaf chlorophyll content under dry condition. Australian Journal of Crop Science, 4(8): 642-647.
32
33- Petropoulos S.A., Dimitra D., Polissiou M.G., and Passam H.C. 2008. The effect of water deficit stress on the growth, yield and composition of essential oils of parsley. Scientia Horticulturae, 115:393-397.
33
34- Rennenberg H., Loreto L., Polle A., Brilli F., Fares S., Beniwal R.S., and Gessler A. 2006. Physiological responses of forest trees to heat and drought. Journal of Plant Biology. 8: 556–571.
34
35- Strain H.H. and Svec W.A. 1966. Extraction, separation and isolation of chlorophylls. Pp. 24- 61, In L.P Varnon and G.R. Seely (Ed.). Chlorophylls .Academic Press, New York.
35
36- Schär C., Vidale P.L., Lüthi D., Frei C., Häberli C., Mark A., Liniger M.A., and Appenzeller C. 2004. The role of increasing temperature variability in European summer heat waves. Nature journal 427: 332–336.
36
37- Syvertsen J.P., and Dunlop J.M. 2004. Hydrophilic gel amendment to sand soil can Increase growth and Nitrogen Uptak efficiency of citrus seedling. Jur of Horticultural Science. 39, 267–271.
37
38- Sarvas M., Pavlenda P. and Takacova E. 2007. Effect of hydrogel application on survival and growth of pine seedlings in reclamations. Journal of Forest Science, 53(5): 204–209.
38
39- Viero P.W.M., Chiswell K.E.A., Theron J.M. 2002. The effect of soilamended hydrogel on the establishment of a Eucalyptus grandis clone a sandy clay loam soil in Zululand during winter. Southern african forestry Journal, 193: 65–76.
39
40- Ward K., Scarth R., Daun J., and Mcvetty P.B.E. 1992. Effects of genotype and environment on seed chlorophylldegradation during ripening in four cultivars of oilseed rape (Brassica napus L.). Canadian Journal of Plant Science,72:643-649.
40
41- Walsh K. 1993. Water-saving Gardening in Australia. Australia: Cheastwood NSW, Reed Books, Cheastwood.
41
ORIGINAL_ARTICLE
تاثیر آتش سوزی مراتع بر ویژگی های فیزیکی خاک و پارامترهای نفوذ آب با استفاده از آنالیز تجزیه به مولفه های اصلی
آتشسوزیهای سالانه ممکن است بسیاری از ویژگیهای فیزیکی خاک مراتع نیمه استپی را دستخوش تغییر نماید. هدف از این پژوهش، مطالعه تاثیر آتشسوزی بر ویژگی های فیزیکی خاک و پارامترهای نفوذ آب در مراتع نیمه استپی کرسنک واقع در استان چهارمحال و بختیاری بود. بدین منظور، مراتعی با تاریخچهی آتشسوزی متفاوت که طی سالهای 1387، 1388 و 1389 به ترتیب 3، 2 و 1 سال پیش از مطالعه حاضر دچار آتشسوزی شده بودند، انتخاب گردید. نفوذ آب به خاک در 54 نقطه از منطقه مطالعاتی با استفاده از نفوذسنج مکشی اندازهگیری شد. تعداد نمونههای خاک برای مطالعات آزمایشگاهی با توجه به دو عمق سطحی (10-0 سانتیمتر) و زیر سطحی (25-15 سانتیمتر)، 108 نمونه بود. برای بررسی تفاوت ویژگی های اندازه گیری شده در مناطق سوخته و شاهد از آزمون t مستقل در سطح 5 درصد و آنالیز تجزیه به مولفه های اصلی (PCA) استفاده شد. نتایج نشان داد که ضرایب پایداری خاکدانهها (MWD و GMD) در لایه سطحی 1 و 2 سال پس از آتشسوزی در مقایسه با شاهد به صورت معنی دار کاهش یافت. رس قابل پراکنش در آب (WDC) و جرم ویژه ظاهری خاک در لایه سطحی تمامی مناطق سوخته شده در مقایسه با شاهد به صورت معنی دار بیشتر بود. هدایت آبی اشباع (Kfs) در تمامی سال های مورد مطالعه در مناطق تحت تاثیر آتش سوزی مقادیری کمتر از شاهد را نشان داد. به دلیل عمق کم، ظرفیت نگهداری آب کم و خطر بالای فرسایش خاک های مراتع نیمه استپی کرسنک، وقوع آتش سوزی های سالانه اثرات منفی زیادی بر ویژگی های فیزیکی خاک این مناطق به دنبال دارد.
https://jsw.um.ac.ir/article_37888_69f42d134cd39d9c15cfd1421cb4a2a6.pdf
2015-12-22
964
975
10.22067/jsw.v0i0.27453
آتش
خاک آبگریز
هدایت آبی اشباع
چند متغیره
مراتع نیمه استپی
جلال
حیدری
heidary.jalal@yahoo.com
1
دانشگاه شهرکرد
LEAD_AUTHOR
شجاع
قربانی دشتکی
shoja2002@yahoo.com
2
دانشگاه شهرکرد
AUTHOR
فایز
رئیسی
f_raiesi@yahoo.com
3
دانشگاه شهرکرد
AUTHOR
پژمان
طهماسبی
pejman.tahmasebi@nres.sku.ac.ir
4
دانشگاه شهرکرد
AUTHOR
1- حیدری ج. و قربانی دشتکی ش. 1391. تاثیر آتشسوزی پوشش گیاهی بر کیفیت خاک مراتع نیمه استپی کرسنک، چهارمحال و بختیاری. مجله پژوهش های حفاظت آب و خاک 142:20-125.
1
2- طهماسبی پ. 1390. تجزیه و تحلیل های چند متغیره در علوم محیطی و منابع طبیعی. انتشارت دانشگاه شهرکرد. 179ص.
2
3- مولوی ر.، باقرنژاد م. و ادهمی ا. 1388. اثر آتش سوزی جنگل و سوزاندن پسماند زراعی بر تغییرات کانی های رسی و برخی ویژگی های فیزیکو شیمیایی لایه های سطحی خاک. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی) 49: 110-99.
3
4- Blake G.R., and Hartge K.H. 1986. Bulk density. p. 363-375. In A. Klute. (ed) Methods of Soil Analysis. Part 1. 2nd ed. Agron. Monogr. 9. ASA, Madison, WI.
4
5- Cambardella C.A., and Elliott E.T. 1993. Carbon and nitrogen distributions in aggregates from cultivated and grassland soils. Science Society of America journal, 57:1071-1076.
5
6- Certini G. 2005. Effects of fire on properties of forest soils: a review. Oecologia, 143:1-10.
6
7- Channey K., and Swift R.S. 1984. The influence of organic matter on aggregate stability in some British soils. Soil Science, 35:223–230.
7
8- Cook G.D., So H.B., and Dalal R.C. 1992. Structural degradation of two Vertisols under continuous cultivation. Soil and Tillage Research, 24:47–64.
8
9- DeBano L.F. 2000. The role of fire and soil heating on water repellency in wildland environments. Journal of Hydrology, 232:195–206.
9
10- DeBano L.F., Neary D.G., and Ffolliott P.F. 1998. Fire effects on ecosystems. Wiley, New York.
10
11- Dexter A.R., and Czyz E.A. 2000. Effect of soil management on the dispersibility of clay in the southeastern United States. Bioligy and fertility of soils, 38:386-392.
11
12- Doerr S.H., Shakesby R.A., and Walsh R.P.D. 2000. Spatial variability of soil hydrophobicity in fire -prone eucalyptus and pine forests, Portugal. Soil Science, 163:313-324.
12
13- Ekinci H. 2006. Effect of forest fire on some physical, chemical and biological properties of soil in Canakkale, Turkey. International Journal of Agriculture and Biology, 8:102–106.
13
14- Gee G.W., and Bauder J.W. 1986. Particle Size Analysis. p. 383-411. In A. Klute. (ed.) Methods of Soil Analysis. Part 1. 2nd ed. Agron. Monogr. 9. ASA, Madison, WI.
14
15- Giovannini G., Lucchesi S., and Giachetti M. 1988. Effects of heating on some physical and chemical parameters related to soil aggregation and erodibility. Soil Science, 146:255–261.
15
16- Granged A.J.P., Zavala L.M., Antonio J., and Barcenas-Moreno G. 2011. Post-fire evolution of soil properties and vegetation cover in a Mediterranean heathland after experimental burning: A 3-year study. Geoderma, 164:85–94.
16
17- Haubensak K., Antonio C.D., and Wixon D. 2009. Effect of fire and environmental variables and composition in grazed salt desert shrub lands of the Great Basin (USA). Journal of Arid Environments, 73:643-650.
17
18- Hubbert K.R., Preisler H.K., Wohlgemuth P.M., Graham R.G., and Narog M.G. 2006. Prescribed burning effects on soil physical properties and water repellency in a steep chaparral watershed, Southern California, USA. Geoderma, 130:284–298.
18
19- Imeson A.C., Verstraten J.M., Van Mulligen E.J., and Sevink J. 1992. The effects of fire and water repellency on infiltration and runoff under Mediterranean type forest. Catena, 19:345–361.
19
20- Jong L.W., Jacobsen O.H., and Moldrup P. 1999. Soil water repellency: effects of water content, temperature and particle size. Soil Science Society of America Journal, 63:437-442.
20
21- Kayode S.A., Gabriel A., Oluwatosin O., Adeyolanu D., and Adebayo O. 2008. Slash and burn effect on soil quality of an Alfisol: Soil physical properties. Soil and Tillage Research, 103:4–10.
21
22- Ketterings Q.M., and Bigham J.M. 2000. Soil color as an indicator of slash-and-burn fire severity and soil fertility in Sumatra, Indonesia. Soil Science Society of America Journal, 64:1826–1833.
22
23- Li X.G., Li Y.K., Li F.M., Ping Q.M., Zhang L., and Yin P. 2009. Changes in soil organic carbon, nutrients and aggregation after conversion of native desert soil into irrigated arable land. Soil and Tillage Research, 104:263–269.
23
24- Lorena M., Zavala F.A., and Gonzalez A.J. 2009. Fire-induced soil water repellency under different vegetation types along the Atlantic dune coast-line in SW Spain. Catena, 79:153–162.
24
25- Martinez F.J., and Pereira D.E. 1994. Changes of the physical and chemical properties in soil affected by forest fire in Sierra Larga, Murcia, Spain. p. 67–77. In M. Sala and J.L. Rubio (ed.) Soil erosion and degradation as a consequence of forest fires: Geoforma Ediciones, Logron˜o.
25
26- McKenzie N., Coughlan K., and Cresswell H. 2008. Soil physical measurement and interpretatation for land evaluation. p.108-119. CSIRO, Sydney, Australia.
26
27- Oliva F.G., Robert L.S., and Kelly E. 1999. Effects of slash-and-burn management on soil aggregate organic C and N in a tropical deciduous forest. Geoderma, 88:1–12.
27
28- Philip J.R. 1957. The theory of infiltration. The infiltration equation and its solution. Soil science, 3:345–357.
28
29- Robichaud P.R. 1999. Fire effects on infiltration rates after prescribed fire in Northern Rocky Mountain forests, USA. Journal of Hydrology, 232:220–229.
29
30- Schonning P., Munkholm L.J., Elmholt S., and Olsen J.E. 2007. Organic matter and soil tilth in arable farming: management makes a difference within 5-6 years. Agriculture, Ecosystems and Environment, 122:157-172.
30
31- Stoof C.R., Wesseling J.G., and Ritsema C.J. 2010. Effects of fire and ash on soil water retention. Geoderma, 159:276-285.
31
32- Valzano F.P., Greene R.S.B., and Murphy B.W. 1997. Direct effects of stubble burning on soil hydraulic and physical properties in a direct drill tillage system. Soil and Tillage Research, 42:209-219.
32
33- Wells C.G., Campbell R.E., DeBano L.F., Lewis C.E., Fredriksen R.L., Franklin E.C., Froelich R.C., and Dunn P.H. 1979. Effects of fire on soil, a state-of-knowledge review. USDA Forest Service, Washington Office, General Technical Report WO-7.
33
34- Wuest S.B., Caesar-TonThat T.C., Wright S.F., and Williams J.D. 2005. Organic matter addition, N, and residue burning effects on infiltration, biological, and physical properties of an intensively tilled silt-loam soil. Soil and Tillage Research, 84:154–167.
34
35- Zavala L.M., Granged A.J.P., Jordan A., and Gema B.M. 2010. Effect of burning temperature on water repellency and aggregate stability in forest soils under laboratory conditions. Geoderma, 158:366–374.
35
ORIGINAL_ARTICLE
بررسی تاثیر باکتریهای سودوموناس و باسیلوس در عملکرد گندم و جذب عناصر غذایی و مقایسه آن با کود شیمیایی و آلی
هزینههای بالای کاربرد کود در سیستمهای زراعی و مسائل آلودگی و تخریب خاک عواملی است که باعث شده استفاده کامل از منابع غذایی گیاهی قابل تجدید موجود (آلی و بیولوژیکی) به همراه کاربرد بهینه ای از کودها جهت حفظ باروری، ساختمان، فعالیت حیاتی، ظرفیت تبادل و ظرفیت نگهداری آب در خاک انجام گیرد. لذا در سالهای اخیر توجه محققین کشاورزی به کودهای زیستی و آلی به عنوان جایگزین مناسبی برای کودهای شیمیایی جلب شده است. هدف از این پژوهش بررسی اثرات کود سوپر فسفات تریپل، باکتری های حل کننده فسفات و ماده آلی در عملکرد کیفی و کمی گندم و جذب عناصر غذایی اجرا گردید. آزمایش گلدانی بصورت فاکتوریل در قالب طرح بلوکهای کامل تصادفی با سه فاکتور: 1- باکتریهای حل کننده فسفات در سه سطح شاهد، باکتری سودوموناس پوتیدا و باکتری باسیلوس کواگولانس، 2- کود سوپر فسفات تریپل در پنج سطح صفر، 25 درصد، 50 درصد، 75 درصد و 100 درصد، 3- ماده آلی در دو سطح صفر و 15 تن در هکتار در خاکی با فسفر قابل دسترس (13میلی گرم در کیلوگرم خاک) کمتر از حد کفایت گیاه (15میلی گرم در کیلوگرم خاک) گندم انجام گردید. بر اساس نتایج آزمایش بیشترین عملکرد در تیمار باکتری سودوموناس پوتیدا، ماده آلی و 25 درصد کود فسفاته به دست آمد. می توان نتیجه گرفت در شرایط این آزمایش باکتریهای حل کننده فسفات و ماده آلی بطور معنی داری عملکرد بیشتری نسبت به شاهد نشان دادند و ترکیب آنها با کود فسفاته تأثیر چشمگیری بر کاهش مصرف کود فسفاته داشت.
https://jsw.um.ac.ir/article_37892_18f53c8b6202e93234f02fbb22811f50.pdf
2015-12-22
976
986
10.22067/jsw.v0i0.24371
باسیلوس
سودوموناس
کودهای زیستی
گندم
مواد آلی
علیرضا
فلاح نصرت آباد
fallahalireza50@yahoo.com
1
موسسه تحقیقات خاک و آب
LEAD_AUTHOR
شایان
شریعتی
khaksarboland@yahoo.com
2
باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد رشت
AUTHOR
رحمانی ا.، و فلاح نصرت آبادی ع. 1380. تولید و ترویج کودهای بیولوژیک محرک رشد گیاه. مجله علوم آب و خاک. جلد 12. صص 105-97.
1
2- راثی پور ل.، و اصغرزاده ن ع. 1386. اثر متقابل باکتری های حل کننده فسفات و (Bradyrhizobium japonicum) بر شاخص های رشد، غده بندی عناصر غذایی در سویا. مجله علوم و فنون کشاورزی. جلد 11. شماره 40. صص 63-53.
2
3- فلاح نصرت آبادی ع. 1382. بررسی پراکنش میکروارگانیسم های حل کننده فسفات در خاک های استان گیلان و اثر بخشی آنها در عملکرد گندم و برنج. پایان نامه دکتری، دانشگاه تربیت مدرس. ص 124.
3
4- لطف الهی م.، ملکوتی م.ج.، خاوازی ک.، و بشارتی ح. 1383. ارزیابی روشهای مصرف مستقیم خاک فسفات در افزایش عملکرد ذرت علوفهای در کرج. در ملکوتی. م.ج و بلالی. م. ر. مصرف بهینه کود راهی برای پایداری در تولیدات کشاورزی نشر آموزش کشاورزی کرج ایران.
4
5- محمد زاده ع.، و میوه چی لنگرودی ح. 1377. روش مصرف توأم کود حیوانی و فسفره در خاک برای کاهش مصرف کودهای فسفره در خاک های استان بوشهر. نشریه علمی پژوهشی مؤسسه تحقیقات خاک و آب. جلد 12. شماره 1. صص27-20.
5
6- نورقلی پور ف.، ملکوتی م.ج.، و خاوازی ک. 1380. نقش باکتریهای تیوباسیلوس و حل کننده های فسفات برای افزایش قابلیت جذب فسفر. ضرورت تولید صنعتی کودهای بیولوژیک در کشور (مجموعه مقالات). نشر آموزش کشاورزی به سفارش مؤسسه خاک و آب.
6
7- Alipour Z.T. and Sobhanipour A. 2012. The Effect of Thiobacillus and Pseudomonas fluorescent Inoculation on maize growth and Fe Uptake, Annals of Biological Research, 3 (3):1661-1666.
7
8- Arunachalam V. and Bandyopadhyay A. 1984. A method to make decision jointly on a number of dependent characters, Indian Journal of Genetics, 44: 419-424.
8
9- Banik S. and Dey B.K. 1982. Available phosphate content of an alluvial soil as influenced by inoculation of some isolated phosphate-solubilizing micro-organisms, Plant and soil, 69: 353-364.
9
10- Carter M. R. and Gregorich E. G. 2008. Soil Sampling and Methods of Analysis. 2nd ed. Canadian Society of Soil Science, 1224.
10
11- Disimin C.D., Sayer J.A. and Gadd G.M. 1998. Solubilization of zinc phosphate by a strain of Pseudomonase fluorescens isolated from a forest soil, Biology and Fertility of Soils, 28: 87-94.
11
12- Hameedaa B., Harinib G.O., Rupelab P., Wanib S.P. and Reddya G. 2008. Growth promotion of maize by phosphate solubilizing bacteria isolated from composts and macrofauna, Microbiological Research, 163:234-242.
12
13- Hofte M.K., Seong Y., Jurkevitch E. and Verstraete W. 1991. Pyoverdin production by the plant growth beneficial Pseuodomonas strain 7SNK2: Ecological significance in soil, Plant and Soil, 130: 249-257.
13
14- Illmer P. and Schinner F. 1992. Solubilization og inorganic phosphate by microorganisms isolated from forest soils, Soil biology and Biochemistry, 24: 389-395.
14
15- Khan M.S., Zaidi A. and Wani P.A. 2007. Role of phosphate-solubilizing microorganisms in sustainable agriculture-a review. Agronomy for sustainable development, Agronomy for Sustainable Developments, 27:29–43.
15
16- Lindsay W.L. and Norvell W.A. 1978. Development of a DTPA soil test for zinc, iron, manganese and copper, Soil Science Society of America Journal, 42: 421-428.
16
17- Mehboob I., Naveed M. and Zahir Z.A. 2009. Rhizobial association with non-legumes: Mechanismsand application, Critical Reviews in Plant Science, 2009: 28:432-456.
17
18- Narsian V. and Patel H.H. 2006. Biodiversity of phosphate solubilizing microorganisms in various rhizosphere soils of Bhavnagar district, Asian Journal of Microbiolog, Biotechnology and Enviromental Sciences, 8(2): 201-204.
18
19- Pradhan N. and Sukla L.B. 2005. Solubilization of inorganic Phosphates by Fungi isolated from agriculture soil, Journal of Biotechnology, 5: 850-854.
19
20- Puente M. and Bashan Y. 2004. Microbial population and activity in the rhizoplan of rock-weathering desert plants, Growth promotion of cactus sedling. Plant Biology, 6: 643-650.
20
21- Ryan J., Estefan G. and Rashid R. 2001. Soil and Plant Analysis Laboratory Manual. Second Edition. Available from ICARDA, Aleppo, Syria, 172.
21
22- Ring R. and Warman P.R. 2000. Phosphorus mineralization from three similar municipal solid waste compost-treated soils by two extraction methods. pp. 449-456.In: Warman P. R., Taylor B. (Eds.), Proceedings of the International Composting Symposium. CBA Press Inc. (Pubs.), Halifax/Darthmouth, Nova Scotia, Canada.
22
23- Saini V.K., Bhandari S.C. and Tarafdar J.C. 2004. Comparison of crop yield, soil microbial C, N and P, N-fixation, nodulation and mycorrhizal infection in inoculated and non-inoculated sorghum and chickpea crops, Field Crops Research, 89 (l): 39-47.
23
24- Schachtman D.P., Reid J. and Ayling S.M. 1998. Phosphorus uptake by plants: From Soil to Cell, Plant Physiology, 116:447-453.
24
25- Sharif M., Chaudhrg F. and Lorho A.G. 1974. Suppression of super phosphate-phosphorus fixation by farmyard manure. Part 2. Soil Science and Plant Nutrition, 20(4):395-401.
25
26- Sparks D.L. 1996. Method of soil Analysis. Part3. Chemical Methods. American Society of Agronomy. 1390.
26
27- Subba Rao N.S. 1988. Biofertilizers in Agriculture, Oxford and IBH Publishing Co., New Delhi, 208.
27
28- Tian G. and Kolawole G.O. 2004. Comparison of various plant residues as phosphate rock amendment on Savanna Soils of West Africa, Journal of plant nutrition, 27: (4) 571-583.
28
29- Vassilev N., Vassileva M. and Nikolaeva I. 2006. Simultaneous P-solubilizing and biocontrol activity of microorganisms: Potential and future trends, Applied Microbiol Biotechnology, 71: 137-144.
29
30- Yahya A.J. and Al-Alzawi S.K. 1989. Occurrence solubilizing bacteria in some Iraqi soils. Plant and Soil, 117: 135-141.
30
31- Yazdani M., Bahmanyar M.A., Pirdashti H. and Esmaili M.A. 2009. Effect of phosphate solublization bacteria microorganisms (PSM) and plant growth promoting rhizobacteria (PGPR) on yield and yield components of corn (Zea mays L.).World academy of science, Engineering and technology, 49:90-92.
31
ORIGINAL_ARTICLE
شناسایی و خالصسازی مونتموریلونیت از بنتونیت معدن قائن
مونتموریلونیت کانی غالب تشکیلدهنده بنتونیت است که در بسیاری از صنایع مورد استفاده قرار میگیرد، اما وجود ناخالصیهای غیر از مونتموریلونیت موجب کاهش کیفیت آن میشود. هدف این پژوهش تعیین روشی مناسب جهت خالصسازی مونتموریلونیت از بنتونیت تولیدی معدن قائن بود. برای این منظور از ترکیبی از روش الک تر، استفاده از روش تهنشینی ذرات، سانتریفوژ و اولتراسونیک استفاده شد. کارایی روش خالصسازی با استفاده از آنالیز پراش پرتو ایکس، تعیین اندازه ذرات، تبادل کاتیونی و نسبت شدت پیک کوارتز به مونتموریلونیت قبل و پس از خالصسازی تعیین شد. نتایج این مطالعه نشان داد که بکارگیری روشهای مذکور برای تهیه مادهای سرشار از مونتموریلونیت با اندازه ذرات کوچکتر از 2 میکرومتر مناسب است. کریستوبالیت تنها کانی بود که با وجود حذف مقدار زیادی از آن، هنوز بهعنوان ناخالصی به همراه مونتموریلونیت باقی مانده است که احتمالا تنها راه حذف کامل آن استفاده از روش های شیمیایی است. نتیجه این پژوهش نشان داد که با استفاده از روشهای سریع و ارزان میتوان بنتونیت را تا حد مناسبی خالصسازی کرد.
https://jsw.um.ac.ir/article_37895_883702e8b954d3e471a881cca576cbe4.pdf
2015-12-22
987
997
10.22067/jsw.v0i0.25379
مونتموریلونیت
بنتونیت
خالصسازی رس
پریسا
میرحسینی موسوی
p_mh2003@yahoo.com
1
دانشگاه فردوسی مشهد
LEAD_AUTHOR
علیرضا
آستارایی
astaraei@um.ac.ir
2
دانشگاه فردوسی مشهد
AUTHOR
علی رضا
کریمی
karimi@um.ac.ir
3
فردوسی مشهد
AUTHOR
غلامرضا
کریمی
karimig@mums.ac.ir
4
دانشگاه علوم پزشکی مشهد
AUTHOR
1- Akther S., Hwang J.and Lee H. 2008. Sedimentation characteristics of two commercial bentonites in aqueous suspensions. J.Clay Mineralogy. 43, 449-457.
1
2- Albena I., Mihailova B., Tsintsov Z. and Petrov O. 2007. Structural state of microcrystalline opals: A Raman spectroscopic study. J. American Mineralogist, 92, 1325- 1333.
2
3- Brigatti M.F., Galan E. and Theng B.K.G. 2006. Structure and mineralogy of clay minerals In: Bergaya, F., Theng, B.KG., Lagaly, G. (Eds.), Handbook of Clay Science, Elsevier, Amsterdam, pp. 743–752.
3
4- Bhattacharyya K.G. and Gupta S.S. 2008. Immobilization of Pb (II), Cd (II) and Ni (II) ions on kaolinite montmorillonite surfaces from aqueous medium. J. Environmental Management. 87, 46–58
4
5- Chantawong V. 2004. Adsorption of heavy metals by Montmorillonite. The joint international conference on “Sustainable Energy and Environment (SEE).Hua Hin, Thailand.
5
6- Duman O. and Tunc S. 2009. Electrokinetic and rheological properties of Na-bentonite in some electrolyte solutions. J.Microporous and Mesoporous Materials 117, 331–338
6
7- Earley J.W., Osthaus B.B. and Milne I.H. 1985. Purification and properties of montmorillonite. Gulf Research and Development Company, Pittsburgh, Pennsylvania. 707-724.
7
8- Ha Thuc Ch.N, Grillet A.C., Reinert L., Ohashi F., Ha Thuc H. and Duclaux L. 2010. Separation and purification of montmorillonite and polyethylene oxide modified montmorillonite from Vietnamese bentonites. J. Applied Clay Science .49, 229–238.
8
9- Henderson J.H., Jackson M.L. and Syers J.K. 1971. Cristobalite authigenic origin in relation to montmorillonite and quartz origin in bentonites. J.Clays and Clay Minerals, 19, 229-238.
9
10- Holtzer M., Bobrowski A. and Grabowska B. 2011. Montmorillonite: a comparison method for its determination in foundry bentonites. J. Metalurgija. 2,119-122.
10
11- James O.O., Adediran Mesubi M., Adekola A., Odebunmi O. and Adekeye J.I.D. 2008. Benefication and characterisation of a bentonite from north –eastern Nigeria. J. North Carolina Academy of Science, 124(4), 154–158.
11
12- Jacqueline Arroyo L., Teppen B.J. and Boyd S. 2005. A simple method for partial purification of references clays. J.Clays and Clay Minerals, 53(5), 512-520.
12
13- Ilieva A. and Dimov V. 2005. Montmorillonite – Cristobalite association in bentonite clays from Bulgarian deposits. Bulgarian geological society, 80-th anniversary. 71- 74.
13
14- Inglethorpe S.D.J., Morgan D.J., Highley D.E., and Bloodworth A.J. 1993. Thchinal report WG/93/20. Mineralogy and Petrology Series. British Geological Survey. 1-115.
14
15- Lopez-Galindo A., Viseras C. and Cerezo P. 2007. Compositional, technical and safety specifications of clays to be used as pharmaceutical and cosmetic products. J .Applied Clay Science. 36, 51–63.
15
16- Luckham P.F. and Rossi S. 1999. The colloidal and rheological properties of bentonite suspension. J. Advances in colloidal and interface science. 82, 43-92.
16
17- Liu X., Lu X., Qiu J., Wang Zh. and Wu P. 2012. Purification of Low Grade Ca-bentonite for Iron Ore Pellets. J.Advanced Materials Research. 454,237-241.
17
18- Moore D.M. and Jr Reynolds R.C. 1989. Sample preparation techniques for clay minerals. pp. 179-201 In: X-ray Diffraction and the Identification and Analysis of Clay Minerals. Oxford University Press, New York.
18
19- Muungan N. and Jessen F.W. 1962. Studies in fractionated montmorillonite suspensions. J.Clays and Clay Minerals. 11(1). 282-294.
19
20- Ross C.S. 1958. Review of the relationship in the montmorillonite group of clay minerals. U.S. geological survey, Washington D.C. J.Clays and Clay Minerals. 7 (1), 225.229.
20
21- Ross C.S. and Shannon E.V. 1926. The minerals of bentonites and related clays and their physical properties. The American Ceramic Society. Bull. 9, 77-96.
21
22- Schultz Ch. and Grundl T. 2000. pH dependence on reduction rate of 4-Cl-nitrobenzene by FeII/montmorillonite systems. J. Environmental Science & Technology.34, 3641–3648.
22
23- Shirvani M., Shariatmadari H., Kalbasi M., Nourbakhsh F. and Najafi B. 2006. Sorption of cadmium on palygorskite, sepiolite and calcite: Equilibrium and organic ligand affected kinetics. J.Colloids and Surfaces A: Physicochem. Eng. 287, 182–190.
23
24- Srinivasan R. 2011. Advances in application of natural clay and its composites in removal of biological, organic, and inorganic contaminants from drinking water. J. Advances in Materials Science and Engineering. 1-17.
24
25- Klute A. 1986. Methods of soil analysis. Part 1- physical and mineralogical methods.1- 1173. Madison, Wisconsin USA.
25
26- Wei L., Zitian F. and Xueting H. 2009. Performance characteristics of EZhoubentonite of Hubei province and its modification. China foundry .6 (4), 308-313.
26
27- Adamis Z. and Williams R.B. 2005. Bentonite, kaolin, and selected clay minerals. Environmental Health Criteria. World Health Organization Library, Vol. 231. Cataloguing-in-Publication Data, Geneve.
27
ORIGINAL_ARTICLE
نقشه برداری رقومی سه بعدی ظرفیت تبادل کاتیونی خاک در منطقه دورود استان لرستان
ظرفیت تبادل کاتیونی خاک از جمله خصوصیات مهم خاک می باشد که در پایگاه های داده ای مربوط به خاک و به عنوان ورودی در مدل های زیست محیطی و نیز مدل های مربوط به خاک به کار می رود. این مقاله از یک روش جدیدبرای پیش بینی تغییرات مکانی ظرفیت تبادل کاتیونی خاک به طور پیوسته (تا عمق یک متر) در منطقه دورود استان لرستان بهره می گیرد. در مطالعه حاضر از ترکیب معادلات عمق اسپیلاین با نواحی یکسان و تکنیک نقشه برداری رقومی خاک بهره گرفته شد تا با استفاده از تعداد محدودی نقطه (103 نقطه)، تغییرات سطحی و عمقی ظرفیت تبادل کاتیونی خاک در کل محدوده مورد مطالعه بررسی شود. جهت ارتباط دادن ظرفیت تبادل کاتیونی خاک و متغیرهای کمکی به دست آمده از تصاویر ماهواره ای و مدل رقومی ارتفاع، از مدل رگرسیون درختی استفاده شد. نتایج نشان داد که در پیش بینی پارامتر مذکور، بعضی از پارامترهای کمکی از جمله باند سه تصویر ماهواره و مساحت اصلاح شده حوزه دارای اهمیت بیشتری بودند. همچنین نتایج نشان داد که مدل درختی به خوبی متغیر هدف را در پنج عمق استاندارد با ضریب تبیین 84/0، 84/0، 84/0، 66/0، 27/0 و میانگین ریشه مربعات به ترتیب 75/1، 84/1، 84/1، 11/2، 16/2 پیش بینی کرده است که بیانگر قابل قبول بودن نتایج در همه اعماق (بجز عمق پنجم) می باشند. نتایج تحقیق حاضر نیز نشان داد که استفاده از نقشه برداری رقومی، رگرسیون درختی و معادله اسپیلاین با نواحی یکسان ابزارهایی قدرتمند جهت برآورد تغییرات مکانی ظرفیت تبادل کاتیونی خاک به صورت جانبی و عمقی می باشند.
https://jsw.um.ac.ir/article_37899_bb646bbae1bef07e9d7a2374bf69da7b.pdf
2015-12-22
998
1010
10.22067/jsw.v0i0.27761
رگرسیون درختی
معادلات عمق خاک
نقشه برداری رقومی خاک
روح الله
تقی زاده مهرجردی
rh_taghizade@yahoo.com
1
دانشگاه اردکان
LEAD_AUTHOR
علیرضا
امیریان چکان
aramirian@yahoo.com
2
دانشگاه صنعتی خاتم النبیاء بهبهان
AUTHOR
فریدون
سرمدیان
fsarmad@ut.ac.ir
3
دانشگاه تهران
AUTHOR
1- Akramkhanov A., Martius C., Park S.J., and Hendrickx J.M. 2011. Environmental factors of spatial distribution of soil salinity on flat irrigated terrain. Geoderma, 163: 55-62.
1
2- Amini M., Abbaspour K.C., Khademi H., Fathianpour N., Afyuni M., and Schulin R. 2005. Neural network models to predict cation exchange capacity in arid regions of Iran. European J. Soil Sci., 56: 551-559.
2
3- Baker L., and Ellison D. 2008. Optimization of pedotransfer functions using an artificial neural network ensemble method. Geoderma, 144: 212–224.
3
4- Bishop T.F.A., McBratney A.B., and Laslett G.M. 1999. Modelling soil attribute depth functions with equal-area quadratic smoothing splines. Geoderma, 91: 27–45.
4
5- Breiman L., Friedman J.H., Olshen R.A., and Stone C.J. 1984. Classification and regression. Tress. Wadsworth, Belmont, CA.
5
6- Dehni A., and Lounis M. 2012. Remote sensing techniques for salt affected soil mapping: application to the Oran region of Algeria. Pro. Engi. 33: 188- 198.
6
7- Dwivedi R.S., and Sreenivas K. 1998. Delineation of salt-affected soils and waterlogged areas in the Indo-Gangetic plains using IRS-1C LISS-III data. I. J. Rem. Sens, 14: 2739- 2751.
7
8- Elnaggar A.A. 2007. Development of predictive mapping techniques for soil survey and salinity mapping. Ph.D. dissertation, Oregon State University, Corvallis, Oregon.
8
9- Erh K.T. 1972. Application of spline functions to soil science. Soil Sci., 114: 333–338.
9
10- Florinsky I.V., Eilers R.G., Manning G.R., and Fuller L.G. 2002. Prediction of soil properties by digital terrain modelling. Env. Modell. Soft. 17: 295– 311.
10
11- Ghanbarian-Alavijeh B., Taghizadeh-Mehrjardi R., and Huang G. 2012. Estimating Mass Fractal Dimension of Soil Using Artificial Neural Networks for Improved Prediction of Water Retention Curve. Soil Sci., 177: 471-479.
11
12- Grimm R., Behrens T., Marker M., and Elsenbeer H. 2008. Soil organic carbon concentrations and stocks on Barro Colorado Island — digital soil mapping using Random Forests analysis. Geoderma, 146: 102–113.
12
13- Grunwald S. 2009. Multi-criteria characterization of recent digital soil mapping and modelling approaches. Geoderma, 152: 95–207.
13
14- Hengl T., Rossiter D. G., and Stein A. 2003. Soil sampling strategies for spatial prediction by correlation with auxiliary maps. Geoderma. 120: 75–93.
14
15- Jenny H. 1941. Factors of Soil Formation. McGraw-Hill, New York.
15
16- Lagacherie P. 2008. Digital soil mapping: astate of the art. P. 3-14. In: A. E. Hartemink et al. (ed.) Digital Soil Mapping with Limited Data. Springer Science, Australia.
16
17- MacMillan R.A., Moon D.E., and Coupe R.A. 2007. Automated predictive ecological mapping in a forest region of B.C., Canada, 2001–2005. Geoderma, 140: 353–373.
17
18- Malone B.P., McBratney A.B., Minasny B., and Laslett G.M. 2009. Mapping continuous depth functions of soil carbon storage and available water capacity. Geoderma, 154: 138–152.
18
19- Manrique L.A., Jones C.A., and Dyke P.T. 1991. Predicting cation-exchange capacity from soil physical and chemical properties. Soil Sci. Soc. Am. J., 55: 787-794.
19
20- McBratney A.B., Mendonça-Santos M.L., and Minasny B. 2003. On digital soil mapping. Geoderma, 117: 3– 52.
20
21- Metternicht G., and Zinck J.A. 2003. Remote sensing of soil salinity: Potentials and constraints. Rem. Sens. Env. 85: 1-20.
21
22- Minasny B., McBratney A.B., and Hartemink A.E. 2010. Global pedodiversity, taxonomic distance, and the World Reference Base. Geoderma, 155: 132-139.
22
23- Minasny B., McBratney A.B., Mendonca-Santos M.L., Odeh I.O.A., and Guyon B. 2006. Prediction and digital mapping of soil carbon storage in the Lower Namoi Valley. Aus. J. Soil Res., 44: 233–244.
23
24- Moran C.J., and Bui E.N. 2002. Spatial data mining for enhanced soil map modelling. I. J. Geo. Info. Sci., 16: 533-549.
24
25- Nyssen J., Tmesgen H., Lemenih M., Zenebe A., Haregeweyn N., and Haile M. 2008. Spatial and temporal variation of soil organic carbon stocks in a lake retreat area of the Ethiopian Rift Valley. Geoderma, 146: 261–268.
25
26- Odeh I.O.A., and Onus A. 2008. Spatial Analysis of Soil Salinity and Soil Structural Stability in a Semiarid Region of New South Wales, Australia. Env. Manag., 42: 265–278
26
27- Odgers N.P., Libohova Z., and Thompson J.A. 2012. Equal-area spline functions applied to a legacy soil database to create weighted-means maps of soil organic carbon at a continental scale. Geoderma, 190: 153–163.
27
28- Parasuraman K., Elshorbagym A., and Si S.C. 2008. Estimating saturated hydraulic conductivity using genetic programming. Soil Sci. Soc. Am. J., 71, 1676–1684.
28
29- Ponce-Hernandez R., Marriott F.H.C., and Beckett P.H.T. 1986. An improved method for reconstructing a soil-profile from analysis of a small number of samples. J. Soil Sci., 37: 455–467.
29
30- Quinlan J.R. 2001. Cubist: An Informal Tutorial. http://www.rulequest.com.
30
31- Rossiter D.G., Geomatica S., and Bogota S. 2005. Digital soil mapping: towards a multiple-use soil information system. I. J. Geo-inform. Sci.
31
32- Russell J.S., and Moore A.W. 1968. Comparison of different depth weightings in the numerical analysis of anisotropic soil profile data: Transactions of the 9th International Congress of Soil Science, vol. 4, pp. 205–213.
32
33- Ryan P.J., McKenzie N.J., O’Connell D., Loughhead A.N., Leppert P.M., Jacquier D., and Ashton L. 2000. Integrating forest soils information across scales: spatial prediction of soil properties under Australian forests. Forest Eco. Manag. 138: 139–157.
33
34- Scull P., Franklin J., Chadwick O.A., and McArthur D. 2003. Predictive soil mapping: a review. Prog. Physical Geog., 27: 171-197.
34
35- Stoorvogel J.J., Kempen B., Heuvelink G.B.M., and Bruin S. 2009. Implementation and evaluation of existing knowledge for digital soil mapping in Senegal. Geoderma, 149: 161–170.
35
36- Sulaeman Y., Sarwani M., Minasny B., McBratney A.B., Sutandi A., and Barus B. 2012. Soil-landscape models to predict soil pH variation in the Subang region of West Java, Indonesia. P. 317-325. In B. Minasny et al. (ed). Digital Soil Assessment and Beyond. CRC Press.
36
37- Taghizadeh-Mehrjardi R., Minasny B., Sarmadian F., and Malone P.B. 2014. Digital mapping of soil salinity in Ardakan region, central Iran. Geoderma, 213: 15-28.
37
38- Vasques G.M., Grunwald S., and Sickman J.O. 2009. Modeling of soil organic carbon fractions using visible/near-infrared spectroscopy. Soil Sci. Soc. Am. J., 73: 176–184.
38
39- www.cgiar-csi.org/data/srtm-90m-digital-elevation-database
39
40- Zhu A.X., Hudson B., Burt J., Lubich K., and Simonson D. 2001. Soil mapping using GIS, expert knowledge, and fuzzy logic. Soil Sci. Soc. Am. J., 65: 1463–1472.
40
ORIGINAL_ARTICLE
مقایسه خصوصیات میکرومورفولوژیکی خاکهای شور-سدیمی و غیرشور- غیرسدیمی اطراف دریاچه اورمیه
تصور انجام مطالعات دقیق تشکیل خاک بدون کمک میکروموفولوژی مشکل است. برخی فرآیندها در سطوح ماکرومورفولوژی به اندازه کافی واضح و گویا نیستند. میکرومورفولوژی مطمئن ترین روش برای تشخیص همه فرآیندهای پیچیده در خاک است. در این تحقیق به منظور مقایسه خصوصیات میکرومورفیک خاک های شور-سدیمی و غیرشور- غیرسدیمی اراضی غرب دریاچه ارومیه، چهار خاکرخ (دو خاکرخ در اراضی شور-سدیمی و دو خاکرخ در اراضی غیرشور- غیرسدیمی) مورد بررسی قرار گرفتند. پس از تشریح و نمونه برداری خاکرخ ها طبق روش های استاندارد، تجزیه های فیزیکوشیمیایی انجام و مقاطع نازک از نمونه های دست نخورده و جهت دار تهیه شدند و با میکروسکوپ پلاریزان4 مورد مطالعه قرار گرفتند. بررسی مقاطع نازک5 نشان داد خاک های شور-سدیمی فاقد ریزساختمان بوده و منافذ آنها عمدتا از نوع ستاره ای است. منافذکانال و صفحه-ای نیز در خاک ها مشاهده شدند. در خاک های غیرشور-غیرسدیمی، خاک ها دارای ریزساختمان می باشند و منافذ آنها عمدتا از نوع حفرات آرایشی مرکب بوده است و همچنین حفرات کانال، صفحه ای و ستاره ای نیز مشاهده شدند. بی-فابریک هردو خاک عمدتاً از نوع بلوری است. عوارض خاکساز خاک های شور-سدیمی عبارتند از: پوششهای رس ته نشستی، تجمعات نمک شامل پوشش ها و پرشدگی های نمک که در داخل منافذ کانالی و ستاره ای مشاهده شدند ولی خاک های غیرشور- غیرسدیمی فاقد این عوارض بودند. پوشش های آلی نیز به صورت لکه هایی سیاه رنگ و در مواردی به صورت مخلوط با توده ریز خاک فقط در خاکهای شور-سدیمی مشاهده شدند. تجمعات آهکی شامل انواع گرهک های تیپیک، پرشدگی ها، پوشش های آهکی و تجمعات اکسیدهای آهن و منگنز به صورت گرهک ها و پوشش ها در هر دو خاک شور-سدیمی و غیر شور- غیرسدیمی مشاهده گردیدند.
https://jsw.um.ac.ir/article_37903_20998380f94bca990fb677ab97394f33.pdf
2015-12-22
1011
1024
10.22067/jsw.v0i0.28456
خاک شور-سدیمی
دریاچه اورمیه
میکرومورفولوژی
ساغر
چاخرلو
saghar.chakherloo@yahoo.com
1
دانشگاه ارومیه
LEAD_AUTHOR
شهرام
منافی
sh.manafi@urmia.ac.ir
2
دانشگاه اورمیه
AUTHOR
احمد
حیدری
ahaidari@ut.ac.ir
3
دانشگاه تهران
AUTHOR
1- اولیایی ح.ر. و ادهمی ا. و فرجی ه. 1388. مطالعه میکرومورفولوژی و کانی شناسی خاک های دشت آبریگون استان کهگیلویه و بویراحمد. مجموعه خلاصه مقالات یازدهمین کنگره علوم خاک ایران_گرگان. 21-24تیرماه. ص 109.
1
2- چاخرلو س. و منافی ش. 1392 . مطالعه میکرومورفیک منافذ و حفرات در برخی اراضی شور-سدیمی غرب دریاچه ارومیه. دومین همایش ملی تغییر اقلیم و تاثیر آن بر کشاورزی و محیط زیست ارومیه.
2
3- چاخرلو س. و منافی ش. 1392 . میکرومورفولوژی املاح ناشی از دریاچه ارومیه در قسمتی از اراضی شور_ سدیمی غرب دریاچه ارومیه. دومین همایش ملی تغییر اقلیم و تاثیر آن بر کشاورزی و محیط زیست ارومیه.
3
4- خرمالی ف. و ابطحی ع. و محمودی ش. 1382. میکرومورفولوژی افق آرجیلیک خاکهای آهکی استان فارس. هشتمین کنگره علوم خاک ایران. جلداول. ص192-194.
4
5- سپردار ش. و دلاور م.ا. و سرابچی ع. 1388. بررسی خصوصیات مینرالوژیکی و میکرومورفولوژیکی پوسته های نمکی در اراضی دشت آبیک. مجموعه خلاصه مقالات یازدهمین کنگره علوم خاک ایران_گرگان. 21-24تیرماه. ص132.
5
6- عاکف م. و محمودی ش. و کریمیان اقبال م. و سرمدیان ف. 1382. بررسی تغییرات ویژگی های فیزیکوشیمیایی و میکرومورقولوژی خاک جنگل های طبیعی تبدیل شده به شالیزارها در منطقه فومنات گیلان. مجله منابع طبیعی ایران. 56: 426-407.
6
7- محمودی ش .1362. مطالعه میکروموفولوژیکی یک خاک زرالفیک پل آرجید در منطقه گلدشت کرج. نشریه علمی و فنی دانشکده کشاورزی دانشگاه تهران. کرج-ایران. ص 19-32.
7
8- مقیسه ا. و محمودی ش. و احمدی ا. 1388. ضرورت بازنگری تعریف افق پتروجیپسیک در خاکهای شور و گچی. مجموعه خلاصه مقالات یازدهمین کنگره علوم خاک ایران_گرگان. 21-24تیرماه. ص156.
8
9- Abbaslou H., Abtahi A and Martin Peinado F. J. 2012. Micromorphology of arid soils developed on evaporates. Proceedings of the 14th International Working Meeting on Soil Micromorphology, 8-14 July .2012. Hormozgan Province., southern, Iran.
9
10- Ahmad F. 2011. Soil classification and micromorphology: A case study of Cholistan Desert. Journal of Soil Science and Environmental Management, 2: 321-328.
10
11- Amit R., and Yaalon D. H. 1996. The micromorphology of gypsum and halite in Reg soils- the Negev desert, Israel. Earth surfaces and landforms, 21: 1127-1 143.
11
12- Arfin M. 2003. Micromorphological characteristics of Andisols in West Java Indonesia. SSSA proceedings, 56: 1-10.
12
13- Banaei M.H. 1998. Soil Moisture and Temperature Regime Map of Iran. Soil and Water Research Institute. (Ed.) Ministry of Agriculture, Iran.
13
14- Benyarku C.A., and Stoops G. 2005. Guidelines for preparation of rock and soil thin sections and polished sections. Departament de Medi Ambient iCiènciesdelSòl. Universitat de Lleida, Spain.
14
15- Brewer R. 1964. Fabric and mineral analysis of soils, John Wiley and Sons Inc., NY.
15
16- Brewer R. 1976. Fabric and mineral analysis of soils. Reprint of 1964 .(ed.) With suppl. material, Robert E. Cringer Publ.Co, Huntington.,NY.
16
17- Buck B. J., Van Hoesen J., Khresat S., and Rawajfih Z. 2002. Morphology, SEM, and stable isotope analyses of pedogenic gypsum, USA, and Jordan. 17th World Congress of Soil Science, 14-24.2002. August, Thailand.
17
18- Bullock P., Fedoroff N., Jongerius A., Stoops G., Tursin T., and Babel U. 1985. Handbook for Soil Thin Section Description. Wain.
18
19- Dregne H. E. 1976. Soils of arid regions. Developments in soil science. 6. Elsevier scientific pub. Co. Amsterdam. 237pp.
19
20- Gerrard J. 2000. Fundamentals of soils. Routedge fundamentals of physical geography. Taylor & Francies group.
20
21- Hanna F.S., and Stoops G . 1976. Contribution to the micromorphology of some saline soils of the North Nile Delta in Egypt. Pedology, 26: 55-73.
21
22- Kaewmano Ch., Kheoruenromne I., Suddhiprakarn A and Gilkes R.J. 2010. Chemistry and clay mineralogy of Thai Natraqualfs. 2010. 19th World Congress of Soil Science, Soil Solutions for a Changing World. 1 – 6 August 2010, Brisbane, Australia.
22
23- Karlstorm E. T., Oviatt C. G. and Ransom M.D. 2008. Paleoenvironmental interpretation of multiple soil-loess sequence at Milford Reservoir, northeastern Kansas. Catena,72: 113-128.
23
24- Khormali F., Abtahi A., Mahmoodi A and Stoops G. 2003. Argillic horizon development in calcareous soils of arid and semi- arid regions of southern Iran. Catena776: 1-29.
24
25- Khresat S.A., and Qudah E.A. 2006. Formation and properties of aridic soils of Azraq Basin in northeastern Jordan. Journal of arid environments. Vol. 64: 116-136.
25
26- Lee S.Y., Philips D.H., Amons J.T., and Lietzke D.A. 1990. A microscopic study of iron and manganes oxide distribution in soils from east Tennessee (USA) In: Douglas, L.A. soil micromorphology: A basic and applied science. Developments in soil science 19.Elsevier
26
27- Manafi Sh. 2010. Calcium carbonate pendants as a record of climate change in semiarid soils of Rashakan region, Urmia, Iran. Soil science agrochemistry and ecology,No: 4.
27
28- Manafi Sh. 2012. Micromorphic evidences of climate change in some arid and semi arid soils in the west of Urmia Lake, Western Azerbaijan, Iran. Proceedings of the 14th International Working Meeting on Soil Micromorphology. Lleida 8-14 July .2012.
28
29- Mc Sweeney K., and Fastovsky D.E. 1990. Recognition of cemented subsurface horizons in sandy soils of certaceous _ paleogenage, eastern Montana. In: Douglas, L. A. soil micromorphology: A basic and applied science. Developments in soil science 19.Elsevier
29
30- Moghiseh E., Heidari A. 2012. Polygenetic saline gypsiferous soils of the Bam region, Southeast Iran. Journal of Soil Science and Plant Nutrition 2012, 12: 729-746.
30
31- Mohamadrezaie N., and Sarmadayan F. 2009. Micromorphological study for recognition GypsicAquisalidpedofeatures. 11th Iranian soil.
31
32- Randall Schaet Zl and Anderson Sh. 2005. Soils: Genesis and Geomorphology. Cambridge University press. 817 pp.
32
33- SharifiGarmdare J., Akef M., Salehi M.H., Mehnatkesh A. 2011. Stady of some of physicochemical, micromorphological and mineralogical soil properties on three slope position in Chelgerd region in Chaharmahal and Bakhtiari province. MS Thesis Soil Science, Faculty of Agriculture, University of Guilan. 98p.
33
34- Soil Survey staff. 1999. Soil Taxonomy. 2nd Edition. A Basic System of Soil Classification for Making and Interpreting Soil Surveys. USDA. NRCS.
34
35- Soil Survey staff. 2003. Soil Survey Manual. Soil Conservation Service. U.S. Dept of Agriculture. Handbook 18.
35
36- Soil Survey Staff. 2010. Keys to Soil Taxonomy. 11th Edition. USDA. NRCS.
36
37- Stoops G. 2003. Guidelines for the Analysis and Description of Soil and Regolith Thin Sections (SSSA,Madison,WL), p: 184.
37
38- Wheib K. A., Ibrahim O.N. 2012. Study of morphological and micromorphological properties of some salt affected soils in the middle of Iraq. The Iraqi Journal of Agricultural Sciences, 43: 106-118, 2012.
38
39- Wieder M., and Yaalon D.H. 1990. Micromorphological Fabrics and Developmental Stages of Carbonate Nobular Forms Related to Soil Characteristics.Geoderma, 28: 203-220.
39
40- Wieder M., Singer A., and Gvirtzman G. 1990. Morphological study of deep buried Jurassic basalt. Derived Paleosols from northern Israel. In: Douglas, L. A. Soil micromorphology: A basic and applied science. Developments in soil science. 19. Elsevier.
40
ORIGINAL_ARTICLE
نقشه برداری رقومی بافت خاک با استفاده از رگرسیون درختی و شبکه عصبی مصنوعی در منطقه بیجار کردستان
در مطالعه حاضر جهت پهنه بندی رقومی کلاس های بافتی خاک در منطقه بیجار کردستان، 103 پروفیل حفر، تشریح و از افق های سطحی A نمونه برداری شد. متغیرهای محیطی یا فاکتورهای خاک سازی که در این پژوهش استفاده شد شامل اجزاء سرزمین، داده های تصویر +ETM ماهواره لندست و نقشه سطوح ژئومورفولوژی می باشد. همچنین، جهت ارتباط دادن بین داده های خاک (رس، شن و سیلت) و متغیرهای کمکی از مدل های شبکه عصبی مصنوعی و رگرسیون درختی بهره گرفته شد. نتایج این تحقیق نشان داد که مدل رگرسیون درختی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به منظور پیش بینی هر سه پارامتر رس، شن و سیلت می باشد. برای جزء رس، مدل رگرسیون درختی و شبکه عصبی مصنوعی دارای ضریب تبیین و میانگین ریشه مربعات خطا 46/0، 81/0 و 10/17، 50/12 براساس داده های آزمون (20درصد) می باشد. نتایج نشان داد که برای پیش بینی رس، شن و سیلت پارامترهای سطوح ژئومورفولوژی، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا، ارتفاع، طول شیب و باند 3 مهمترین بوده اند. در کل نتایج نشان داد که مدل های درختی دارای دقت بالاتری نسبت به روش شبکه عصبی مصنوعی بوده و همچنین تفسیر نتایج مدل درختی بسیار راحت تر می باشد. لذا پیشنهاد می شود که جهت تهیه نقشه رقومی خاک از مدل های درختی در مطالعات آینده استفاده شود.
https://jsw.um.ac.ir/article_37906_81ed579a9521361896ce2f6af48720a4.pdf
2015-12-22
1025
1036
10.22067/jsw.v0i0.28735
متغیرهای محیطی
تغییرات مکانی
نقشه برداری رقومی
کمال
نبی اللهی
nabiollahy_k@yahoo.com
1
دانشگاه کردستان
LEAD_AUTHOR
احمد
حیدری
ahaidari@ut.ac.ir
2
دانشگاه تهران
AUTHOR
روح الله
تقی زاده مهرجردی
rh_taghizade@yahoo.com
3
دانشگاه اردکان
AUTHOR
1- Bell J.C., Cunningham R.L., and Havens M.W. 1992. Calibration and validation of a soil- landscape model for predicting soil drainage class. SSSJA, 56: 1860–1866.
1
2- Bie S.W., and Beckett P.H.T. 1971. Quality control in soil survey. II: The cost of soil survey. J. Soil Sci, 22: 453–465.
2
3- Breiman L., Friedman J.H., Olshen R.A., and Stone C.J. 1984. Classification and regression. Tress. Wadsworth, Belmont, CA.
3
4- Bui E.N., Loughhead A., and Corner R. 1999. Extracting soil-landscape rules from soil previous surveys. Aus. J. Soil Res, 37: 495-508.
4
5- Bui E.N., and Moran C.J. 2001. Disaggregation of polygons of surficial geology and soil maps using spatial modelling and legacy data. Geoderma. 103, 79– 94.
5
6- Cassel D.K., Wendroth O., and Nielsen D.R., 2000. Assessing spatial variability in an agricultural experiment station field, opportunities arising from spatial dependence. Agron. J, 92: 706–714.
6
7- Cerri C.E.P., Coleman K., Jenkinson D.S., Bernoux M., Victoria R., and Cerri C.C. 2003. Modeling soil carbon from forest and pasture ecosystems of Amazon, Brazil. SSSJA, 67: 1879–1887.
7
8- Fernndez-Glvez J., Simmonds L.P., and Barahona E. 2005. Estimating detailed soil water profile records from point measurements. E. J. Soil Sci, 57: 23-45.
8
9- Florinsky I.V., Eilers R.G., Manning G.R., and Fuller L.G. 2002. Prediction of soil properties by digital terrain modeling. Env. Model. Soft, 17: 295– 311.
9
10- Gee G.W., and Bauder J.W. 1986. Particle size analysis. p. 383-411. In: A. Klute. (ed). Methods of Soil Analysis. Part 1. A. Soc. Ag. Madison, WI.
10
11- Hassink J. 1992. Effects of soil texture and structure on carbonand nitrogen mineralization in grass-land soils. Biol. Fertil. Soils, 14: 126–134.
11
12- Henderson B.L., Bui E.N., Moran C.J., and Simon D.A.P. 2005. Australia-wide predictions of soil properties using decision trees. Geoderma. 124, 383-398.
12
13- Hengl T., Rossiter D.G., and Stein A. 2003. Soil sampling strategies for spatial prediction by correlation with auxiliary maps. Geoderma, 120: 75–93.
13
14- Jafari A., Finke P.A., de Wauw J.V., Ayoubi S., and Khademi H. 2012. Spatial prediction of USDA- great soil groups in the arid Zarand region, Iran: comparing logistic regression approaches to predict diagnostic horizons and soil types. E. J. Soil Sci, 63: 284–298.
14
15- Jain M.K., Kothyari U.C., and Raju K.G.R. 2005. GIS based distributed model for soil erosion and rate of sediment outflow from Catchments. J. Hydraulic Eng, 13:755–769.
15
16- Kheir B., Greve M.H., Bocher P.K., Greve M.B., Larsen R., and McCloy K. 2010. Predictive mapping of soil organic carbon in wet cultivated lands using classification-tree based models: The case study of Denmark. J. Env. Man, 91: 1150-1160.
16
17- Kheir R.B., Greve M.H., Abdallah C., and Dalgaard T. 2010. Spatial soil zinc content distribution from terrain parameters: A GIS-based decision-tree model in Lebanon. Environ. Poll, 158: 520–528.
17
18- Luoto M., and Hjort J. 2005. Evaluation of current statistical approaches for predictive geomorphological mapping. Geomorph, 67, 299-315.
18
19- Malone B.P., McBratney A.B., Minasny B., and Laslett G.M. 2009. Mapping continuous depth functions of soil carbon storage and available water capacity. Geoderma, 154: 138– 152.
19
20- McBratney A.B., Odeh I.O.A., Bishop T.F.A., Dunbar M.S., and Shatar T.M. 2000. An overview of pedometric techniques for use in soil survey. Geoderma, 97: 293–327.
20
21- McBratney A.B., Santos M.L.M., and Minasny B. 2003. On digital soil mapping. Geoderma, 117: 3–52.
21
22- Mendonça-Santos M.L., McBratney A.B., and Minasny B. 2006. Soil prediction with spatially decomposed environmental factors. Digital Soil Mapping — An Introductory Perspective, 31: 269–278.
22
23- Minasny B., and McBratney A.B. 2007. Incorporating taxonomic distance into spatial prediction and digital mapping of soil classes. Geoderma, 142: 285–293.
23
24- Moonjun R., Farshad A., Shrestha D.P., and Vaiphasa C. 2010. Artificial Neural Network and Decision Tree in Predictive Soil Mapping of Hoi NumRin Sub-Watershed, Thailand. Digital Soil Mapping. Pro. Soil Sci, 2, pp 151-164.
24
25- Moore I.D., Grayson R.B., and Ladson A.R. 1991. Digital terrain modeling: review of hydrological, geomorphological and biological applications. Hyd. Proc, 5: 3-30.
25
26- Moran C.J., and Bui E.N. 2002. Spatial data mining for enhanced soil map modelling. I. J. Geog. Info. Sci, 16: 533-549.
26
27- Oberthur T., Dobermann A., and Neue H.U. 1996. How good is a reconnaissance soil map for agronomic purposes? Soil Use Manage, 12: 33–43.
27
28- Quinlan J.R. 2001. Cubist: An Informal Tutorial. Available at http://www.rulequest.com.
28
29- Rossiter D.G., and Hengl T. 2001. Technical note: Creating geometrically-correct photo- interpretation, photo-mosaics, and base maps for a projects GIS. Available at http://www.itc.nl/rossiter.
29
30- Ryan P.J., McKenzie N.J., O'Connell D., Loughhead A.N., Leppert P.M., Jacquier D., and Ashton L. 2000. Integrating forest soils information across scales: spatial prediction of soil properties under Australian forests. For. Eco. Manag, 138:139–157.
30
31- Scull P., Franklin J., and Chadwick O.A. 2005. The application of classification of tree analysis to soil type prediction in a desert landscape. Eco. Model, 181: 1-15.
31
32- Taghizadeh-Mehrjardi R., Minasny B., Sarmadian F., and Malone, P.B. 2013. Digital mapping of soil salinity in Ardakan region, central Iran. Geoderma, 213: 15-28.
32
33- Thattai D., and Islam S. 2000. Spatial analysis of remotely sensed soil moisture data. J. Hydrol. Eng, 5: 386–392.
33
34- Ungaro F., Ragazzi F., Cappellin R., and Giandon P. 2008. Arsenic concentration in the soils of the Brenta Plain (Northern Italy): Mapping the probability of exceeding contamination thresholds. J. Geo. Explo, 96: 117-131.
34
35- Voltz M., and Webster R. 1990. A comparison of kriging, cubic-splines and classification for predicting soil properties from sample information. J. Soil Sci, 41: 473–490.
35
36- Voltz M., Lagacherie P., and Louchart X. 1997. Predicting soil properties over a region using sample information from a mapped reference area. Eur. J. Soil Sci, 48: 19–30.
36
37- Webster R. 1968. Fundamental objection to the 7thapproximation. J. Soil Sci, 19: 354–365.
37
38- Wischmeier W.H., and Smith D.D. 1978. Predicting Rainfall Erosion Losses, a Guide to Conservation Planning, Agriculture Handbook No. 537. U.S. Department of Agriculture, Washington, DC.
38
39- Zhao Z., Chow T.L., Rees H.W., Yang Q., Xing Z., and Meng F. 2009. Predict soil texture distributions using an artificial neural network model. Com. Elec. Agr, 65: 36-48.
39
40- Zinck J.A. 1989. Physiography and soils. Lecture notes for K6 course. Soils Division, pp. 156, ITC, Enschede, The Netherlands.
40
ORIGINAL_ARTICLE
کاربرد مدل شبکه عصبی مصنوعی در خرد مقیاس نمودن برون داد های مدل GCM برای پیش بینی بارش در پهنه جنوبی ایران
در این مطالعه، شبکه های عصبی مصنوعی و مدل های رگرسیونی برای خرد مقیاس نمودن خروجی های شبیه سازی شده مدل های گردش عمومی جو استفاده شدند. مجموعه داده های شبیه سازی شده بارش برای محدوده º18/25 تا º51/34 شمالی و º45 تا º60 شرقی، ارتفاع ژئو پتانسیل در سطح 850 میلی بار و باد مداری در سطح 200 میلی بار برای °56/12 تا °25/43 شمالی و °68/19 تا °87/61 شرقی به عنوان پیشگو کننده ها از مدلGCM ECHAM5 برای دوره 2005- 1960 استخراج شدند. بارش ماهانه دیده بانی شده ایستگاه های آبادان، آباده، اهواز، بندرعباس، بوشهر، شیراز و فسا برای دوره 2005-1960 به عنوان پیشگو شونده ها استخراج شدند. مؤلفه های اصلی داده های شبیه سازی شده استخراج و شش مؤلفه اصلی به عنوان ورودی مدل های شبکه عصبی مصنوعی و رگرسیون چند گانه در نظر گرفته شدند. همچنین ترکیب مجموعه داده های شبیه سازی شده به عنوان ورودی این مدل ها استفاده شدند. دوره های 2000-1960 و 2005-2001 به ترتیب به عنوان دوره های آموزش و آزمون در شبکه عصبی مصنوعی در نظر گرفته شدند. نتایج ضریب همبستگی پیرسون و جذر میانگین مربعات خطای استاندارد شده نشان داد که در بیشتر مواقع شبکه عصبی مصنوعی دقیق تر از رگرسیون چند گانه، بارش را پیش بینی می کند. برای مقیاس زمانی ماهانه داده های شبیه سازی شده ارتفاع ژئوپتانسیل بهترین پیشگو کننده و برای مقیاس فصلی (زمستان) بهترین پیشگو کننده در مدل شبکه عصبی مصنوعی، مؤلفه های اصلی استاندارد شده داده های شبیه سازی شده بارش می باشد.
https://jsw.um.ac.ir/article_37911_db62c7799945474935847a646e2395bd.pdf
2015-12-22
1037
1047
10.22067/jsw.v0i0.21222
بارش
پهنه جنوبی ایران
خرد مقیاس نمودن
شبکه عصبی مصنوعی
مدل گردش عمومی جو
نوشین
احمدی باصری
n.ahmadi93@basu.ac.ir
1
بوعلی سینا همدان
AUTHOR
امین
شیروانی
am_shirvani@hotmail.com
2
دانشگاه شیراز
AUTHOR
سید محمد جعفر
ناظم السادات
daneshpazhooh711@gmail.com
3
دانشکده کشاورزی دانشگاه شیراز
LEAD_AUTHOR
1- البرزی م. 1380. آشنایی با شبکه های عصبی. انتشارات دانشگاه صنعتی شریف. تهران.
1
2- بابائیان ا.، نجفی نیک ز.، زابل عباسی ف.، حبیبی نوخندان م.، ادب ح. و ملبوسی ش. 1388. ارزیابی تغییر اقلیم کشور در دوره 2036-2010 میلادی با استفاده از ریز مقیاس نمایی داده های مدل گردش عمومی جو ECHO-G. مجله جغرافیا و توسعه. 16: 152-135.
2
3- شیروانی ا. و ناظم السادات م. ج. 1391. پهنه بندی بارش در ایران با استفاده از تحلیل مولفه های اصلی و تحلیل خوشه ای. مجله تحقیقات منابع آب ایران. (1) 8 : 85-81.
3
4- عباسی ف.، ملبوسی ش.، بابائیان ا.، اثمری م. و برهانی ر. 1389. پیش بینی تغییرات اقلیمی خراسان جنوبی در دوره 2039-2010 میلادی با استفاده از ریز مقیاس نمایی آماری خروجی مدل .ECHO-G نشریه آب و خاک (علوم و صنایع غذایی). (24) 2: 233-218.
4
5- کوچکی ع.، نصیری م. و کمالی غ. 1386. مطالعه شاخص های هواشناسی ایران در شرایط تغییر اقلیم. مجله پژوهش های زراعی ایران. (5) 1: 142-133.
5
6- مساح بوانی ع. و مرید س. 1384. اثرات تغییر اقلیم برجریان رودخانه زاینده رود اصفهان. مجله علوم و فنون کشاورزی و منابع طبیعی. (9) 4: 27-17.
6
7- منهاج م. ب. 1377. هوش محاسباتی «جلد اول» مبانی شبکه های عصبی. چاپ اول. انتشارات مرکز نشر پرفسور حسابی.
7
8- ناظم السادات م. ج.، بیگی ب. و امین س. 1382. پهنه بندی بارندگی زمستانه استان های بوشهر، فارس و کهگیلویه و بویر احمد با استفاده از روش تحلیل مؤلفه های اصلی. مجله علوم و فنون کشاورزی و منابع طبیعی. (7) 1: 71-61.
8
9- ناظم السادات م. ج. و شیروانی ا. 1384. پیش بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چند گانه و تحلیل مؤلفه های اصلی. مجله علوم و فنون کشاورزی و منابع طبیعی. (9)3 : 1-11.
9
10- Coulibaly P., Dibike Y.B., and Anctil F. 2005. Downscaling precipitation and temperature with temporal neural networks, Journal of Hydrology, 6:483-496.
10
11- Dibike Y.B., and Coulibaly P. 2006. Temporal neural networks for downscaling climate variability and extremes, Neural Networks, 19:135–144.
11
12- Ghosh S., and Mujumdar P. P. 2008. Statistical downscaling of GCM simulations to stream flow using relevance vector machine, Advances in Water Resources, 31: 132–146.
12
13- Hanrahan G. 2011. Artificial Neural Networks in Biological and Environmental Analysis, CRC Press Pub.
13
14- Hewitson B.C., and Crane R.G. 2006. Consensus between GCM climate change projections with empirical downscaling: Precipitation downscaling over South Africa, International Journal of Climatology, 26: 1315-1337.
14
15- Junneng L., Tangang F.T., Kang H., Lee W.J., and Seng Y.K. 2010. Statistical downscaling forecasts for winter monsoon precipitation in Malaysia using multi model output variables, Journal of Climate, 23: 17-27.
15
16- Karamouz M., Fallahi M., Nazif S., and Rahimi Farahani M. 2009. Long lead rainfall prediction using statistical downscaling and artificial neural networks Modeling, Civil Engineering, 6(2): 163-172
16
17- Ramirez M.C.V., Velho H.F.D.C., and Ferreira N. J. 2005. Artificial neural network technique for rainfall forecasting applied to the Sao Paulo region, Journal of Hydrology, 301:146–162.
17
18- Smith M. 1993. Neural Networks for Statistical Modeling, Van Nostrand Reinfold Pub.
18
19- Tomassetti B., Verdecchia M., and Giorgi F. 2009. NN5: A neural network based approach for the downscaling of precipitation fields – Model description and preliminary results, Journal of Hydrology, 367:14–26.
19
20- Tumbo S.D., Mpeta E., Tadross M., Kahimba F.C., Mbillinyi B.P., and Mahoo H.F. 2010. Application of self-organizing maps technique in downscaling GCMs climate change projections for Same, Tanzania, Physics and Chemistry of the Earth, 35:608-617.
20
21- Wetterhall F., Halldin S., and Xu C.y. 2005. Statistical precipitation downscaling in central Sweden with the analogue method, Journal of Hydrology, 306:174–19.
21
ORIGINAL_ARTICLE
بکارگیری الگوریتم ویتربی در پیشبینی وقوع بارندگی و شبیهسازی تداومهای خشک و تر – مقایسه با روشهای متداول
امروزه مدل های آماری بسیاری برای شبیه سازی سری زمانی گسسته وقوع و عدم وقوع بارش براساس داده های تاریخی وجود دارد که تاکید آن ها بیشتر بر ساخت آماره های اقلیمی است. با این وجود، دقت مدل های شبیه ساز مذکور باید از نقطه نظر لحظه ای یا کوتاه مدت نیز بهبود یابد. در تحقیق حاضر فرض شده است که ساختار وقوع بارش از مدل مارکف پنهان با یک لایه پنهان (سری گسسته وقوع و عدم وقوع) و یک لایه قابل-رویت تبعیت می کند، که به طور موردی در ایستگاه سینوپتیک خرم آباد (دوره آماری 2005-1961) مورد بررسی قرار گرفت. از الگوریتم ویتربی برای حل مساله رمزگشایی سری زمانی توالی حالات تر و خشک استفاده شد. کارکرد پنج متغیر هواشناسی (فشارهوا در ایستگاه، فشار بخار آب، دامنه شبانه روزی دمای هوا، رطوبت نسبی و دمای نقطه شبنم) به عنوان توالی قابل رویت، براساس معیارهای دقت پیش بینی با هدف انتخاب بهترین متغیر در فرآیند رمزگشایی مورد ارزیابی قرار گرفته است. نتایج نشان داد که متغیر دامنه شبانه روزی دمای هوا به عنوان مناسب ترین توالی قابل-رویت برای رمزگشایی سری گسسته خشک و تر ارزیابی میباشد که می تواند به دلیل وجود ارتباط فیزیکی قوی بین آن ها باشد. همچنین خروجی الگوریتم ویتربی از دو نقطه نظر (آماره های اقلیمی و دقت پیش بینی) با خروجی مولدهای هواشناسی ClimGen و LARS-WG مقایسه شده است که دقت پیش بینی الگوریتم مارکف پنهان مبتنی بر تمامی معیارها بسیار بیشتر از دو مولد هواشناسی است. بر این اساس، جایگزینی الگوریتم ارائه شده در تحقیق حاضر با دو رهیافت دیگر، برای تولید توالی دادههای خشک و تر توصیه می گردد.
https://jsw.um.ac.ir/article_37914_be00fa3d8c3c16a85b98b21178975f4e.pdf
2015-12-22
1048
1060
10.22067/jsw.v0i0.25613
مدل مارکف پنهان
رمزگشایی
توالی خشک و تر
پیش بینی
مهدی
قمقامی ورکی
mghamghami@ut.ac.ir
1
دانشگاه تهران
LEAD_AUTHOR
جواد
بذرافشان
jbazr@ut.ac.ir
2
دانشگاه تهران
AUTHOR
1- Ailliot P., Thompson C. and Thompson P. 2008. Space time modelling of precipitation using a hidden markov model and censored Gaussian distributions. Journal of Hydrology, 420:27-51.
1
2- Buishand T.A. 1978. Some remarks on the use of daily rainfall models. Journal of Hydrology, 36: 295-308.
2
3- Busuioc A., Tomozeiu R. and Cacciamani C. 2007. Statistical downscaling model based on canonical correlation analysis for winter extreme precipitation events in the Emilia-Romagna region. International journal of climatology (in press).
3
4- Gabriel K.R. and Neumann J. 1962. A markov chain model for daily rainfall occurrence at Tel Aviv. Quarterly journal of the royal meteorological society, 88(375): 90-95.
4
5- Gates P. and Tong H. 1976. On markov chain modeling to some weather data. Journal of applied meteorology, 15: 1145-1151.
5
6- Hopkins J.W. and Robillard P. 1964. Some statistics of daily rainfall occurrence for the Canadian Prairie Provinces. Journal of applied meteorology, 3: 104-118.
6
7- Hughes J.P. and GuttorpP. 1994. A class of stochastic models for relating synoptic atmospheric patterns to local hydrologic phenomenon. Water Resources Research, 30:1535-1546.
7
8- Hughes J.P., Guttorp P. and Charles S.P. 1999. A non-homogeneous hidden Markov model for precipitation occurrence. Applied Statistics, 48(1):15-30.
8
9- Hao Zhang W., Zhang A. and Palazoglu W.S. 2012. Prediction of ozone levels using a hidden markov model (HMM) with gamma distribution. Atmospheric Environment, 62: 64-73.
9
10- Hocaoglu F.O. 2011. Stochastic approach for daily solar radiation modeling. Journal of Solar Energy, 85: 278-287.
10
11- Katz R.W. 1981. On some criteria for estimating the order of a markov chain. Technometrics, 23: 243-249.
11
12- Longley R.W. 1953. The length of dry and wet periods. Quarterly journal of the royal meteorological society, 79: 520-527.
12
13- Mehrotra R., Srikanthan R. and Sharma A. 2006. A comparison of three stochastic multi-site precipitation occurrence generators. Journal of Hydrology, 331: 280-292.
13
14- Oliver C. Ibe 2009. Markov proccess for stochastic modeling. John Wiley & Sons, NewYork.
14
15- Racsko P., Szeidl L. and Semenov M. 1991. A serial approach to local stochastic weather models. Ecological Modeling , 57: 27-41.
15
16- Richardson C.W. 1981. Stochastic simulation of daily precipitation, temperature, and solar radiation. Water Resources Research, 17: 182–190.
16
17- Richardson C.W. and Wright D.A. 1984. WGEN: A model for generating daily weather variables. USDA/ARS, ARS-8, 83 pp.
17
18- Rolalnd J. and Woolhiser D.A. 1982. Stochastic daily precipitation models: 1) a comparison of occurrence processes. Water Resources Research, 18: 1451-1459.
18
19- Semenov M.A., Brooks R.J., Barrow E.M. and Richardson C.W. 1998. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Research, 10: 95-107.
19
20- Srikanthan R., and McMahon T.A. 2001. Stochastic generation of annual, monthly and daily climate data: A review. Hydrology and Earth System Sciences, 5(4): 653–670.
20
21- Srikanthan R., Thyer M.A., Kuczera G.A. and McMahon T.A. 2002. Application of hidden state markov model to Australian annual rainfall data. CRCCH Working Document (in press).
21
22- Tae-woongK., Hosung A. and Gunhui C.Ch.Y. 2008. Stochastic multi-site generation of daily rainfall occurrence in south Florida. Stochastic environment research risk assessment, 22:705–717.
22
23- Wilby R.L., Wigley T.M.L., Conway D., Jones P.D., Hewitson B.C., Main J. and Wilks D.S. 1998. Statistical downscaling of general circulation model output: A comparison of methods. Water Resources Research, 34: 2995-3008.
23
24- Wilks D.S. 1999. Interannual variability and extreme-value characteristics of several stochastic daily precipitation models. Journal of Agricultural Meteorology, 93: 153-169.
24
25- Williams C.B. 1952. Sequences of wet and of dry days considered in relation to the logarithmic series. Quarterly Journal of the Royal Meteorological Society, 78: 511-516.
25
ORIGINAL_ARTICLE
تعیین نواحی همگن توزیع بارش سالانه در سطح استان گلستان با استفاده از تحلیل خوشهای و روش گشتاورهای خطی
بررسی ویژگیهای بارندگی و پهنهبندی آن نقش عمدهای در استفاده بهینه از منابع آب و خاک و مدیریت مخاطرات محیطی دارد. تعیین نواحی همگن بارش به استفاده مناسبتر از منابع آب و مدیریت صحیحتر مخاطرات محیطی ناشی از بارش کمک مینماید. با توجه به اینکه جهت تحلیل پدیدههای اقلیمی از جمله بارش، میبایست تمامی دادهها مربوط به یک منطقه همگن باشد، بر این اساس در این مطالعه سعی شدهاست مناطق همگن از نظر بارندگی سالیانه در استان گلستان با استفاده از دادههای طولانیمدت و تعداد متناسب ایستگاه با بهکارگیری روشهای جدیدتر تعیین شوند. برای این منظور از دادههای ماهانه بارش 29 ایستگاه بارانسنجی و تبخیرسنجی در سطح استان گلستان از سال آبی 62-1361 الی 91-1390 استفاده شد. با انجام آزمونهای کیفی تعداد 25 ایستگاه جهت تحلیل باقی ماندند. سپس با استفاده از روش خوشهبندی سلسله مراتبی وارد و با کمک متغیرهای مختلف تقسیمبندیهای متفاوت بررسی شد. خوشهبندی در حالت 2 خوشه دارای متوسط عرض سیلهوت بالاتری به میزان 48/0 بود. بر این اساس منطقه مورد مطالعه به 2 ناحیه تقسیم شد. سپس همگنی این نواحی مورد بررسی قرار گرفت. از آنجاکه با روش گشتاورهای خطی ضریب چولگی ناحیهای (τ_3^R) از مقدار 23/0 کوچکتر بود، در نتیجه آزمون از آزمون هاسکینگ-والیس جهت بررسی همگنی ناحیهای استفاده شد. برای هر دو ناحیه مقدار آماره آزمون 1>H1 بوده که تأیید بر همگن بودن دو ناحیه میباشد. همچنین بالابودن ضریب همبستگی بین ایستگاههای یک ناحیه و پائینبودن ضریب همبستگی بین ایستگاههای دو ناحیه متفاوت، دلیلی دیگر بر تفکیک مناطق هر ناحیه از یکدیگر میباشد.
https://jsw.um.ac.ir/article_37918_757d5c33e853e71a09c9be3795cfa013.pdf
2015-12-22
1061
1071
10.22067/jsw.v0i0.26319
ناحیه بندی
تحلیل خوشه ای
گشتاور خطی
استان گلستان
نفیسه
حسنعلی زاده
n_alizadeh2010@yahoo.com
1
علوم کشاورزی و منابع طبیعی گرگان
LEAD_AUTHOR
ابوالفضل
مساعدی
mosaedi@um.ac.ir
2
دانشگاه فردوسی مشهد
AUTHOR
عبدالرضا
ظهیری
zahiri.areza@gmail.com
3
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
منوچهر
بابانژاد
mbaba22@yahoo.com
4
دانشگاه گلستان
AUTHOR
1- خام چین مقدم ف.، صدقی ح.، کاوه ف. و منشوری م. 1389. پهنهبندی حداکثر بارش روزانه ایران. نشریه آب و خاک مشهد، جلد 24، شماره 1، ص 106-97.
1
2- دودانگه ا.، اختصاصی م.ر. و شایق ا. 1392. کاربرد گشتاورهای خطی در تحلیل فراوانی منطقهای و پهنهبندی بادهای فرساینده در ایران. علوم و مهندسی آبخیزداری ایران، جلد 7، شماره 23، ص 41-33
2
3- رضایی پژند ح .1380. کاربرد آمار و احتمال در منابع آب. انتشارات سخن گستر، 458 صفحه.
3
4- مساعدی ا.، شریفان ح. و شهابی م. 1386. طرح پژوهشی مدیریت ریسک با شناخت میکروکلیماهای استان گلستان. سازمان هواشناسی کشور، 171 ص.
4
5- Abdolhay A., Saghafian B., Mohd Soom M. and Ghazali A. 2012. Identification of homogenous regions in Gorganrood basin (Iran) for the purpose of regionalization. Natural Hazards, 61:3. 1427-1442.
5
6- Abolverdi J., and Khalili D. 2010. Development of regional rainfall annual maxima for soutwestern Iran by L-moments. Water Resour Manage, 24:2501-2526.
6
7- Chow V.T., Maidment D.R. and Mays L.W. 1988. Applied Hydrology, McGraw –Hill, New York., 572 pp.
7
8- Dinpashoh Y., Fakheri-Fard A., Moghaddam M., Jahanbakhsh S. and Mirnia M. 2003. Selection of variables for the purpose of regionalization of Iran's percipitation climate using multivariate methods, J. Hydrol, 297:109-123.
8
9- Eslamian S.S. and Chavoshi-Boroujeni S. 2001. The study of hydrological homogeneity in gauged watersheds of central part of Iran. Sci J Agric, 23:1–30.
9
10- Guttman N.B. 1993. The use of L-Moments in the determination of regional precipitation climates. J.Climate, 6:12. 2309 – 2325.
10
11- Gwo-Fong L. and Lu-Hsien C. 2006. Identification of homogeneous regions for regional frequency analysis using the self-organizin g map. J. Hydrology, 324: 1-9.
11
12- Hosking J.R.M. and Wallis J.R. 1991. Some statistics useful in regional frequency analysis, Res. Rep. RC 17096, IBM Research Division,Yorktown Heights, NY 10598.
12
13- Hosking J.R.M. and Wallis J.R. 1993. Some statistics useful in regional frequency analysis, Water Resources Res. 29:271-281.
13
14- Hosking J.R.M. and Wallis J.R. 1997. Regional frequency analysis: an approach based on L-moments., Cambridge University Press, New York , USA.217pp.
14
15- Kalkstein L.S., Tan G., and Skindlov J.A. 1987. An evaluation of three clustering procedures for use in synoptic climatological classification. J. Climatol. Appl. Meteorol. 26:717–730.
15
16- Maechler M., Rousseeuw P., Struyf A., Hubert M., and Hornik K. 2012. cluster: Cluster Analysis Basics and Extensions. R package version 1.14.3.
16
17- National Drought Mitigation Center of United States (NDMC). 1998. Report on drought related effects of El Niño.
17
18- Ramos M.C. 2001. Divisive and hierarchical clustering techniques to analyze variability of rainfall distribution patterns in a Mediterranean region. J. Hydrology, 57:123–138.
18
19- Rao A.R. and Hamed K.H. 2000. Flood Frequency Analysis, CRC Press.
19
20- Rousseeuw P.J. 1987. Silhouette: A graphical aid to the interpretation and validation of cluster analasis, Journal of Computational and Applied Mathematics, 20:53-65.
20
21- Team R.C. 2012. R: A language and environment for statistical computing. R Foundation for Statistical Computing. http://www.R-project.org/.
21
22- Viglione A., Laio F. and Claps P. 2007. A comparison of homogeneity tests for regional frequency analysis, Water Resour. Res., 43, W03428.
22
23- Viglione A. 2012. homtest: Homogeneity tests for Regional Frequency Analysis. R package version 1.0-5. http://CRAN.R-project.org/package=homtest
23
24- Viglione A. 2013. nsRFA: Non-supervised Regional Frequency Analysis. R package version 0.7-11. http://CRAN.R-project.org/package=nsRFA
24
ORIGINAL_ARTICLE
چگونگی پدیداری سامانههای بارشزای سنگین در جنوب غربی ایران و پیوند آن با پدیدهMJO
انگیزه انجام این پژوهش بررسیبرخی از ویژگیهای همدیدی بارشهای سنگین در جنوب غربیایران و پیوند آن با پدیده نوسانهای مادن-جولیان میباشد. چگونگی پراکنش ماهانه بارش و شناسایی سرچشمههای تولید بخار آب برای این بارشها از دیگر اهداف پژوهش است.در این راستا، بارش روزانه ایستگاههای آبادان، اهواز، بندرعباس، بوشهر، شهرکرد و شیراز برای دوره 36 ساله 2011-1975و ایستگاه یاسوج برای دوره 21 ساله 2011-1990، در بازه ماههای نوامبر هر سال تا آپریل سال پس از آن گردآوری شد. دادههای بارش از بزرگ به کوچک آراسته گردیدند و دو آستانه5 و10درصد بالایی به عنوان بارشهای سنگین برگزیده شدند. بیشترین فراوانی بارشهای سنگین در ماههای ژانویه، فوریه و دسامبردیده شد. در ایستگاههای اهواز، بندرعباس، بوشهر، شهرکرد و شیراز بیشترین بارشهای سنگین در فاز 8،در ایستگاه آبادان در فازهای 7 و 8 و در ایستگاه یاسوج در فاز 2 رخ داده است. نقشههای همدیدی نشانگر آن است که همراستا با حرکت خاور سوی پدیده MJO در پهنه استوایی اقیانوس هند، سامانه بارشهای سنگین هم از گستره باختری و جنوب باختری ایران آغاز شده و پس از گذراندن پهنههای جنوب مرکزی، به بخشهای خاوری ایران و سپس به افغانستان میرسند. گردش تند چرخندی هوا که بر پهنه دریای مدیترانه، دریای سرخ، خلیج فارس و دریای عرب چیره میشود بخش بنیادین بخار آب برای این بارشها را فراهم میسازد. نقشههای همدیدی نشانگر آن است که بیشترین اندازه بخار آب این بارشها از دریای عرب و پهنه باختری اقیانوس هند فراهم میگردد.
https://jsw.um.ac.ir/article_37922_5caa58e9f7db0b5828fa05f4f7e1ab04.pdf
2015-12-22
1072
1083
10.22067/jsw.v0i0.28595
ایران
بادهای برداری
بارش
خلیج فارس
MJO
سید محمد جعفر
ناظم السادات
daneshpazhooh711@gmail.com
1
دانشکده کشاورزی دانشگاه شیراز
LEAD_AUTHOR
کوکب
شاهقلیان
nadiashahgholian@gmail.com
2
دانشگاه شیراز
AUTHOR
1- قائدامینی ح. و گلکار ف. 1389. ارزیابی تأثیر مادن-جولیان (MJO) بر رخداد دورانهای خشک و تر استان خوزستان. چهاردهمین کنفرانس ژئوفیزیک ایران، 21-23 اردیبهشت 89، مؤسسه ژئوفیزیک، مقالات شفاهی، فیزیک فضا، صفحه 26-14.
1
2- قائدامینی ح. و ناظمالسادات م.ج. 1385.بررسی تأثیر نوسانات مادن-جولیان بر بارشهای ماههای فوریه تا آوریل در استان فارس،دومین کنفرانس منابع آب ایران، زمستان 85، دانشگاه صنعتی اصفهان.
2
3- قائدامینی ح. و ناظمالسادات م.ج. 1387. بررسی تأثیر نوسانات مادن جولیان بر وقوع کرانهبالایی و پایینی بارش (سیلاب و خشکی) ماههای فوریه تا آوریل در استانهای فارس، اصفهان و چهارمحال و بختیاری، سومین کنفرانس مدیریت منابع آب.
3
4- مسعودیان س.ا. 1387. شناسایی شرایط همدید همراه با بارشهای ابرسنگین ایران، سومین کنفرانس مدیریت منابع آب ایران، 25-23 مهرماه 1387، دانشگاه تبریز، دانشکده مهندسی عمران.
4
5- مسعودیان س.ا. و محمدی ب. 1389. تحلیل فراوانی تابع همگرایی شار رطوبت در زمان رخداد بارشهای ابرسنگین ایران، مجموعه مقالات چهارمین کنگره بینالمللی جغرافیدانان جهان اسلام (ICIWG 2010)، ایران، زاهدان، 27-25 فروردین 1389.
5
6- مسعودیان س.ا. و محمدی ب. 1391. تحلیل فراوانی جبهه زایی در زمان رخداد بارشهای ابر سنگین ایران، فصلنامه تحقیقات جغرافیایی، سال 27 ،شماره اول، بهار 1391، شماره مقاله:844، 17791-104:17767.
6
7- ناظمالسادات س.م.ج.، انصاری ا. و پیشوایی م.ر. 1386. ارزیابی سطح معنیداری برای پیشبینی دوران خشکسالی و ترسالی فصل پائیز و شش ماهه سرد ایران بر اساس وضعیت فازهای تابستانه ENSO. مجله تحقیقات منابع آب ایران. انجمن علوم و مهندسی منابع آب، سال سوم، شماره 1، بهار 86.
7
8- ناظم السادت س.م.ج. و قائدامینی اسدآبادی ح. 1386. بررسی تأثیر نوسانات مادن جولیان بر وقوع کرانه بالائی و پائینی بارش (سیلاب و خشکی) ماههای بهمن تا فروردین در استان فارس، مجله علوم و فنون کشاورزی و منابع طبیعی، سال دوازدهم، شماره چهل و ششم (ب)، زمستان 87.
8
9- Barlow M., Lyon B. and Cullen H. 2005. Modulation of daily precipitation over Southwest Asia by the Madden-Julian Oscillation. Mon. Wea. Rev., 133: 3579-3594.
9
10- Bond N.A., and Vecchi G. 2003. The influence of the Madden-Julian Oscillation on precipitation in Oregon and Washington. J. Weather and Forecasting, 18 (4): 600-613.
10
11- Carvalho L.M.V., JonesC., and Liebmann B. 2004. The South Atlantic convergence zone: Intensity, form, persistence and relationships with intraseasonal to interannual activity and extreme rainfall. J. Climate, 17: 88–108.
11
12- Donald A., MeinkeH., PowerB., MaiaA.H.N., WheelerM.C., WhiteN.,StoneR.C.and Ribbe J. 2006. Near-global impact of the Madden-Julianoscillation on rainfall. Geophy Res Lett 33:L09704.
12
13- Ferranti L., Palmer T.N., MolteniF., and Klinker K. 1990.Tropical-extratropical interaction associated with the 30-60-day oscillation and its impact on medium and extended range prediction.J. Atmos. Sci. 47: 2177-2199.
13
14- Groisman P.Y., Knight R.W., Easterling D.R., Karl T.R., Hegerl G.C.and Razuvaev V.N.2004. Trends in Intense Precipitation in the Climate Record. J. C., 18: 1326-1350.
14
15- Hendon H.H., and Liebmann B. 1990. A composite study of onset of the Australian summer monsoon.J. Atmos.Sci. 47: 2227–2240.
15
16- Jones C. 2000. Occurrence of extreme precipitation events in California and relationships with the Madden - Julian oscillation. J. Clim., 13: 3576–3587.
16
17- Lau K.M. and Chan P.H. 1986. Aspects of the 40–50 day oscillation during the northern summer as inferred from outgoing longwave radiation. Mon. Weather Rev., 114: 1354–1367.
17
18- Lawrence D.M. and Webster P.J. 2002. The boreal summer intraseasonal oscillation: Relationship between northward and eastward movement of convection. J. Atmos. Sci., 59: 1593–1606.
18
19- Liebmann B., Kiladis G.N., Vera C.S., Saulo A.C., and Carvalho L.M.V. 2004. Subseasonal variations of rainfall in the vicinity of the South American low-level jet stream and comparison to those in the South Atlantic Convergence Zone. J. Clim., 17: 3829–3842.
19
20- Madden R.A. and Julian P.R. 1971. Detection of a 40-50 day oscillation in the zonal wind in the tropical Pacific. J. Atmos. Sci. 28:702-708.
20
21- Madden R.A. and Julian P.R. 1994. Observations of the 40-50 day tropical oscillation.a review. Mon. Wea. Rev. 122:814-837.
21
22- Matthews A.J. 2004. Intraseasonal variability over tropical Africa during northern summer J. Clim., 17:2427–2440.
22
23- Nazemosadat M.J. and GhaedaminiH. 2010. On the Relationships between the Madden–Julian Oscillation and Precipitation Variability in Southern Iran and the Arabian Peninsula: Atmospheric Circulation Analysis. J. Climate, 23: 887–904.
23
24- Paegle J.N., Byerle L.A. and Mo K.C. 2000. Intraseasonal modulation of South American summer precipitation. Mon. Weather Rev., 128: 837–850.
24
25- Sui C.H. and Lau K.M. 1992. Multiple phenomena in the tropical atmosphere over the western Pacific. Mon. Weather Rev. 120: 407–430.
25
26- Wheeler M.C. and Hendon H.H. 2004. An All-Season Real-Time Multivariate MJO Index: Development of an Index for Monitoring and Prediction.Bureau of Meteorology Research Centre, Melbourne, Australia. Monthly Weather Review. 132: 1917-1932.
26
ORIGINAL_ARTICLE
تصویرجلد نشریه
.
https://jsw.um.ac.ir/article_37925_4d67d91267a5e6ccf8d720cd4a2e7622.pdf
2015-12-22
10.22067/jsw.v0i0.44521