ORIGINAL_ARTICLE
ارائه مدل عددی گالرکین ناپیوسته IMPES برای مدلسازی آلاینده های زیر زمینی امتزاج ناپذیر با کمک روش Lax-Wendroff
سابقه و هدفمدلسازی عددی جریان های امتزاج ناپذیر در محیط متخلخل از جمله مباحثی است که بدلیل کاربرد آنها در پایش انتقال آلاینده ها، حرکت آب و نفت در مخازن نفت و علوم هیدرولوژی همواره مورد توجه محققین قرار می گیرد. در این تحقیق، به ارائه یک مدل عددی دوبعدی گالرکین ناپیوسته جریانهای امتزاج ناپذیر در محیط متخلخل با استفاده از استراتژی حل معادلات فشار-ضمنی درجه اشباع صریح (IMPES) مرتبه بالا پرداخته شده است. در معادلات مورد استفاده متغیر های اصلی فشار و درجه اشباع آب می باشند. در این ترکیب عددی برای اولین بار از روش لاکس- وندروف مرتبه دوم در حل معادله درجه اشباع آب استفاده شده است که بعنوان نوآوری اصلی این مقاله تلقی می گردد.مواد وروش هابه منظور مدلسازی عددی آلاینده های زیرزمینی امتزاج ناپذیر، از گسسته سازی مکانی دارای بقای محلی گالرکین ناپیوسته استفاده شده است. برای گسسته سازی زمانی معادله بقای جرم و درجه اشباع (انتقال) آلاینده نیز به ترتیب از روش های اولر ضمنی مرتبه اول و روش مرتبه بالای لاکس-وندروف صریح مرتبه دوم بهره برده شده است.همچنین به منظور بهبود نتایج در تسخیر شوکها و محل ناهمگنیها از تثبیت شارهای تبادلی و نگاشت میدان سرعت در فضای برداری H(div) استفاده شده است. در انتهای هر گام زمانی نیز نوسانات مقادیر درجه اشباع با استفاده از محدودکننده شیب چاونت-جافر اصلاح شده حذف و نتایج تثبیت می گردند.یافته هاروش مرتبه دوم لکس-وندروف بر مبنای بسط تیلور و ترمهای مرتبه بالای مشتق زمانی، دارای دقت قابل رقابت با روشهای مرسوم در استراتژی IMPES همچون روش چند مرحله ای رانج-کوتا گالرکین ناپیوسته (RKDG) بوده و هزینه محاسبات کمتری نسبت به روشهای چند گامی دارد. هر چند اندازه گامهای زمانی و عدد کورانت با توجه به حل صریح معادله درجه اشباع در این روش دارای محدودیت هایی می باشد.نتیجه گیریصحت سنجی مدل تهیه شده با استفاده از مسئله بنجمارک لورت باکلی ارزیابی شده و نتایج حاصل از مدلسازی با نتایج سایر محققین مقایسه گردیده و تطابق مطلوبی بین آنها حاصل شده است. همچنین ارزیابی کارایی و توانمندی مدل با کمک مسائل نمونه برای آبخوانهای بسیار ناهمگن بررسی شده است. نتایج بیانگر آنست که بعلت استفاده از روش گالرکین ناپیوسته دارای بقای محلی و تکنیک های تثبیت کننده شارهای تبادلی، وضوح نتایج مطلوب بوده و محل تماس دوفاز امتزاج ناپذیر بخوبی تسخیر شده و پخش عددی مشاهده نمی گردد. در این مدلسازی از مقادیر پنالتی 50 تا 100 برای نسخه SWIP استفاده شده است که با توجه با مقیاس نمودن ترمهای پنالتی مدل حساسیت چندانی نسبت به بزرگی آن ندارد ولیکن در نسخه OBB مقدار پنالتی صفر می باشد. در انتها نیز آنالیز حساسیت مدل به ازای تغییرات پارامترهای موثر در مدلسازی مدنظر قرار گرفته شده است.
https://jwsc.gau.ac.ir/article_4604_62fa15e0c71bcc4d083abcdd985b5ab5.pdf
2019-06-22
1
27
10.22069/jwsc.2019.15769.3096
جریانهای امتزاج ناپذیر
روش لاکس-وندروف
پنالتی داخلی
المانهای بی سامان
فشار ضمنی-درجه اشباع صریح
مهدی
جامعی
m.jamei@shhut.ac.ir
1
دانشگاه صنعتی شهدای هویزه، دانشکده مهندسی
LEAD_AUTHOR
ایمان
احمدیانفر
im.ahmadian@gmail.com
2
دانشگاه صنعتی خاتم الانبیاء بهبهان
AUTHOR
علی
رئیسی عیسی آبادی
raeisid83@gmail.com
3
دانشکده کشاورزی دانشگاه شهرکرد
AUTHOR
1.Amaziane, B., and Jurak, M. 2008. A new
1
formulation of immiscible compressible
2
two-phase flow in porous media, Comptes
3
Rendus Mécanique, 336: 7. 600-605.
4
2.Amaziane, B., Pankratov, L., and
5
Piatnitski, A. 2017. An improved
6
homogenization result for immiscible
7
compressible two-phase flow in porous
8
media, NHM, 12: 1. 147-171.
9
3.Arbogast, T., Juntunen, M., Pool, J.,
10
and Wheeler, M.F. 2013. A discontinuous
11
Galerkin method for two-phase flow in
12
a porous medium enforcing H
13
(div) velocityand continuous capillary
14
pressure, Computational Geosciences,
15
17: 6. 1055-1078.
16
4.Bastian, P., and Riviere, B. 2004.
17
Discontinuous Galerkin methods for
18
two-phase flow in porous media,
19
Technical Reports of the IWR (SFB 359)
20
of the Universität Heidelberg.
21
5.Brooks, R., and Corey, T. 1964.
22
Hydraulic Properties of Porous Media.
23
Colorado State University.
24
6.Buckley, S.E., and Leverett, M.
25
1942. Mechanism of fluid displacement
26
in sands, Transactions of the AIME,
27
146: 1. 107-116.
28
7.Bürger, R., Kenettinkara, S.K., and Zorío,
29
D. 2017. Approximate Lax-Wendroff
30
discontinuous Galerkin methods for
31
hyperbolic conservation laws, Computers
32
and Mathematics with Applications,
33
74: 6. 1288-1310.
34
8.Burri, A. 2004. Implementation of a
35
multiphase flow simulator using a fully
36
upwind galerkin method within the CSP
37
multiphysics toolkit, Unpublished Diploma
38
Thesis, Eidgenössische Technische
39
Hochschule Zürich, Switzerland.
40
9.Chavent, G., and Jaffré, J. 1986.
41
Mathematical models and finite elements
42
for reservoir simulation: single phase,
43
multiphase and multicomponent flows
44
through porous media. Elsevier.
45
10.Di Pietro, D.A., and Ern, A. 2011.
46
Mathematical aspects of discontinuous
47
Galerkin methods. Springer69.
48
11.Donea, J. 1991. Generalized Galerkin
49
methods for convection dominated
50
transport phenomena, Applied
51
Mechanics Reviews, 44: 5. 205-214.
52
12.Donea, J. 1984. A Taylor-Galerkin
53
method for convective transport
54
problems, Inter. J. Num. Method. Engin.
55
20: 1. 101-119.
56
13.Donea, J., Giuliani, S., Laval, H., and
57
Quartapelle, L. 1984. Time-accurate
58
solution of advection-diffusion problems
59
by finite elements, Computer Methods
60
in Applied Mechanics and Engineering,
61
45: 1-3. 123-145.
62
14.Donea, J., Quartapelle, L., and Selmin,
63
V. 1987. An analysis of time
64
discretization in the finite element
65
solution of hyperbolic problems, J. Com.
66
Physic. 70: 2. 463-499.
67
15.Ern, A., Stephansen, A.F., and Zunino,
68
P. 2008. A discontinuous Galerkin
69
method with weighted averages for
70
advection–diffusion equations with
71
locally small and anisotropic diffusivity,
72
IMA J. Num. Anal. 29: 2. 235-256.
73
16.Eslinger, O.J. 2005. Discontinuous
74
galerkin finite element methods applied
75
to two-phase, air-water flow problems,
76
Ph.D Thesis, University of Texas at
77
17.Geiger Boschung, S. 2004. Numerical
78
simulations of the hydrodynamics and
79
thermodynamics of NaCl-H₂O fluids,
80
Ph.D Thesis, ETH Zurich.
81
18.Gottlieb, S. 2005. On high order strong
82
stability preserving Runge-Kutta and
83
multi step time discretizations, J. Sci.
84
Com. 25: 1. 105-128.
85
19.Gottlieb, S., Ketcheson, D.I., and Shu,
86
C.W. 2009. High order strong stability
87
preserving time discretizations, J. Sci.
88
Com. 38: 3. 251-289.
89
20.Gottlieb, S., Shu, C.W., and Tadmor,
90
E. 2001. Strong stability-preserving
91
high-order time discretization methods,
92
SIAM review, 43: 1. 89-112.
93
21.Hadad, A., Bensabat, J., and Rubin,
94
H. 1996. Simulation of immiscible
95
multiphase flow in porous media: a
96
focus on the capillary fringe of
97
oil-contaminated aquifers, Transport in
98
porous media, 22: 3. 245-269.
99
22.Hoteit, H., Ackerer, P., Mosé, R., Erhel,
100
J., and Philippe, B. 2004. New two‐
101
dimensional slope limiters for
102
discontinuous Galerkin methods on
103
arbitrary meshes, Inter. J. Num. Method.
104
Engin. 61: 14. 2566-2593.
105
23.Jamei, M., Raeisi Isa Abadi, A., and
106
Ahmadianfar, I. 2019. A Lax–WendroffIMPES scheme for a two-phase flow
107
in porous media using interior penalty
108
discontinuous Galerkin method,
109
Numerical Heat Transfer, Part B:
110
Fundamentals, 75: 5. 325-346.
111
24.Jamei, M., and Ghafouri, H. 2016. An
112
efficient discontinuous Galerkin method
113
for two-phase flow modeling by
114
conservative velocity projection, Inter. J.
115
Num. Method. Heat & Fluid Flow,
116
26: 1. 63-84.
117
25.Jamei, M., and Ghafouri, H. 2016. A
118
novel discontinuous Galerkin model for
119
two-phase flow in porous media using
120
an improved IMPES method, Inter.
121
J. Num. Method. Heat Fluid Flow.
122
26: 1. 284-306.
123
26.Jamei, M., and Ghafouri, H.R. 2016. A
124
discontinuous Galerkin method for twophase flow in porous media using
125
modified MLP slope limiter, Modares
126
Mechanical Engineering, 15: 12. 326-336.
127
27.Kirby, R.C. 2004. Algorithm 839:
128
FIAT, a new paradigm for computing
129
finite element basis functions, ACM
130
Transactions on Mathematical Software
131
(TOMS), 30: 4. 502-516.
132
28.Klieber, W., and Riviere, B. 2006.
133
Adaptive simulations of two-phase flow
134
by discontinuous Galerkin methods,
135
Computer methods in applied mechanics
136
and engineering, 196: 1. 404-419.
137
29.Kou, J., and Sun, S. 2010. A
138
new treatment of capillarity to improve
139
the stability of IMPES two-phase flow
140
formulation, Computers & Fluids,
141
39: 10. 1923-1931.
142
30.Kubatko, E.J., Dawson, C., and Westerink,
143
J.J. 2008. Time step restrictions for
144
Runge-Kutta discontinuous Galerkin
145
methods on triangular grids, J. Com.
146
Physic. 227: 23. 9697-9710.
147
31.Osborne, M., and Sykes, J. 1986.
148
Numerical modeling of immiscible
149
organic transport at the Hyde Park
150
landfill, Water Resources Research,
151
22: 1. 25-33.
152
32.Pruess, K. 1991. TOUGH2-A generalpurpose numerical simulator for
153
multiphase fluid and heat flow.
154
33.Raeisi Isaabadi, A., Ghafouri, H.R., and
155
Rostamy, D. 2017. A new numerical
156
method based on discontinuous galerkin
157
for simulation of seawater intrusion into
158
coastal aquifers, Gorgan University of
159
Agricultural Sciences and Natural
160
Resources, 24: 4. 23-41.
161
34.Riaz, A., and Tchelepi, H.A. 2006.
162
Numerical simulation of immiscible
163
two-phase flow in porous media,
164
Physics of Fluids, 18: 1. 014104.
165
35.Rivière, B. 2008. Discontinuous
166
Galerkin methods for solving elliptic
167
and parabolic equations: theory and
168
implementation. Society for Industrial
169
and Applied Mathematics.
170
36.Roig, B. 2007. One-step Taylor–
171
Galerkin methods for convection–
172
diffusion problems, J. Com. Appl. Math.
173
204: 1. 95-101.
174
37.Shu, C.W. 1988. Total-variationdiminishing time discretizations, SIAM
175
J. Sci. Stat. Com. 9: 6. 1073-1084.
176
38.Toulorge, T., and Desmet, W. 2011.
177
CFL conditions for Runge–Kutta
178
discontinuous Galerkin methods on
179
triangular grids, J. Com. Physic.
180
230: 12. 4657-4678.
181
39.Van Genuchten, M.T., and Nielsen, D.
182
1985. On describing and predicting the
183
hydraulic properties of unsaturated soils,
184
Ann. Geophys. 3: 5. 615-628.
185
ORIGINAL_ARTICLE
تعیین بهترین روش دمایی برآورد تبخیر از سطح مخزن سد کارده به منظور بررسی تاثیر کاهش حجم مفید مخزن بر مقدار افزایش تبخیر از سطح دریاچه
سابقه و هدف: کمآبی امروزه به یکی از مهمترین مشکلات مردم در بسیاری از جوامع تبدیل شده است. احداث سد و ذخیره آب به منظور تامین بخشی از آب مورد نیاز و همچنین کنترل سیل یکی از راههای همزیستی با مشکلات ناشی از کمآبی، سیل و یا خشکسالی است. وضعیت تبخیر از سطوح آبی دریاچهها، مخازن و برکهها در نحوه بهرهبرداری بهینه از منابع آبی بسیار مؤثر است. میزان تبخیر از سطح آبها معمولا در مناطق خشک، بویژه در مناطقی که جریانهای افقی انتقال حرارت به میزان قابل ملاحظهای وجود دارد نسبت به مناطق مرطوب بیشتر خواهد بود. از طرف دیگر با گذشت زمان میزان رسوبگذاری در مخزن سد بیشتر میشود. یکی از مشکلات رسوبگذاری تغییر در هندسه مخزن و افزایش سطح دریاچه سد به ازاء مقادیر مختلف حجم جریان ذخیره میباشد. این امر هم به نوبه خود منجر به افزایش میزان تبخیر به دلیل افزایش سطح دریاچه سد میشود. بنابراین، هدف اصلی این تحقیق برآورد میزان تبخیر از سطح دریاچه سد کارده و انتخاب مناسبترین روش برآورد تبخیر از سطح این دریاچه و همچنین تعیین تاثیر رسوبگذاری بر تبخیر از سطح دریاچه این سد میباشد.مواد و روشها: به منظور برآورد میزان تبخیر از سطح دریاچه سد کارده، ابتدا با استفاده از 6 روش دمایی برآورد تبخیر شامل روشهای جنسن- هیز، هامون، استفن- استوارت، پاپاداکیس، ابتی و تورک میزان تبخیر در مقیاسهای ماهانه، فصلی و سالانه برآورد گردید. سپس این مقادیر با دادههای حاصل از تشت تبخیر، با استفاده از ۹ شاخص ارزیابی خطا مقایسه شدند. همچنین به منظور تعیین تاثیر رسوبگذاری بر تبخیر از دریاچه، بر اساس هیدروگرافیهایی که در سالهای آبی ۱۳۷۶-۱۳۷۵، ۱۳۸۳-۱۳۸۲ و ۱۳۸۸-۱۳۸۷ انجام شده است، سطح مخزن به ازاء هر مقدار از حجم ذخیره (۵ سناریو شامل حجمهای ۵، ۱۰، ۱۵، ۲۰و ۲۵ میلیون متر مکعب) تعیین شد.یافتهها: نتایج نشان میدهد که روش جنسن- هیز، بهترین روش دمایی برآورد تبخیر در مقیاس سالانه و در شرایط فقدان دادههای اندازهگیری تبخیر از تشت میباشد. به منظور برآورد تبخیر در مقیاس ماهانه یا فصلی، روش پاپاداکیس برای فصل زمستان و روش تورک برای فصل تابستان روشهای مناسبی خواهند بود. همچنین با کاهش حجم مفید مخزن به دلیل پدیده رسوبگذاری، سطح دریاچه مخزن (به ازاء هر میزانی از ذخیره جریان) افزایش مییابد. به طوری که این افزایش سطح با افزایش حجم ذخیره از ۵ میلیون مترمکعب به ۲۵ میلیون متر مکعب سبب افزایش میزان تبخیر به ۳ برابر حالت اول میگردد. به عبارت دیگر میتوان اینگونه بیان نمود که با ۵ برابر شدن حجم ذخیره در مخزن (تغییر حجم ذخیره از ۵ به ۲۵میلیون متر مکعب) و همچنین افزایش رسوبگذاری حجم تبخیر از سطح مخزن ۳ برابر افزایش مییابد. بررسیها نشان میدهد که تمامی روشها اعم از بیشبرآورد و یا کمبرآورد، روند افزایشی تبخیر را با تغییر حجم ذخیره در طی سالهای آبی ذکر شده به سبب افزایش سطح دریاچه در مخزن سد کارده نشان میدهند.نتیجهگیری: روش جنسن-هیز به دلیل داشتن نزدیکترین دادهها به تشت تبخیر و با کسب بیشترین امتیاز از مجموع امتیازات ۹ شاخص ارزیابی خطا در برآورد تبخیر از بین 6 روش، به عنوان بهترین روش دمایی برآورد تبخیر در شرایط فقدان دادههای اندازهگیری شده تبخیر از تشت در منطقه انتخاب گردید. روش هامون در برآورد مقادیر تبخیر، کم برآوردترین روش و روش استفن-استوارت بیش برآوردترین روش میباشد. افزایش رسوبگذاری در مخزن سد سبب ارتقاء تراز آب به رقوم بالاتر در مخزن میشود که این موضوع با توجه به هندسه باز بودن مخزن سد کارده، افزایش سطح دریاچه را به دنبال خواهد داشت و درنهایت سبب افزایش میزان تبخیر از سطح مخزن سد میشود.
https://jwsc.gau.ac.ir/article_4605_d18b031d93fc115260e4b94419abb8be.pdf
2019-06-22
29
51
10.22069/jwsc.2019.12333.2690
برآورد تبخیر
روشهای دمایی
شاخصهای ارزیابی خطا
رسوبگذاری
سد کارده
ابوالفضل
مساعدی
mosaedi@yahoo.com
1
استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد
LEAD_AUTHOR
مریم
یزدان پرست
m.yazdan5@gmail.com
2
دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه احیاء مناطق خشک و کوهستانی، دانشگاه تهران
AUTHOR
محمد حسین
محمودی قرائی
mhmgharaie@um.ac.ir
3
دانشیار گروه زمینشناسی، دانشگاه فردوسی مشهد
AUTHOR
سعید رضا
خداشناس
saeedkhodashenas@yahoo.fr
4
استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد
AUTHOR
علی
گلکاریان
golkarian@yahoo.com
5
استادیار گروه مرتع و آبخیزداری، دانشگاه فردوسی مشهد
AUTHOR
1.Abtew, W. 2001. Evaporation estimation
1
for Lake Okeechobee in South Florida. J.
2
Irrig. Drain. Engin. 127: 140-147.
3
2.Abtew, W., and Melesse, M. 2013.
4
Evaporation and Evapotranspiration:
5
Measurements and Estimations. Springer
6
Science Business Media Dordrecht, 202p.
7
3.Akbari Nodehi, D. 2010. Estimation of
8
evaporation Pan coefficient to calculate
9
evapotranspiration (Case study: synoptic
10
station of Surrey). J. Res. Agric. Sci.
11
4.Allen, R.G., Pereira, L.S., Raes, D., and
12
Smith, M. 1998. Crop Evapotranspiration
13
(guidelines for computing crop water
14
requirements). FAO Irrigation and
15
Drainage Paper, No. 56.
16
5.Arasteh, P.D., Tajrishy, M., Mirlatifi, M.,
17
and Saghafian, B. 2005. Statistical model
18
of free water surface evaporation using
19
the volume balance method in Chahnimeh
20
reservoir, Sistan-Iran. Pajouhesh &
21
Sazandegi. 68: 2-14. (In Persian)
22
6.Araujo, J., Guntner, A., and Bronstert, A.
23
2006. Loss of reservoir volume by
24
sediment deposition and its impact on
25
water availability in semiarid Brazil.
26
Hydrol. Sci. J. 51: 1. 157-170.
27
7.Babamiri, O., and Dinpashoh, Y.
28
2015. Comparison and calibration of nine
29
mass transfer-based reference crop
30
evapotranspiration methods at Urmia
31
Lake Basin. J. Water Soil Cons.
32
21: 5. 135-152. (In Persian)
33
8.Baride, M., and Elyasi, G. 2008.
34
Estimation of the rate of evaporation from
35
the lake across the country with the use of
36
pan evaporation. The third Conference of
37
Iran water resources management,
38
Faculty of civil engineering University of
39
Tabriz, Tabriz.
40
9.Bhaskar Shirsath, P., and Kumar Singh,
41
A. 2010. A Comparative Study of Daily
42
Pan Evaporation Estimation Using ANN,
43
Regression and Climate Based Models.
44
Journal of Water Resources Management.
45
24: 1571-1581.
46
10.Chen, D., Gao, G., Xu, C., Guo, J., and
47
Ren, G. 2005. Comparison of the
48
Thornthwaite method and pan data with
49
the standard Penman-Monteith estimates
50
of reference evapotranspiration in
51
China. J. Clim. Res. 28: 123-132.
52
11.Dai, X., Shi, H., Li, Y., Ouyang, Z.,
53
and Huo, Z. 2009. Artificial neural
54
network models for estimating regional
55
reference evapotranspiration based on
56
climate factors. Hydrological Processes.
57
23: 442-450.
58
12.Dogan, E., Gumrukcuoglu, M., Sandalci,
59
M., and Opan, M. 2010. Modelling of
60
evaporation from the reservoir of
61
Yuvacik dam using adaptive neurofuzzy inference systems. Engineering
62
Applications of Artificial Intelligence.
63
23: 961-967.
64
13.Doorenbos, J., and Pruitt, W.O. 1977.
65
Guidelines for predicting crop water
66
requirements. Irrig. and Drain. Paper
67
No. 24, 2nd edition, Food and Agric.
68
Organ. of the United Nations, Rome,
69
Italy, 156p.
70
14.Dunne, T., and Leopold, L.B. 1978.
71
Water in Environmental Planning.
72
Freeman Company, New York, 818p.
73
15.Environment Agency. 2001. Estimation
74
of open water evaporation. Rio
75
House, Waterside Drive, Aztec West,
76
Almondsbury, Bristol, BS32 4UD, 144p.
77
16.Hamon, W.R. 1963. Computation of
78
direct runoff amounts from storm rainfall.
79
International Association of Scientific
80
Hydrology Publication. 63: 52-62.
81
17.Hashemi, S.R. 2003. Engineering hydrology,
82
Shoara Publishing, 381p. (In Persian)
83
18.Hassani, A., Tajrishy, M., and
84
Abrishamchi, A. 2013. Evaporation
85
Study of Saveh Dam Reservoir Using
86
Modified Energy Budget Method. Sharif
87
Civil Engin. J. 29: 115-127.
88
19.Hooshmand, A., Salari-jazi, M.,
89
Bahrami, M., Zahiri, J., and Soleimani,
90
S. 2013. Assessment of pan evaporation
91
changes in South Western Iran. Afric. J.
92
Agric. Res. 8: 16. 1449-1456.
93
20.Jamieson, B.G.M., Hodgson, A.N., and
94
Bernard, R.T.F. 1991. Phylogenetic
95
trends and variation in the ultrastructure
96
of the spermatozoa of sympatme species
97
of South African patellid limpets
98
(Archaeogastropoda, Mollusca) Invertebr.
99
Reprod. Dev. 20: 137-146.
100
21.Jensen, M.E. 2010. Estimating evaporation
101
from water surfaces. Proceedings of the
102
CSU/ARS Evapotranspiration Workshop,
103
Fort Collins. 1-27.
104
22.Jensen, M.E., Burman, R.D., and Allen,
105
R.G. 1990. Evapotranspiration and
106
Irrigation Water Requirements. ASCE
107
Manuals and Reports on Engineering
108
Practices. No. 70, Am. Soc. Civil
109
Engrs., New York, 360p.
110
23.Jensen, M.E., and Haise, H.R. 1963.
111
Estimating evapotranspiration from
112
solar radiation. J. Irrig. Drain. Engin.
113
Div. ASCE. 89: 15-41.
114
24.Kaboosi, K. 2011. Estimation of
115
Evaporation Pan Coefficient Based on
116
Pan Data and Comparison with
117
Empirical Equations, The National
118
Conference on agricultural meteorology
119
and water management. College of
120
agriculture and natural resources,
121
University of Tehran, Tehran, Iran.
122
25.Karbasi, M. 2016. Forecasting of daily
123
reference evapotranspiration at Ahvaz
124
synoptic station using wavelet-GMDH
125
hybrid model. J. Water Soil Cons.
126
23: 4. 323-330. (In Persian)
127
26.Kargar, A.A., and Sedghi, H. 2009.
128
Introduce and review of the most
129
common methods for prediction of
130
sedimentation in reservoirs (Case study:
131
Sefidrud dam). 14th National Civil
132
Engineering Students Conference, 25
133
August, Semnan University, Semnan,
134
Iran. (In Persian)
135
27.Khorasan Razavi Regional Water
136
Authority, Department of Conservation
137
and Utilization. 2005. A detailed
138
assessment of stability control of
139
double-arch concrete of Kardeh dam,
140
120p. (In Persian)
141
28.Majidi, M., Alizadeh, A., Farid, A., and
142
Vazifedoust, M. 2015. Estimating
143
Evaporation from Lakes and Reservoirs
144
under Limited Data Condition in a
145
Semi-Arid Region. J. Water Resour.
146
Manage. 29: 3711-3733.
147
29.Maroufi, S., Toranjeyan, A., and Zare
148
Abyaneh, H. 2009. Evaluation of
149
geostatistical methods for estimating
150
electrical conductivity and pH of stream
151
drained water in Hamedan-Bahar Plain.
152
J. Water Soil Cons. 16: 169-187.
153
(In Persian)
154
30.Mohammadrezapour, O., Amini Rakan,
155
A., and Karandish, F. 2016. Modeling of
156
monthly potential evapotranspiration
157
using genetic programming in Sistan
158
and Baluchestan province. J. Water Soil
159
Cons. 22: 5. 307-313. (In Persian)
160
31.Mousavi, S.F., and Mohammadzade
161
Habili, G. 2012. Simulation of sediment
162
distribution in Kosar dam reservoir
163
using the Dez dam reservoir
164
sedimentation pattern distribution. J.
165
Iran Water Res. 10: 209-213.
166
32.Nash, J.E., and Sutcliffe, J.V. 1970.
167
River flow forecasting through
168
conceptual models, Part 1. A discussion
169
of principles. J. Hydrol. 10: 282-290.
170
33.Osvaldo-Salazara, O., Wesströma, I.,
171
and Joela, A. 2008. Evaluation of
172
DRAINMOD using saturated hydraulic
173
conductivity estimated by a pedotransfer
174
function model. Agricultural Water
175
Management. 95: 1135-1143.
176
34.Papadakis, J. 1961. Climatic tables for
177
the world. Published by Author, Buenos
178
Aires. 175p.
179
35.Reca, J., García-Manzano, A.,
180
and Martínez, J. 2015. Optimal
181
pumping scheduling model considering
182
reservoir evaporation. Agricultural Water
183
Management. 148: 250-257.
184
36.Rezaee Pazhand, H. 2001. Application
185
of probability and statistics in water
186
resources. Sokhan Gastar publication,
187
456p. (In Persian)
188
37.Saadatkhah, N., Sarang, S.A., Tajrishi,
189
M., and Abrishamchi, A. 2002.
190
Evaluation of Chahnimeh Reservoirs
191
Evaporation. J. Water Wastewater.
192
40: 12-24.
193
38.Sentelhas, P., Gillespie, T., and Santos,
194
E.A. 2010. Evaluation of FAO PenmanMonteith and alternative methods for
195
estimating reference evapotranspiration
196
with missing data in southern Ontario,
197
Canada. Agricultural Water Management.
198
97: 635-644.
199
39.Shabani, M. 2010. Engineering
200
hydrology. Islamic Azad University of
201
Neyriz Publishing, 510p. (In Persian)
202
40.Poos, T., and Varju, E. 2017.
203
Dimensionless evaporation rate from
204
free water surface at tubular artificial
205
flow. Energy Procedia. 112: 366-373.
206
41.Singh, V.P., and Xu, C.Y. 1997.
207
Evaluation and generalization of 13
208
mass-transfer equations for determining
209
free water evaporation. Hydrological
210
Processes. 11: 311-323.
211
42.Stan, S., Neculau, G., Zaharia, L.,
212
Ioana-Toroimac, G., and Mihalache,
213
S. 2016. Study on the evaporation
214
and evapotranspiration measured on
215
the Căldăruşani Lake (Romania).
216
Environmental Sciences. 32: 281-289.
217
43.Statistics and information obtaining of
218
Khorasan Razavi regional water authority.
219
44.Stauffer, R.E. 1991. Testing lake energy
220
budget models under varying
221
atmospheric stability conditions. J.
222
Hydro. 128: 115-135.
223
45.Stephens, J.C., and Stewart, E.H.
224
1963. A comparison of procedures
225
for computing evaporation and
226
evapotranspiration. Publication 62,
227
international association of scientific
228
hydrology. International Union of
229
Geodynamics and Geophysics, Berkeley,
230
CA, Pp: 123-133.
231
46.Trajkovic, S., and Kolakovic, S.
232
2009. Evaluation of reference
233
evapotranspiration equations under
234
humid conditions. Water Resources
235
Management. 23: 3057-3067.
236
47.U.S. Soil Conservation Service. 1970.
237
Irrigation Water Requirements, U.S.
238
Department of Agriculture, Technical
239
Release No. 21.
240
48.Vahabi Mashhor, M., and Rahimi
241
Khoob, A. 2015. Comparison between
242
neural network and M5 model tree
243
for reconstructing missing evaporation
244
data of Khuzestan. J. Water Soil Cons.
245
22: 4. 187-202. (In Persian)
246
49.Willmott, C.J., Rykiel, C.M., and Mintz,
247
Y. 1985. Climatology of terrestrial
248
seasonal water circle. J. Climatol.
249
5: 589-606.
250
50.Xu, C.Y., and Singh, V.P. 2001.
251
Evaluation and Generalization of
252
Radiation-based Methods for Calculating
253
Evaporation. Hydrology Processes.
254
15: 305-319.
255
51.Yang, C.T. 1996. Sediment Transport:
256
Theory and Practice, Mc-Graw Hill,
257
Inc., New York, 412p.
258
52.Zuo, H., Chen, B., Wang, S., Guo, Y.,
259
Zuo, B., and Wu, L. 2016. Observational
260
study on complementary relationship
261
between pan evaporation and actual
262
evapotranspiration and its variation with
263
pan type. Agricultural and Forest
264
Meteorology. 222: 1-9.
265
ORIGINAL_ARTICLE
ارزیابی شاخصهای هوادیدگی شیمیایی در رسوبات رودخانههای غرب دریاچه ارومیه
سابقه و هدف: رودخانهها بهعنوان راهروهای انتقال، مواد محلول و جامد فرسایش یافته از اراضی بالادست را به طرف دریاچهها و تالابها منتقل میکنند. از این رو بررسی وضعیت رسوبات رودخانهای از منظر شدت هوادیدگی، میتواند افقهای نوینی در ارزیابی صحیح وضعیت اراضی بالادست، چرخه هوادیدگی و تاثیر فعالیتهای انسانی بر محیط زیست داشته باشد. شاخصهای هوادیدگی نظیر WIP و CIA به طور گسترده در مطالعات هوادیدگی خاکها کاربرد دارند. با این حال دانستهها در زمینهی شدت فرآیند هوادیدگی رسوبات رودخانهای در کشور محدوده بوده و پژوهش حاضر با هدف ارزیابی این دو شاخص در رسوبات رودخانههای مهم غرب حوضهی دریاچه ارومیه و بررسی روابط احتمالی بین این شاخصها و ویژگیهای دانهبندی رسوبات صورت پذیرفته است. مواد و روشها: در این پژوهش 34 نمونه مرکب رسوب از هفت رودخانه مهم غرب دریاچه ارومیه شامل نازلوچای، شهرچای، باراندوزچای، گدارچای، مهابادچای، سیمینهرود و زولاچای برداشته شد. ویژگیهای فیزیکی و شیمیایی نمونهها بهروشهای معمول آزمایشگاهی اندازه گیری شده و جهت تعیین ترکیب عنصری اکسیدهای اصلی نمونههای رسوب از آنالیز اسپکتروسکوپی فلورسانس اشعه X استفاده شد. کمیسازی مقادیر اکسیدها با کاربرد نرمافزار SUPERQ و واستجی از طریق نمونههای استاندارد بینالملی صورت گرفت. سپس شاخصهای CIA و WIP محاسبه شد. آنالیز دادههای بااستفاده از روش همبستگی و همچنین روشهای تجزیه به مولفههاب اصلی و خوشهبندی سلسله مراتبی صورت گرفت. یافتهها: اکسیدهای سلیسیم، آلومینیوم و کلسیم سه ترکیب غالب در اغلب نمونههای رسوب بودند. نسبت مقدار SiO2 در نمونهها به مقدار استاندارد آن در پوسته سطح زمین (UCC) برای تمامی نمونهها کمتر از 1 و بین 57/0 و 84/0 بود که نشان دهنده عدم وقوع اثر رقت در فرآیند انتقال کانیها است. بر اساس ترکیب اکسیدهای اصلی، نمونههای تمامی رودخانهها دارای مشابهتی بیش از 65 درصد بوده و تنها رودخانههای گدار و باراندوز به دلیل اینکه مقادیر بیشتری MgO نسبت به سایر رودخانهها داشتند تشابه کمتری با سایر رودخانهها نشان دادند. مقدار CaO با SiO2، Al2O3 و Fe2O3 همبستگی معکوس و معنیداری نشان داد. (ضریب همبستگی بین 62/0- تا 67/0-، 001/0>P). دامنه شاخصهای CIA و WIP در رسوبات به ترتیب بین 1/50 – 6/82 و 2/69 – 4/42 بود. هر دو شاخص دارای توزیع نرمال بوده ولی از بین این شاخص، شاخص WIP با معیارهای توزیع اندازه ذرات، بویژه قطر میانه همبستگی قویتری (84/0 = r و 001>P) از خود نشان داد. همبستگی شاخص CIA و معیارهای توزیع اندازه ذارت به رغم معنیدار بودن با رس و قطر میانه در مقاسیه با شاخص WIP ضعیفتر بود. نتیجهگیری: مقادیر بالای SiO2 و Al2O3 در نمونههای رسوب نشان میدهد که رسوبات منطقه هوادیدگی شدید سیلیکاته قرار نگرفتهاند. وزن بالای CaO در تجزیه به مولفههای اصلی به احتمال قوی نشاندهنده ترکیبات کلسیت در مواد مادری منطقه است. بر مبنای مقایسه شاخصهای هوادیدگی، نمونههای بالادست و پائین دست رودخانهها تفاوت آشکاری از نظر شدت هوادیدگی داشتند. با این حال فعالیتهای انسانی از جمله احداث سد برای نمونه در رودخانهی مهاباد سبب شده تا الگوی هوادیدگی در بالادست و پائیندست رودخانه تا حدودی دست خوش تغییر شود. منحنی A-CN-K برای نمونههای رسوب بیانگر روند موازی نمونهها با محور A-CN بوده و حاکی از حذف کانیهای سیلیکاته کلسیم و سدیم از مواد مادری است. هبستگی قوی و معنیدار قطر میانه رسوبات با شاخصهای هوادیدگی به ویژه شاخص WIP نشان میدهد که شاخص قطر میانه در مقایسه با فراوانی ذرات اولیه، معیار مناسبتری برای ارزیابی شدت هوادیدگی رسوبات است.
https://jwsc.gau.ac.ir/article_4606_8cdb64e86c2380c0ad3d10946deb9965.pdf
2019-06-22
53
73
10.22069/jwsc.2019.14883.2995
رسوب
رودخانه
دریاچه ارومیه
شاخص هوادیدگی
حامد
ارفع نیا
h_arfania82@yahoo.com
1
دانشجوی دکتری گروه علوم خاک دانشگاه ارومیه
AUTHOR
فرخ
اسدزاده
farrokhasadzadeh@gmail.com
2
دانشیار گروه علوم خاک دانشگاه ارومیه
LEAD_AUTHOR
1.Asadzadeh, F., and Samadi, A. 2016.
1
Analysis of physicochemical properties of
2
sediments trapped in successive check
3
dams. Iran. J. Soil Water Res.
4
47: 2. 293-306. (In Persian)
5
2.Bétard, F. 2012. Spatial variations of soil
6
weathering processes in a tropical
7
mountain environment: the Baturité
8
massif and its piedmont (Ceará, NE
9
Brazil). Catena. 93: 18-28.
10
3.Bouchez, J., Lupker, M., Gaillardet, J.,
11
France-Lanord, C., and Maurice, L. 2011.
12
How important is it to integrate riverine
13
suspended sediment chemical
14
composition with depth? Clues from
15
Amazon River depth-profiles. Geochim.
16
Cosmochim. Acta. 75: 22. 6955-6970.
17
4.Burke, B.C., Heimsath, A.M., and White,
18
A.F. 2007. Coupling chemical weathering
19
with soil production across soil‐mantled
20
landscapes. Earth Surf. Processes
21
Landforms. 32: 6. 853-873.
22
5.Chetelat, B., Liu, C.Q., Wang, Q., and
23
Zhang, G. 2013. Assessing the influence
24
of lithology on weathering indices of
25
Changjiang river sediments. Chem. Geol.
26
359: 108-115.
27
6.Dalai, T.K., Rengarajan, R., and Patel, P.
28
2004. Sediment geochemistry of the
29
Yamuna River System in the Himalaya:
30
Implications to weathering and transport.
31
Geochem. J. 38: 5. 441-453.
32
7.Duzgoren-Aydin, N.S., Aydin, A., and
33
Malpas, J. 2002. Re-assessment of
34
chemical weathering indices: case study
35
on pyroclastic rocks of Hong Kong. Eng.
36
Geol. 63: 1. 99-119.
37
8.Fedo, C.M., Nesbitt, H.W., and Young,
38
G.M. 1995. Unraveling the effects of
39
potassium metasomatism in sedimentary
40
rocks and paleosols, with implications for
41
paleoweathering conditions and provenance.
42
Geology. 23: 10. 921-924.
43
9.Gaillardet, J., Millot, R., and Dupré,
44
B. 2003. Chemical denudation rates
45
of the western Canadian orogenic belt:
46
the Stikine terrane. Chemical Geol.
47
201: 3-4. 257-279.
48
10.Gupta, S., Banerjee, R., Babu, P.R.,
49
Parihar, P.S., and Maithani, P.B. 2012.
50
Geochemistry of uraniferous Banganapalle
51
sediments in the western part of Palnad
52
Sub-basin, Andhra Pradesh: implications
53
on provenance and paleo-weathering.
54
Gondwana Geol Mag Spec. 13: 1-14.
55
11.Hamdan, J., and Bumham, C.P. 1996.
56
The contribution of nutrients from
57
parent material in three deeply
58
weathered soils of Peninsular Malaysia.
59
Geoderma. 74: 3-4. 219-233.
60
12.Harnois, L. 1988. The CIW index: a new
61
chemical index of weathering. Sedim
62
Geol. 55: 3-4. 319-322.
63
13.Herbillon, A.J. 1986. Chemical
64
estimation of weatherable minerals
65
present in the diagnostic horizons of low
66
activity clay soils. In: Beinroth, F.H.,
67
Camargo, M.N. and Eswaran, M. (Ed.).
68
Proceedings of the 8th International Clay
69
Classification Workshop: Classification,
70
Characterization and Utilization of
71
Oxisols (Part 1).
72
14.Jayawardena, U.D.S., and Izawa, E.
73
1994. A new chemical index of
74
weathering for metamorphic silicate
75
rocks in tropical regions: a study from
76
Sri Lanka. Eng. Geol. 36: 3-4. 303-310.
77
15.Li, C., and Yang, S. 2010. Is chemical
78
index of alteration (CIA) a reliable
79
proxy for chemical weathering in
80
global drainage basins? Am. J. Sci.
81
310: 2. 111-127.
82
16.Lotfi, A. 2013. Lake Urmia: Description
83
of Basic Conditions. Environmental
84
Protection Agency, Tehran, Pp: 12-14.
85
17.McLennan, S.M. 1993.Weathering and
86
global denudation. J Geol. 101: 295-303.
87
18.Mehdizadeh, L., Asadzadeh, F., and
88
Samadi, A. 2015. Application of
89
mathematical models to describe the
90
particle size distribution of sediments
91
behind successive check dams. Water.
92
Engin. Manage. 6: 4. 323-336. (In Persian)
93
19.Meybeck, M. 1987. Global chemical
94
weathering of surficial rocks estimated
95
from river dissolved loads. Am. J. Sci.
96
287: 5. 401-428.
97
20.Millot, R., Gaillardet, J., Dupré, B., and
98
Allègre, C.J. 2002. The global control of
99
silicate weathering rates and the
100
coupling with physical erosion:
101
new insights from rivers of the
102
Canadian Shield. Earth Planet Sci.
103
Letters. 196: 1-2. 83-98.
104
21.Nesbitt, H.W., and Markovics, G. 1980.
105
Chemical processes affecting alkalis and
106
alkaline earths during continental
107
weathering. Geochim. Cosmochim. Acta.
108
44: 11. 1659-1666.
109
22.Nesbitt, H.W., and Young, G.M.
110
1982. Early Proterozoic climates and
111
plate motions inferred from major
112
element chemistry of lutites. Nature.
113
299: 5885. 715-717.
114
23.Nesbitt, H.W., and Young, G.M. 1989.
115
Formation and diagenesis of weathering
116
profiles. J. Geol. 97: 2. 129-147.
117
24.Oliva, P., Viers, J., and Dupré, B.
118
2003. Chemical weathering in granitic
119
environments. Chem. Geol. 202: 3. 225-256.
120
25.Osat, M., Heidari, A., Eghbal, M.K., and
121
Mahmoodi, S. 2016. Impacts of
122
topographic attributes on Soil
123
Taxonomic Classes and weathering
124
indices in a hilly landscape in Northern
125
Iran. Geoderma. 281: 90-101.
126
26.Panwar, S., and Chakrapani, G.J. 2016.
127
Seasonal variability of grain size,
128
weathering intensity, and provenance of
129
channel sediments in the Alaknanda
130
River Basin, an upstream of river
131
Ganga, India. Environ. Earth Sci.
132
75: 12. 1-13.
133
27.Parker, A. 1970. An index of weathering
134
for silicate rocks. Geologic. Magaz.
135
107: 06. 501-504.
136
28.Price, J.R., and Velbel, M.A. 2003.
137
Chemical weathering indices applied to
138
weathering profiles developed on
139
heterogeneous felsic metamorphic parent
140
rocks. Chem. Geol. 202: 3. 397-416.
141
29.Rowell, D.L. 1994. Soil science:
142
methods and application, Part 7:
143
Measurement of the composition of soil
144
solution, 112p.
145
30.Ruxton, B.P. 1968. Measures of the
146
degree of chemical weathering of rocks.
147
J. Geol. 76: 5. 518-527.
148
31.Schroeder, P.A., Melear, N.D., West,
149
L.T., and Hamilton, D.A. 2000. Metagabbro weathering in the Georgia
150
Piedmont, USA: implications for global
151
silicate weathering rates. Chem. Geol.
152
163: 1. 235-245.
153
32.Selvaraj, K., and Chen, C.T.A. 2006.
154
Moderate chemical weathering of
155
subtropical Taiwan: constraints from
156
solid-phase geochemistry of sediments
157
and sedimentary rocks. J. Geol.
158
114: 1. 101-116.
159
33.Stallard, R.F., and Edmond, J.M. 1983.
160
Geochemistry of the Amazon: 2. The
161
influence of geology and weathering
162
environment on the dissolved load. J.
163
Geophy Res. Oceans. 88: 9671-9688.
164
34.Shao, J., Yang, S., and Li, C. 2012.
165
Chemical indices (CIA and WIP) as
166
proxies for integrated chemical
167
weathering in China: inferences from
168
analysis of fluvial sediments. Sedim
169
Geol. 265: 110-120.
170
35.Taboada, T., Rodríguez-Lado, L.,
171
Ferro-Vázquez, C., Stoops, G., and
172
Cortizas, A.M. 2016. Chemical
173
weathering in the volcanic soils of Isla
174
Santa Cruz (Galápagos Islands,
175
Ecuador). Geoderma. 261: 160-168.
176
36.Taylor, S.R., and McLennan, S.M. 1985.
177
The continental crust: its composition
178
and evolution. Blackwell Scientific
179
Publication, Carlton, 312p.
180
37.Tipper, E.T., Bickle, M.J., Galy, A.,
181
West, A.J., Pomiès, C., and Chapman,
182
H.J. 2006. The short term climatic
183
sensitivity of carbonate and silicate
184
weathering fluxes: insight from seasonal
185
variations in river chemistry. Geoch
186
Cosmoch Acta. 70: 11. 2737-2754.
187
38.Velbel, M.A. 1993. Temperature
188
dependence of silicate weathering in
189
nature: How strong a negative feedback
190
on long-term accumulation of
191
atmospheric CO2 and global greenhouse
192
warming? Geology. 21: 12. 1059-1062.
193
39.Verma, M., Singh, B.P., Srivastava, A.,
194
and Mishra, M. 2012. Chemical
195
behavior of suspended sediments in a
196
small river draining out of the Himalaya,
197
Tawi River, northern India: implications
198
on provenance and weathering.
199
Himalayan Geol. 33: 1. 1-14.
200
40.White, A.F., and Blum, A.E. 1995.
201
Effects of climate on chemical
202
weathering in watersheds. Geochem
203
Cosmochim Acta. 59: 9. 1729-1747.
204
41.Xiao, S., Liu, W., Li, A., Yang, S., and
205
Lai, Z. 2010. Pervasive autocorrelation
206
of the chemical index of alteration
207
in sedimentary profiles and its
208
palaeoenvironmental implications.
209
Sedimentol. 57: 2. 670-676.
210
42.Yang, S., Jung, H.S., and Li, C. 2004.
211
Two unique weathering regimes in the
212
Changjiang and Huanghe drainage
213
basins: geochemical evidence from river
214
sediments. Sedim Geol. 164: 1. 19-34.
215
43.Yousefifard, M., Ayoubi, S., and
216
Jalalian, A. 2013. Weathering intensity
217
and investigation of weathering indices
218
in some soils developed on igneous
219
rocks in west-north of Iran. J. Water.
220
Soil. 27: 266-281. (In Persian)
221
ORIGINAL_ARTICLE
تعیین دور آبیاری بهینه و ارزیابی سازگاری گیاه مریم گلی سهندی (Salvia sahendica .L) به تنش آبی در فضای سبز
چکیده سابقه و هدف: یکی از گیاهانی که در فضای سبز مراکز صنعتی از دیر باز کاربرد گستردهای داشته است چمن می-باشد. این گیاه نیاز آبی بالایی دارد. به دلیل کم آبیهای سالیان اخیر از برخی گیاهان دارویی به عنوان گیاه پوششی جهت کاربرد در فضاهای سبز استفاده میگردد، زیرا این گیاهان علاوه بر مقاومت به شرایط نامساعد محیطی از نیاز آبی، تغذیه و نگهداری پائینی نسبت به چمن جهت کاربرد در فضای سبز برخوردار هستند. لیکن سازگاری و عملکرد آنها در هر منطقه به عوامل مختلفی از جمله اقلیم منطقه، شرایط فیزیکی و شیمیایی خاک، کیفیت آب، میزان و فواصل آبیاری و نوع گیاه بستگی دارد. بدین جهت تحقیق حاضر با هدف کلی ارزیابی سازگاری گیاه مریم گلی سهندی به تنش آبی و تعیین رژیم آبیاری مناسب جهت کاربرد آن در فضاهای سبز مراکز صنعتی طرحریزی شد. مواد و روشها: این آزمایش در مزرعه تحقیقاتی شرکت فولاد مبارکه اصفهان انجام گرفت. بعد از آمادهسازی مزرعه مطالعاتی، تیمارهای تحقیق شامل پنج دور آبیاری (2 (شاهد)، 4، 8، 12 و 16روزه) به عنوان فاکتور اصلی و2 گیاه مریم گلی سهندی و چمن (جهت مقایسه) به عنوان فاکتور فرعی در قالب طرح آماری کرتهای خرد شده با طرح پایه بلوک کامل تصادفی در کرتهایی به ابعاد 5/1×5/1 متر در 3 تکرار در سال 1395 اجرا گردید. پس از استقرار گیاهان، تاثیر تنش آبیاری از طریق تیمارهای دور آبیاری اعمال شد. در پایان فصل تابستان از گیاهان کشت شده (برگ، ریشه و کل گیاه) نمونهبرداری انجام گردید و برخی شاخصهای رشد گیاهان در سه تکرار اندازهگیری شد. مقایسه میانگینها به روش LSD با استفاده از نرمافزار MSTAT-C انجام شد. یافتهها: نتایج تجزیه واریانس نشان داد، اثر دور آبیاری، گونه و نیز اثر متقابل آنها در سطح آماری 1 درصد بر تمامی صفات مورفولوژی و فیزیولوژی مورد مطالعه معنیدار بود. بر اساس نتایج مقایسه میانگینها، افزایش دور آبیاری از 2 به 4، 8 و 16 روزه باعث کاهش معنیدار صفات مورد مطالعه در گیاه چمن گردید (pr<0.05). کمترین میزان درصد زندهمانی(5%)، سطح پوشش (5%)، امتیازدهی دیداری (10%)، سطح برگ (4%)، میزان نسبی آب برگ (9%) و شاخص کلروفیل (3%) در این گیاه در دور 16 روزه نسبت به تیمار شاهد مشاهده شد. لیکن کاهش این صفات در گیاه مریم گلی سهندی تا دور 16 روزه معنیدار نبود (pr>0.05). در این گیاه فقط دور آبیاری 16 روزه با سایر دورهای آبیاری کاهش معنیدار نشان داد که به ترتیب کمترین میزان برای صفات ذکر شده (60%)، (67%)، (66%)، (80%)، (68%) و (59%) میباشد. در گیاه چمن، میزان پرولین، نشت الکترولیت، نسبت وزن خشک ریشه به اندام هوایی و بلندترین طول ریشه با افزایش دور آبیاری به بیش از 2 روز در سطوح مختلف آبیاری افزایش معنیدار (pr<0.05) داشت. این صفات در دور آبیاری 16 روزه در این گیاه به ترتیب 7/4، 2/4، 3/2 و 6/2 برابر تیمار شاهد افزایش یافت. برای گیاه مریم گلی سهندی این افزایش تا دور 16 روزه معنیدار نبود و در دور 16 روزه این صفات به ترتیب 2/1، 2، 7/1 و 9/1 برابر تیمار شاهد افزایش نشان داد.نتیجهگیری: با توجه به عدم کاهش معنیدار (pr>0.05) شاخصهای مورد مطالعه برای گیاه مریم گلی سهندی در دورهای 4، 8 و 12 نسبت به تیمار شاهد، میتوان نتیجه گرفت که رژیم آبیاری بهینه برای استفاده از این گیاه در فضاهای سبز، دور آبیاری 12 روز یکبار میباشد که در مقایسه با گیاه چمن با دور بهینه آبیاری 2روز یکبار باعث صرفهجویی درمصرف منابع محدود آبیاری میگردد. از این رو استفاده از گیاه مریم گلی سهندی جهت کاربرد در فضای سبز و جایگزین چمن در منطقه مورد مطالعه و سایر مناطق مشابه با اطمینان 95 درصد پیشنهاد میشود.
https://jwsc.gau.ac.ir/article_4607_6bd471f0dbc8f48ff76ff32b9e7c3b85.pdf
2019-06-22
75
95
10.22069/jwsc.2019.14576.2942
واژههای کلیدی: درصد زندهمانی
امتیازدهی دیداری
میزان نسبی آب برگ
شاخص کلروفیل
پرولین
کامران
پروانک
ka.parvanak@gmail.com
1
استادیار گروه کشاورزی، دانشگاه آزاد اسلامی، واحد یادگار امام خمینی(ره)، شهرری، تهران، ایران.
LEAD_AUTHOR
1.Abbasi Khalaki, M., and Shokouhian,
1
A.A. 2017. Choosing suitable of Thymus
2
Based on morphological characteristics to
3
use in urban landscape. Plant and
4
Ecosystem. 51: 85-95. (In Persian)
5
2.Abbasi Khalaki, M., Ghorbani, A., and
6
Moameri, M. 2016. Effects of silica and
7
silver nanoparticles on seed germination
8
traits of Thymus kotschyanus in
9
laboratory conditions. J. Range. Sci.
10
6: 3. 221-231.
11
3.Aderakani, M.R., Abbaszadeh, B., Sharifi
12
Ashoorabadi, A., Labaschi, M.H.,
13
Moavenati, P., and Mohebati, F. 2010.
14
The effect of drought stress on growth
15
indices of Balm (Melissa officinalis L).
16
Plant and Ecosystem. 21: 47-58.
17
(In Persian)
18
4.Afkari, A. 2018. Effects of drought stress
19
and nitrogen fertilizer rate on some
20
physiologicalcharacteristics, essential oil
21
percentage, and yield of basil (Ocimum
22
basilicum L.). Iran. J. Med. Arom. Plant.
23
33: 6. 1047-1059. (In Persian)
24
5.Akhzari, D., and Aslani, F. 2013. Study
25
of morpho-physiological traits of
26
Cichorium intybus L. in response to
27
drought stress. Environmental Stresess in
28
Crop Sciences. 3: 147-157. (In Persian)
29
6.Amiri Fadard, R., and Hosseini,
30
A.H. 2013. Importance of medicinalornamental plants in urban landscape. In:
31
Proceeding of the 2th National Congress
32
of Medicinal Plants, Shahid Beheshti
33
University of Medical Sciences, Tehran,
34
Iran. 20-23 May, 187-195. (In Persian)
35
7.Askary, M., Behdani, M.A., Parsa, S.,
36
Jamialahmadi, M., and Mahmoodi, S.
37
2017. Effects of water stress and manure
38
on stomatal conductance, relative water
39
content, photosynthetic pigments and
40
quantitative and qualitative yield of
41
Thymus vulgaris L. and Thymus
42
daenensis Celak. Iran. J. Med. Arom.
43
Plant. 33: 5. 793-811. (In Persian)
44
8.Bates, L.S., Waldren, R.P., and Teare,
45
I.D. 1973. Rapid determination of free
46
proline for water stress study. Plant and
47
Soil. 39: 205-207.
48
9.Bohloli, M., Zamani, A., and Khamoushi,
49
M. 2016. Evaluation of the application of
50
Lavandula anggustifolia medicinal plants
51
in urban landscape. In: Proceeding of the
52
2th National Congress of Development
53
and Promotion of Agricultural Sciences,
54
Natural Resources and Environment of
55
Iran, Association for the Development
56
and Promotion of Basic Sciences and
57
Technology, Tehran, Iran. 20-23 August.
58
Pp: 178-196. (In Persian)
59
10.Dashti, M., Kafi, M., Tavakoli, H., and
60
Mirza, M. 2015. The effect of water
61
deficit stress on water relationships,
62
photosynthesis and osmolithic
63
accumulation in the Salvia leriifolia
64
Benth Medicinal Plant. Iran. J. Field
65
Crop Res. 12: 4. 813-821. (In Persian)
66
11.Erusha K.S., Shearman R.C., Rioradan
67
T.P., and Wit L.A. 2002. Kentucky
68
Bluegrass cultivar root and top growth
69
responses when grown in hydroponics.
70
Crop Science, 42: 848-852.
71
12.Fallahi, J., Ebadi, M.T., and the
72
Ghorbani, R. 2008. The effects of
73
salinity and drought stresses on
74
germination and seedling growth of
75
Clary (Salvia sclarea). Environmental
76
Stresses in Agricultural Sciences.
77
1: 1. 57-67. (In Persian)
78
13.Fu, J., and Huang, B. 2001. Involvement
79
of antioxidants and lipid peroxidation
80
in the adaptation of two cool season
81
grasses to localized drought stress.
82
Environmental and experimental Botany.
83
45: 105-114.
84
14.Garcia, M.G., Busso, C.A., Polci, P.,
85
Garcia, L.N., and Echenique, V. 2008.
86
Water relation and leaf growth rate of
87
three Agropyron genotypes under water
88
stress. BioCell. 26: 309-317.
89
15.Haghighi, N. 2010. Investigation of
90
ornamental plants in different areas
91
of Kish Island. J. Geograph. Space.
92
9: 31. 1-26. (In Persian)
93
16.Hassani, A., and Omid Beigi, R. 2010.
94
Effects of water stress on some
95
morphological, physiological and
96
metabolic properties of Basil (Ocimum
97
Basilicum). J. Agric. Sci. 12: 47-59.
98
(In Persian)
99
17.Heidari, N., Pouryousef, M., and
100
Tavakoli, A. 2015. Effects of drought
101
stress on photosynthesis, its parameters
102
and relative water content of Anise
103
(Pimpinella anisum L.). Iran. J. Plant
104
Res. 27: 5. 839-829. (In Persian)
105
18.Jazizadeh, E., and Morteza Nejad, F.
106
2017. Effects of water stress on
107
morphological and physiological indices
108
of cichorium intybus L. for introduction
109
in urban landscapes. J. Plant Proc. Func.
110
21: 6. 279-290. (In Persian)
111
19.Jafari, M., Rezaeinejad, H., and Faizian,
112
M. 2016. Effect of superabsorbent,
113
manure and irrigation interval on some
114
growth characteristics, physiological and
115
biochemical of Pelagonium graveolens. J.
116
Crop Improv. 18: 2. 467-480. (In Persian)
117
20.Jordan, J., White, R., Vietor. D., Hale,
118
T., Thomas, J., and Engelke, M. 2003.
119
Effect of irrigation frequency on turf
120
quality, shoot density and root length
121
density of five bentgrass cultivars. Crop
122
Science. 43: 282-287.
123
21.Khalil, M., Bhat, N.R., Abdal, M.S.,
124
Grina, R., Al-Mulla, L., Al-Dossery, S.,
125
Bellen, R., Cruz, R., Cruz, G.D., George,
126
J., and Christopher, A. 2006. Evaluating
127
the suitability of groundcovers in the arid
128
environments of Kuwait. Europ. J. Sci.
129
Res. 15: 412-419.
130
22.Kholova, J., Hasan, C.T.M., Khocova,
131
M., and Vadie, V. 2013. Doesa terminal
132
drought tolerance QTL contribute to
133
differences in ROS scavenging enzymes
134
and photosynthetic pigments in pear
135
millet exposed to drought. J. Environ.
136
Exp. Bot. 71: 99-106.
137
23.Koc, E., Islek, C., and Ustun, A.S. 2014.
138
Effect of cold on protein, proline,
139
phenolic compounds and chlorophyll
140
content of two pepper (Capsicum
141
annuum L.) varieties. Gazi Univ. J. Sci.
142
24.Leo, M., and Nollet, L. 2007. Handbook
143
of water analysis. Extensively revised
144
and updated, Handbook of Water
145
Analysis, Second Edition provides
146
current analytical techniques for
147
detecting compounds in water samples.
148
Maintaining the Top of Form. 769p.
149
25.Liu, J., Xie, X., Du, L., Sun, J., and Bai, X.
150
2008. Effects of simultaneous drought and
151
heat stress on Kentucky bluegrass.
152
Scientia Horticultrae. 115: 190-195.
153
26.Lotfi, M., Abbaszadeh, B., and Mirza,
154
M. 2014. The effect of drought strees on
155
morphology, proline content and soluble
156
carbohydrates of Tarragon (Artemisia
157
dracunculus L.). Iran. J. Med. Arom.
158
Plant. 30: 1. 19-29. (In Persian)
159
27.Mousavi, S.G.R., Seghatoleslami, M.J.,
160
Ansarinia, E., and Javadi, H. 2012.
161
The effect of water deficit stress
162
and nitrogen fertilizer on yield and water
163
use effeciency of Calendula officinalis
164
L. Iran. J. Med. Arom. Plant.
165
28: 3. 493-508. (In Persian)
166
28.Page, A.L. 1992. Methods of soil
167
Analysis. ASA and SSSA Publishers
168
Madison WI.
169
29.Parvanak, K., and Mohammadi, M.
170
2010. Investigation of adaptation of
171
some groung cover plants in north of
172
Tehran. Seminar of M.SC, Department
173
of Agriculture, Islamic Azad University,
174
Shahre- Rey- Branch. 154p.
175
30.Pourshaki, K., and Faizi, M.T. 2011.
176
Application of Ziziphora clinopodioides
177
medicinal plant in landscape design.
178
In: Proceeding of the 5th National
179
Congress of New Ideas in Agriculture,
180
Islamic Azad University, Khorasgan
181
Branch, Isfahan, Iran. 8-11 September,
182
Pp: 131-139. (In Persian)
183
31.Raasam, Gh., Dadkhah, A., and
184
Khoshnood Yazdi, A. 2015. Evaluation
185
of water deficit on morphological and
186
physiological traits of Hyssop (Hyssopus
187
officinalis L.). J. Agron. Sci. 10: 5. 1-12.
188
(In Persian)
189
32.Richardson, M.D., Karcher, D.E.,
190
Hignight, K., and Rush, D. 2008.
191
Drought tolerance and rooting capacity
192
of Kentucky bluegrass cultivars. Crop
193
Science. 48: 2429-2436.
194
33.Radacsi, P., Inotai, K., Sarosi, S.,
195
Czovek, P., Bernath, J., and Nemeth, E.
196
2010. Effect of water supply on the
197
physiological characteristic and
198
production of Basil (Ocimum basilicum
199
L.). Europ. J. Hort. Sci. 75: 193-197.
200
34.Sadeghi, A., Etemadi, N., Shams, M.,
201
and Niyazmand, F. 2015. Effect
202
of drought stress on morphological
203
and physiological characteristics of
204
Agropyron desertorum and Festuca
205
arundinaceae Schreb. J. Hort. Sci.
206
28: 4. 544-553. (In Persian)
207
35.Salahvarzy, Y., Tehranfar, A.,
208
Gzanchyan, A., and Aroei, H. 2008.
209
Physiomorphological changes under
210
drought stress and rewatering in
211
endemic and exotic turfgrasses. J. Hort.
212
Sci. 22: 1-12. (In Persian)
213
36.Silva, H., Sagardia, S., Seguel, O.,
214
Torres, C., Franck, N., Tapia, C., and
215
Cardemil L. 2012. Effect of water
216
availability on growth and water use
217
efficiency for biomass and jel
218
production in aloe vera (Aloe
219
barbadensis Miller). Industrial Crops
220
Production. 31: 20-27.
221
37.Shooshtarian, S., Salehi, H., and
222
Tehranifar, A. 2011. Study of the
223
characteristics of growth of ten ground
224
cover plants in urban landscape of
225
Kish Island. J. Agroecol. 3: 4. 514-524.
226
(In Persian)
227
38.Sodaei Zadeh, H., Shamsaei, M.,
228
Tajamoleian, M., Mirmohamadi
229
Mibodisadeghi, S.A.M., and Hakimzadeh,
230
M.A. 2016. Effect of drought stress on
231
some morphological and physiological
232
traits of Satureja hortensis. J. Plant Proc.
233
Func. 5: 15. 1-12. (In Persian)
234
39.Taiya, A., Nasseri, H.R., and Mousavi
235
Nejad, S.M., and Teimouri, M. 2012.
236
The Importance of using of medicinal
237
plants in the development of urban
238
landscape. In: Proceeding of the
239
1th National Congress of Desert,
240
International Desert Research Center,
241
Tehran University, Tehran, Iran. 3-5
242
September, Pp: 278-284. (In Persian)
243
40.Tatari, M., Fotouhi Ghazvini, R.,
244
Etemadi, N., Ahadi, A.M., and.
245
Mousavi, A. 2013. Study of some
246
physiological responses in three species
247
of turfgrass in drought stress conditions.
248
J. Plant Prod. 20: 1. 63-87. (In Persian)
249
41.Tarkhan, A. 2015. Use of Lavandula
250
anggustifolia at urban landscape design.
251
Iranian Ornamental and Ornamental
252
Plants Association Publishing, Tehran,
253
Iran. 187p.
254
42.Wang, F., Zeng, B., Sun, Z., and Zhu,
255
C. 2009. Relationship between proline
256
and Hg+2-induced oxidative stress in
257
tolerant rice mutant. Archives of
258
Environmental Contamination and
259
Toxicology. 56: 4. 723-731.
260
43.Yamasaki, S., and Dillenburg, L.R.
261
1999. Measurements of leaf relative
262
water content in Araucaria angustifolia.
263
Revista Brasilleira deFisiologia Vegetal.
264
11: 2. 69-75.
265
44.Zhao, Y., Aspinall, D., and Paleg, L.G.
266
1992. Protection of membrane integrity
267
in Medicago sativa L. by glycinebetaine
268
against the effects of freezing. J. Plant
269
Physiol. 140: 541-543.
270
ORIGINAL_ARTICLE
تعیین و آنالیز گسسته سازی حجم مخزن سد جامیشان با برنامه ریزی پویای احتمالاتی در توابع هدف مختلف
سابقه و هدف: امروزه یکی از مشکلات موجود در کشور، کمبود آب میباشد و این مسئله، لزوم استفاده از یک مدیریت مناسب منابع آب را بیش از پیش آشکار میسازد. یکی از روشهای استخراج قوانین بهرهبرداری از مخازن، روش برنامهریزی پویای احتمالاتی (SDP) میباشد. در روش (SDP) یکی از مهمترین عوامل برای رسیدن به جواب بهینه، نحوه گسستهسازی حجم مخزن و دبیهای ورودی به مخزن میباشد. در این تحقیق، به منظور دستیابی به تعداد گسستهسازی بهینه حجم مخزن در روش برنامهریزی پویای احتمالاتی، با در نظر گرفتن تابع هدف در سه حالت مختلف (0=α، 5/0=α و 1=α) و ثابت فرض نمودن تعداد کلاس دبی ورودی به مخزن، حالتهای مختلفی از گسستهسازی حجم ذخیره به صورت 3، 5، 7 و 10 مورد بررسی قرار گرفته است. مواد و روش: در این مطالعه، مدل برنامهریزی پویای احتمالاتی به منظور تعیین کلاس بهینه حجم مخرن سد جامیشان در توابع هدف مختلف مورد بررسی قرار گرفته است. با داشتن سری تاریخی جریان ورودی به سد جامیشان و حجم مفید مخزن، جریان ورودی با روش طول بازههای مساوی به 3 کلاس و حجم مخزن با روش موران به کلاسهای 3، 5، 7 و 10 گسستهسازی شد. با تعریف تابع هدف به صورت حداقل سازی خسارات سیستم برای هر ترکیب از کلاس جریان و حجم مخزن (k,i) روش برنامهریزی پویای احتمالاتی انجام شد. با دستیابی به سیاست پایا برای هر دوره، مقادیر رهاسازی، حجم جریان و حجم مخزن به صورت قطعی برای هر دوره محاسبه شد.یافتهها: نتایج نشان داد در حالت 0=α که فقط تامین مجموع نیازهای پایاب سد مدنظر است، کلاس بهینه حجم مخزن برابر 7=k انتخاب شد که به ازای آن حداقل مقدار در حجم کمبود تامین مشاهده شد. چنانچه تابع هدف 1=α باشد (فقط حجم مخزن هدف)، در این حالت حجم مخزن بهینه برابر10=k است که به ازای آن اختلاف حجم مخزن از مقدار مطلوب ( ) از حالت ثابت خارج شد و اولین تغییر کاهشی در آن مشاهده شد. تعیین کلاس بهینه حجم مخزن در حالت 1=α متاثر از نوع روش گسستهسازی حجم مخزن است که در روشهای موران و کلاسیک با نتایج یکسان، k بهینه برابر 10 و در روش ساوارنسکی 7=k انتخاب شد. در حالت 5/0=α (دو هدف رهاسازی از مخزن و حجم مخزن هدف) حجم مخزن منتخب بر اساس تابع هدف برابر 10=k انتخاب شد.نتیجهگیری: درشرایطی که تابع هدف فقط تخصیص و خروجی از مخزن است، کلاس بهینه حجم مخزن در نقطهای اتفاق خواهد افتاد که میزان حجم کمبودها با افزایش کلاسبندی مخزن ثابت بماند. در این حالت با تقسیمبندی حجم مخزن به 7 کلاس میزان حجم کمبود ثابت شده و 7=k به عنوان کلاس بهینه انتخاب شد. در سناریوی دوم، نقطهای به عنوان بهترین گسستهسازی از حجم مخزن انتخاب شد که بیشترین نزدیکی را با حجم ذخیره مورد نیاز ( ) داشت، لذا در این حالت کلاس بهینه حجم مخزن 10=k است. در سناریوی سوم، با انتخاب کلاس 10 برای حجم مخزن، دو هدف حداقل سازی حجم ذخیره و رهاسازی از مقادیر مطلوب بهتر رعایت شد و مقدار تابع هدف در کلاس 10 اولین تغییر کاهشی را از خود نشان داد.
https://jwsc.gau.ac.ir/article_4608_e2fde071bb894029a33aba2e7822ec86.pdf
2019-06-22
97
115
10.22069/jwsc.2019.15193.3038
واژههای کلیدی: برنامهریزی پویای احتمالاتی
گسستهسازی حجم مخزن
بهرهبرداری مخزن
تابع هدف
سید احسان
فاطمی
e_fatemi78@yahoo.com
1
دانشگاه رازی
LEAD_AUTHOR
هیوا
کوهی
koohi.h69@gmail.com
2
دانشگاه رازی
AUTHOR
1.Anvari, S., Mosavi, S.J., and Morid, S.
1
2015. Comparison of Performance of
2
Models DP, SDP and SSDP in Optimizing
3
the Utilization of Multifunctional Water
4
Purification. Iranian Water Research. 9: 1.
5
121-111. (In Persian)
6
2.Bozorg Hadad, O. 2014. Water Resources
7
Systems Optimization. Tehran University
8
press, 412p. (In Persian)
9
3.Baliarsingh, F. 2010. Optimal reservoir
10
operation by stochastic dynamic
11
programming-A case study. Inter. J. Earth
12
Sci. Engin. 3: 2. 258-263.
13
4.Estalrich, J., and Buras, N. 1991.
14
Alternative specifications of state variables
15
in stochastic-dynamic-programming models
16
of reservoir operation. Applied mathematics
17
and computation. 44: 2. 143-155.
18
5.Gablinger, M., and Loucks, D.P. 1970.
19
Markov models for flow regulation. J.
20
Hydr. Engin. 96: 1. 165-181.
21
6.Huang, W.C., Harboe, R., and Bogardi,
22
J.J. 1991. Testing stochastic dynamic
23
programming models conditioned on
24
observed or forecasted inflows. J. Water
25
Resour. Plan. Manage. 117: 1. 28-36.
26
7.Jaafar, H.H., Al-Awar, F., and Ahmad, F.
27
2016. Effect of inflow class selection on
28
multi-objective reservoir operation using
29
stochastic dynamic programming. Arabi.
30
J. Sci. Engin. 41: 12. 4911-4926.
31
8.Jowkarshorijeh, L., Ganji, A., and
32
Homayounfar, M. 2014. A Continuous
33
Solution for Optimal Reservoir Operation
34
Problem Using the Constraint-State
35
Technique. Iran-Water Resour. Res. J.
36
10: 2. 1735-2347.
37
9.Mohammad Ghasemi, M., SHahraki, J.,
38
and Sabouhi Sabouni, M. 2016.
39
Optimization model of hirmand river
40
basin water resources in the Agricultural
41
Sector Using Stochastic Dynamic
42
Programming under Uncertainty
43
Conditions. Inter. J. Agric. Manage. Dev.
44
6: 2. 163-171.
45
10.Pan, L., Jingfei, Z., Liping, L., and Yan,
46
S. 2012. Optimal reservoir operation
47
using stochastic dynamic programming.
48
J. Water Resour. Prot. 4: 342-345.
49
11.Su, S.Y., and Deininger, R.A. 1974.
50
Modeling the regulation of Lake
51
Superior under uncertainty of future
52
water supplies. Water resources research
53
10: 1. 11-25.
54
12.Shokri, A., Haddad, O.B., and Mariño,
55
M.A. 2012. Reservoir operation for
56
simultaneously meeting water demand
57
and sediment flushing: Stochastic
58
dynamic programming approach with
59
two uncertainties. J. Water Resour. Plan.
60
Manage. 139: 3. 277-289.
61
13.Torabi, M., and Mobasheri, F. 1973. A
62
Stochastic dynamic programming model
63
for the optimum operation of a
64
multi-purpose reservior. Jawra J. Amer.
65
Water Resour. Assoc. 9: 6. 1089-1099.
66
14.Vedula, S., and Mujumdar, P.P. 2005.
67
Water resources systems: modelling
68
techniques and analysis. Tata McGrawHill, New delhi, 279p.
69
15.Yakowitz, S. 1982. Dynamic
70
programming applications in water
71
resources. Water resources research.
72
18: 4. 673-696.
73
ORIGINAL_ARTICLE
ارزیابی و پیشبینی خشکسالیهای آب زیرزمینی با استفاده از شاخص GRI و مدلهای زنجیره مارکف مرتبه اول تا سوم (مطالعه موردی: دشت بروجن)
سابقه و هدف: مدیریت منابع آب بخصوص آبهای زیرزمینی در مناطق خشک و نیمهخشک از اهمیت خاصی برخوردار است. یکی از موارد مهم در مدیریت بهینه منابع آب پیشبینی شرایط خشکسالی می باشد. آبهای زیرزمینی بعنوان منبع اصلی تأمین آب مصرفی در بخشهای کشاورزی، صنعت و شرب در دشت بروجن محسوب میشود. از اینرو، بررسی وضعیت خشکسالی منابع آب زیرزمینی در برنامهریزی و مدیریت پایدار این منابع بسیار حائز اهمیت است. تاکنون روشهای مختلفی توسط محققان برای پیشبینی انواع مختلف خشکسالیها توسعه داده شده و مورد استفاده قرار گرفته است. یکی از این روشها پیشبینی وضعیت رطوبتی با زنجیره مارکف میباشد. در اغلب مطالعات پیشین در زمینه پیشبینی خشکسالیها، از زنجیره مارکف مرتبه اول و دوم استفاده شده است. در پژوهش حاضر، خشکسالیهای آب زیرزمینی در دشت بروجن در طی سالهای 1364 تا 1394 مورد ارزیابی قرار گرفت و شرایط رطوبتی این دشت با استفاده از زنجیره مارکف مرتبه سوم پیشبینی شد.مواد و روشها: به منظور ارزیابی خشکسالیهای آب زیرزمینی دشت بروجن مقادیر شاخص GRI در مقیاسهای زمانی 1، 3، 6 و 12 ماهه محاسبه شد. بدین منظور، از آمار تراز آب زیرزمینی 13 چاه مشاهدهای در دشت بروجن در دوره 31 ساله (94-1364) استفاده شد. برای پیشبینی مقادیر شاخص GRI در ماههای آتی در دشت بروجن از روش زنجیره مارکف با مرتبههای اول، دوم و سوم استفاده گردید و عملکرد این مدل با روش جدول توافقی مورد ارزیابی قرار گرفت. بعد از تهیه جدول توافقی برای زنجیره مارکف مرتبه اول، دوم و سوم، مقادیر آمارههای CSI، POD و FAR محاسبه شد. مقدار CSI برای دشت بروجن در مقیاسهای زمانی یک، سه و شش و دوازده ماهه برای مدل مارکف مرتبه اول بترتیب برابر برابر 58/0، 50/0، 1 و 1، برای مدل مارکف مرتبه دوم در مقیاسهای زمانی یک، سه و شش ماهه بترتیب برابر 45/0، 33/0 و 1 و برای مارکف مرتبه سوم در مقیاسهای زمانی یک، سه و شش ماهه به ترتیب برابر 40/0، 38/0 و 1 بدست آمد که نشانگر مهارت متوسط روش پیشنهادی در مقیاس یک و سه ماهه پیشبینی شرایط رطوبتی و مهارت خوب آن در مقیاس شش ماهه پیشبینی شرایط رطوبتی بود. همچنین نقشه های پهنهبندی شاخص GRI در این دشت با انتخاب مناسبترین روش درونیابی، ترسیم گردید.یافتهها: نقشه پهنهبندی شاخص GRI در دشت بروجن نشان میدهد قسمتهای میانی دشت اغلب با خشکسالی شدید مواجه شده است. مقایسه عملکرد مرتبههای مختلف زنجیره مارکف در پیشبینی شرایط رطوبتی دشت بروجن بر اساس آمارههای CSI، POD و FAR نشان داد که روش زنجیره مارکف مرتبه اول از دقت بیشتری در پیشبینی مقادیر شاخص GRI در تمام مقیاسهای زمانی برخوردار بوده است، لذا از آن میتوان برای پیشبینی خشکسالی آب زیرزمینی دشت بروجن استفاده کرد.نتیجه گیری: نتایج حاصل از بررسی شاخص GRI در دشت بروجن نشان داد که در دوره زمانی مورد بررسی، دوره خشکسالی آب زیرزمینی در سال 1387 شروع شده است. به طور کلی خشکسالیهای شدیدی که در سالهای اخیر به دلیل کاهش نزولات جوی رخ داده است، به همراه اضافه برداشت از چاههای موجود در دشت، منطقه را با بحران شدید کاهش سطح آب زیرزمینی مواجه کرده که کاهش کیفیت آب و فرونشست زمین را در پی دارد.
https://jwsc.gau.ac.ir/article_4609_06264de989402928c4e76b9ff343bb38.pdf
2019-06-22
117
136
10.22069/jwsc.2019.15085.3048
آبخوان بروجن
پیشبینی خشکسالی
خشکسالی آب زیرزمینی
زنجیره مارکف
شاخص GRI
امیر
خسروی دهکردی
amir.khosravi1370@gmail.com
1
منابع آب
AUTHOR
رسول
میرعباسی نجف آبادی
mirabbasi_r@yahoo.com
2
دانشیار گروه مهندسی آب/دانشگاه شهرکرد معاون پژوهشی مرکز تحقیقات منابع آب
LEAD_AUTHOR
حسین
صمدی بروجنی
samadi153@yahoo.com
3
دانشیار دانشگاه شهرکرد
AUTHOR
احمدرضا
قاسمی دستگردی
ghasemiar@yahoo.com
4
استادیار گروه مهندسی آب دانشگاه شهرکرد
AUTHOR
1.Ahmad-Akhoormeh, M., Nouhegara
1
Soleimani Motlagh, M., and VataiSemirimi, M. 2015. Investigation of
2
Groundwater Drought by Using SWI and
3
GRI Indices in Marvdasht Kharameh Fars
4
province Aquifer. The Iranian Society
5
of Irrigation and Water Engineering.
6
21: 118-105. (In Persian)
7
2.Arritt, R.W., and Frank, W.M. 1985.
8
Experiments in probability of
9
precipitation amount forecasting using
10
model output statistics. Monthly Weather
11
Review. 113: 1837-1851.
12
3.Baziyarpoor, H., and Nadi, M. 2017.
13
Probabilistic analysis of drought severity
14
classes by using Markov chain model
15
in different climates of Iran. The
16
Second National Iranian Conference
17
on Hydrology. 20 July. Shahrekord
18
University. Shahrekord. (In Persian)
19
4.Bettge, A.G., Baumhefne, D.P., and
20
Chervin, R.M. 1981. On the verification
21
of seasonal climate forecasts. Bulletin
22
of the American Meteorological Society.
23
62: 1654-1665.
24
5.Das, S., Choudhury, R.M., Gandhi, S.,
25
and Josh, V. 2016. Application of earth
26
observation data and Standardized
27
Precipitation Index based approach for
28
meteorological drought monitoring,
29
assessment and prediction over Kutch,
30
Gujarat, India. Inter. J. Environ. Geoinf.
31
3: 2. 24-37.
32
6.Doswell, C.A., III and Flueck, J.A. 1989.
33
Forecasting and verifying in a field
34
research project: DOPLIGHT 87.
35
Weather and Forecasting. 4: 97-109.
36
7.Donaldson, R., Dyer, R., and Krauss, M.
37
1975. An objective evaluator of
38
techniques for predicting severe weather
39
events. Preprints, Ninth Conf. on Severe
40
Local Storms. American Meteorological
41
Society, Norman. OK. Pp: 321-326.
42
8.Gabriel, K.R., and Neumann, J. 1962. A
43
Markov chain model for daily rain fall
44
occurrence at Tel Aviv. Quar. J.
45
Meteorol. Soc. 88: 90-95.
46
9.Gandin, L.S., and Murphy, A.H. 1992.
47
Equitable skill scores for categorical
48
forecasts. Mon. Wea. Rev. 120: 361-370.
49
10.Kostopoulou, E., Bianrakopoulos, C.,
50
Krapsiti, D., and Karali, A. 2017.
51
Temporal and Spatial Trends of the
52
Standardized Precipitation Index (SPI)
53
in Greece Using Observations and
54
Output from Regional Climate Models.
55
Perspectives on Atmospheric Sciences.
56
Springer International Publishing.
57
Pp: 475-481.
58
11.MacDonald, A., Calow, M.R.C.,
59
MacDonald, D.M.J., Darling, W.G., and
60
Dochartaigh, Ó. 2009. What impact
61
will climate change have on rural
62
water supplies in Africa. Hydrol. Sci. J.
63
54: 4. 691-703.
64
12.McCoy, M.C. 1986. Severe-stormforecast results from the PROFS 1983
65
forecast experiment. Bulletin of the
66
American Meteorological Society.
67
67: 155-164.
68
13.Mendicino, G.A., and Senatore, P. 2008.
69
A Groundwater Resource Index (GRI)
70
for drought monitoring and forecasting
71
in a Mediterranean climate. Hydrol. J.
72
357: 282-302.
73
14.Meddi, H., Meddi, M., and Assani, A.
74
2014. Study of drought in seven
75
Algerian plains, Arabi. J. Sci. Engin.
76
39: 339-359.
77
15.Mishra, A.K., and Singh, V.P. 2010. A
78
review of drought concepts. J. Hydrol.
79
391: 202-216.
80
16.Mourad, L., Brucker, J.M., Mourad, L.,
81
Soltane, A., and Mounir, S. 2015.
82
Analysis of drought areas in Northern
83
Algeria using Markov chains. J. Sci.
84
Syst. 124: 1. 61-70.
85
17.Piyadasa, P.M., and Sonnadara, D.U.J.
86
2010. Analysis of wet and dry behavior
87
of weather through Markov models,
88
Proceedings of the Technical Sessions.
89
Pp: 25-32.
90
18.Villholth, K.G., Tottrup, C., Stendel, M.,
91
and Maherry, A. 2013. Integrated
92
mapping of groundwater drought risk in
93
the Southern African Development
94
Community (SADC) region. Hydrogeol.
95
J. 21: 4. 863-885.
96
19.Wilhite, D.A., and Glantz, M.H. 1985.
97
Understanding the drought phenomenon:
98
The role of definition. Water
99
International. 10: 111-120.
100
20.Wilks, D.S. 1995. Statistical Methods
101
in the Atmospheric Sciences: An
102
Introduction. Academic Press. 467p.
103
ORIGINAL_ARTICLE
بررسی افت انرژی در سرریزهای پلکانی با وجود موانع روی پله ها با کمک مدل فیزیکی و مدل ریاضی Flow-3D
سابقه و هدف: برای عبور آبهای اضافی و سیلابها از سراب به پایاب سدها از سازهای به نام «سرریز» استفاده میشود. سرریز باید سازهای قوی، مطمئن و با کارآیی بالا انتخاب شود که هرلحظه بتواند برای بهرهبرداری آمادگی داشته باشد. سرریزهای پلکانی بعنوان گزینهای مناسب برای اصلاح سرریزهایی که برای عبور دبی حداکثر محتمل با مشکل روبرو هستند مطرح میشوند. سرریز پلکانی متشکل از پله هایی است که از نزدیکی تاج سرریز شروع شده و تا پاشنه پایین دست ادامه دارند. با افزایش زبری، انرژی جریان عبوری از روی سرریز بصورت یکنواخت وپیوسته پراکنده میشود، و دیگر در پنچه سرریز نیازی به ایجاد تاسیسات کاهنده انرژی جریان نظیر حوضچه های آرامش (که انرژی در آن باید یکباره پراکنده شود) نخواهد بود و یا در صورت لزوم ابعاد این گونه سازه ها کاهش خواهد یافت. مواد و روشها: در این تحقیق برای افزایش زبری از موانعی بر روی سرریز پلکانی استفاده شد که برای بیشتر کردن استهلاک انرژی آب استفاده میگردد. جهت بررسی آزمایشگاهی این تحقیق، از یک فلوم با قوس 90درجه در دانشگاه آزاد واحد اهواز استفاده شد و با انتخاب مدلهای مختلف موانع روی سریز پلکانی در سه شکل با سه طول و عرض متفاوت و همچنین استفاده موانع به صورت تکی و ترکیبی با 5 دبی متفاوت، جمعا 140 آزمایش انجام شد. پس از تحلیل نتایج مشخص گردید که در ترکیب سرریز پلکانی با موانع به ترتیب مثلثی، مستطیلی و ذوزنقهای، باعث کاهش استهلاک و افت انرژی شد.یافتهها: موانع مثلثی به طور متوسط باعث افزایش 15.9 درصدی استهلاک انرژی، موانع مستطیلی به طور متوسط باعث افزایش 13.7 درصدی استهلاک انرژی و موانع ذوزنقه ای به طور متوسط باعث افزایش 11.2 درصدی استهلاک انرژی نسبت به مدل شاهد شده اند. با افزایش طول و عرض موانع باعث افزایش استهلاک و افت انرژی شد. موانع در حالت دو پله بیشترین استهلاک انرژی و افت را داشته. با ترکیب موانع بر دو پله سرریز پلکانی به طور متوسط 14.4 درصد، در موانع به حالت تکی در پله اول به طور متوسط 5.8 درصد و موانع بر پله دوم 4.8 درصد افزایش استهلاک انرژی را نسبت به حالت شاهد دارد. با افزایش عدد فرود از 0.32 به 1.71 شاهد کاهش استهلاک و افت انرژی هستیم که به دلیل استغراق پلههای زیر سطح آب و کاهش زبری پلهها و با افزایش شدت پدیده ورود هوا میباشد که در استهلاک انرژی تاثیر میگذارد. نتایج شبیه سازی با مدل ریاضی Flow-3D نزدیک به مدل فیزیکی میباشد و به طور متوسط تنها 6.3 درصد خطا دارد که قابل قبول میباشد. نتیجه گیری: پس از تحلیل نتایج مشخص گردید که در ترکیب سرریز پلکانی با موانع به ترتیب مثلثی، مستطیلی و ذوزنقهای، شاهد کاهش استهلاک و افت انرژی هستیم. همچنین مقایسه نتایج شبیه سازی و مدل فیزیکی نشان میدهد با افزایش عدد فرود نتایج شبیه سازی با مدل ریاضی Flow-3D انحراف کمتر با مدل فیزیکی پیدا میکندو به واقعیت نزدیکتر میشود.
https://jwsc.gau.ac.ir/article_4610_4a255de8f74a1260faa89c4c234fa089.pdf
2019-06-22
137
156
10.22069/jwsc.2019.15687.3085
موانع
سرریز پلکانی
استهلاک انرژی
مدل فیزیکی
Flow-3D
امیرعباس
کمان بدست
kamanbedast@gmail.com
1
گروه آب واحد اهواز
LEAD_AUTHOR
حمیدرضا
افشون
hr.afshoon@yahoo.com
2
گروه علوم ومهندسی آب واحد اهواز، دانشگاه آزاداسلامی، اهواز، ایران
AUTHOR
علیرضا
مسجدی
drmasjedi.2007@yahoo.com
3
گروه علوم ومهندسی آب واحد اهواز، دانشگاه آزاداسلامی، اهواز، ایران
AUTHOR
محمد
حیدرنژاد
mo_he3197@yahoo.com
4
عضو هیات علمی گروه مهندسی آب دانشگاه آزاد اسلامی
AUTHOR
امین
بردبار
asefmn@yahoo.com
5
گروه علوم ومهندسی آب واحد اهواز، دانشگاه آزاداسلامی، اهواز، ایران
AUTHOR
1.Abbasi, S., and Kamanbedast, A.A.
1
2012. Investigation of Effect of
2
Changes in Dimension and Hydraulic of
3
Stepped Spillways for Maximization
4
Energy Dissipation, World Appl. Sci. J.
5
18: 2. 261-267, 2012, ISSN 1818-4952 ©
6
IDOSI Publications.
7
2.Chamani, M.R., and Rajaratnam, N.
8
1994. Jet flow on stepped spillway,
9
J. Hydr. Engin. ASCE. 12: 5. 441-448.
10
3.Chamani, M.R., and Rajaratnam, N.
11
1999. Charactristics of skimming flow
12
over stepped spillway, J. Hydr. Engin.
13
125: 4. 361-367.
14
4.Chanson, H. 1994a. Hydraulics of
15
skimming flows over stepped channels
16
and spillways, J. Hydr. Res. 32: 3.
17
5.Chanson, H. 1994b. Comparison of
18
Energy dissipation between nappe and
19
skimming flow Regimes on stepped
20
chutes, J. Hydr. Res. 32: 2. 213-218.
21
6.Chanson, H. 1994c. Jet flow on stepped
22
spillways, Discussion, J. Hydr. Engin.
23
120: 2. 443-444.
24
7.Chanson, H. 1995. Hydraulic Design of
25
stepped Cascades Channels Weirs and
26
Spillway, Pergamon, Oxford, UK.
27
8.Chanson, H. 2001. The hydraulic of
28
stepped chutes and spillway, TC. 555,
29
9.Chinnarasi, C., and Wongwisess, S. 2006.
30
Flow patterns and energy dissipation over
31
various stepped chutes, J. Irrig. Drain.
32
Engin. ASCE. 132: 1.
33
10.Erfanian Azmodeh, M.H., and
34
Kamanbedast, A.A. 2013. Determine the
35
Appropriate Location of Aerator System
36
on Gotvand olia dam's Spillway Using
37
Flow 3D. JAES.
38
11.Essery, I.T.S., and Horner, M.W. 1971.
39
The hydraulic design of stepped
40
spillway, Report 33, Constr. Industry
41
Res. And Information Assoc. London,
42
12.Kamanbedast, A., and Gholizade, B.
43
2012. The study of siphon spillway
44
Hydraulic by Modeling (physical a
45
software), J. Appl. Sci. Res.
46
13.Kamanbedast, A. 2012. The Investigation
47
of Discharge Coefficient for the
48
Morning Glory Spillway Using
49
Artificial Neural Network, World Appl.
50
Sci. J. 17: 7. 913-918.
51
14.Kamanbedast, A. 2014. Handbook of
52
hydraulic structures engineering.
53
Published in Islamic Azad University,
54
Ahvaz, Iran. (In Persian)
55
15.Rajaratnam, N. 1990. Skimming flow in
56
stepped spillway, J. Hydr. Engin. ASCE.
57
16.Zaretsky, Y., and Korchevsky, V. 1997.
58
Kowsar dam project (Tang-e-Duk),
59
Joint final report, International institute
60
of geo mechanics and hydro structures,
61
Moscow, Russia.
62
ORIGINAL_ARTICLE
پیامد پسماند جامد کارخانه روغنکشی زیتون و باکتریهای سودوموناس بر قابلیت دسترسی فسفر و برخی ویژگیهای زیستی یک خاک آهکی
سابقه و هدف: ضایعات صنعتی- کشاورزی حاصل از فرایندهای روغنکشی زیتون، یک مشکل عمده زیستمحیطی برای بسیاری از کشورهای تولید کننده زیتون محسوب میشود. استفاده از این پسماندهای آلی مانند پسماند جامد زیتون میتواند برای بهبود شرایط خاک مفید باشد. فسفر عنصری ضروری پرمصرف برای رشد گیاه محسوب می-شود. باکتریهای حل کننده فسفر برای انحلال فسفر از منابع نامحلول دارای اهمیت هستند. با توجه به تولید حجم زیاد پسماند جامد در کارخانههای روغنکشی زیتون به ویژه در استان گیلان و از سویی نیاز روزافزون به کودهای فسفر در کشاورزی، این پژوهش با هدف افزایش فسفر قابل دسترس پسماند جامد زیتون در حضور باکتریهای سودوموناس حل کننده فسفر انجام شد.مواد و روش: پسماند جامد از کارخانه روغنکشی (رودبار استان گیلان) تهیه شد. خاک لومی از لوشان از عمق 30-0 سانتیمتری نمونهبرداری شد. سودموناس بومی با توان انحلال فسفر بر روی محیط کشت اسپربر حاوی فسفر نامحلول، جداسازی و شاخص انحلال فسفر اندازهگیری شد. تیمارها شامل سه سطح پسماند جامد صفر (W0)، دو (W2) و چهار (W4) درصد و سه سطح باکتری شامل بدون باکتری (Pn)، سودوموناس بومی (Pi) و سودوموناس چائو به عنوان باکتری شاخص (Pch) در 11 زمان نمونهبرداری بودند. نمونههای خاک با سطوح مختلف پسماند جامد مخلوط و با باکتریها (106 سلول/گرم) تلقیح شدند و سپس در دمای 28 درجه سلسیوس و رطوبت 70 درصد گنجایش مزرعهای نگهداری شدند. نمونهبرداری در زمانهای صفر، 2، 7، 14، 28، 42، 56، 86، 116، 146 و 176 روز انجام شد. pH، کربن آلی، تنفس پایه، کربن زیست توده میکروبی، فسفر قابل دسترس و فعالیت آنزیم فسفاتاز در نمونههای خاک اندازهگیری شد. آزمایش در قالب طرح کاملاً تصادفی با آرایش فاکتوریل و در سه تکرار انجام شد. مقایسه میانگین دادهها با آزمون دانکن (p≤ 0.05) و تحلیل دادهها با نرمافزار SAS صورت گرفت.یافتهها: پیامد تغییرات پسماند، باکتری و زمان و برهمکنش آنها بر ویژگیهای مورد مطالعه معنادار (p≤ 0.01) بود. مقایسه میانگین پیامد برهمکنش سطوح مختلف پسماند و باکتری نشان داد که با افزایش مقدار پسماند و فعالیت باکتری pH خاک کاهش یافت. بیشترین تنفس در تیمار پسماند 4 درصد و باکتری سودوموناس شاخص (W4Pch) مشاهده شد. با افزایش سطوح پسماند مقدار کربن آلی خاک نیز افزایش یافت و در تیمار W4Pch به 1/3 % رسید. بیشترین مقدار کربن زیست توده در تیمارهای دریافت کننده پسماند مشاهده شد. بیشترین فسفر قابل دسترس در تیمار پسماند ۴ درصد و باکتری سودوموناس بومی (W4Pi) (1/99 میلیگرم بر کیلوگرم) و کمترین مقدار در تیمار بدون پسماند و بدون باکتری (W0Pn) مشاهده شد. فعالیت آنزیم فسفاتاز نیز با افزایش سطوح پسماند در تیمارهای دارای باکتریهای سودوموناس افزایش یافت. نتایج پیامد برهمکنش پسماند در زمان نشان دهنده یک افزایش سریع و موقت در تنفس پایه در پاسخ به سطوح پسماند بود. نتیجهگیری: تغییرات معناداری در تنفس پایه، کربن زیست توده و کربن آلی در خاکهایی که پسماند جامد را دریافت کرده بودند در مقایسه با خاک شاهد مشاهده شد. افزودن این پسماند همراه با باکتریهای حل کننده فسفر سبب افزایش فعالیت آنزیم فسفاتاز (شاخصی از فعالیت میکروبی و معدنی شدن فسفر) در خاک شد. کاربرد تیمار باکتری به همراه پسماند جامد راهکاری است که علاوه بر بهبود ویژگیهای زیستی خاک میتواند به افزایش قابلیت دسترسی به فسفر، کاهش مصرف کودهای فسفر و مدیریت پایدار این نوع از پسماندهای جامد منجر شود.
https://jwsc.gau.ac.ir/article_4611_ec712c1fab9fb436117d14d6d2743042.pdf
2019-06-22
157
175
10.22069/jwsc.2019.15690.3087
باکتریهای حل کننده فسفر
تنفس
فسفاتاز
کربن آلی
مهشید
ماه صفت
mahshidmahsefat7@gmail.com
1
علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
AUTHOR
نسرین
قربان زاده
nasrin.ghorbanzadeh@gmail.com
2
علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
LEAD_AUTHOR
محمد باقر
فرهنگی
farhangi_mo@yahoo.com
3
علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
AUTHOR
مریم
خلیلی راد
m_khalilirad@guilan.ac.ir
4
علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
AUTHOR
1.Acosta‐Martínez, V., Klose, S., and
1
Zobeck, T.M. 2003. Enzyme activities in
2
semiarid soils under conservation reserve
3
program, native rangeland, and cropland.
4
J. Plant Nutr. Soil Sci. 166: 699-707.
5
2.Anderson, T.H., and Domsch, K.H. 1993.
6
The metabolic quotient from CO2 (qCO2)
7
as a specific activity parameter to assess
8
the effects of environmental conditions,
9
such as pH, on the microbial biomass
10
of forest soils. Soil Biology and
11
Biochemistry. 25: 393-395.
12
3.Chaiharn, M., and Lumyong, S. 2009.
13
Phosphate solubilization potential and
14
stress tolerance of rhizobacteria from rice
15
soil in Nothern Thailand. World J.
16
Microbiol. Biotechnol. 25: 305-314.
17
4.Criquet, S., and Braud, A. 2008. Effects
18
of organic and mineral amendments on
19
available P and phosphatase activities in a
20
degraded Mediterranean soil under
21
short-term incubation experiment. Soil
22
Till. Res. 98: 164-174.
23
5.Das, K., and Mukherjee, A.K. 2007.
24
Crude petroleum-oil biodegradation
25
efficiency of Bacillus subtillis and
26
Pseudomonas aeruginosa strains isolated
27
from a petroleum-oil contaminated soil
28
from North-East India. Bioresource
29
Technology. 98: 1339-1345.
30
6.Davis, J.G., and Wilson, C.R. 2005.
31
Choosing a soil amendment, Clorado.
32
7.Del Buono, D., Said-Pullicino, D.,
33
Proietti, P., Nasini, L., and Gigliotti, G.
34
2011. Utilization of olive husks as plant
35
growing substrates: phytotoxicity and
36
plant biochemical responses. Compost
37
Science and Utilization. 19: 52-60.
38
8.Dermeche, S., Nadour, M., Larroche,
39
C., Moulti-Mati, F., and Michaud, P.
40
2013. Olive mill wastes: biochemical
41
characterizations and valorization strategies.
42
Process Biochemistry. 48: 1532-1552.
43
9.Dick, R.P. 1994. Soil enzyme activities as
44
indicators of soil quality. P 107-124.
45
In: Doran, J.W., Coleman, D.C.,
46
Bezdicek, D.F. and Stewart, K. (eds.)
47
Defining Soil Quality for a Sustainable
48
Environment. Special Publication, Soil
49
Science Society of America, Madison,
50
Wisconsin.
51
10.Dodor, D.E., and Tabatabai, M.A. 2003.
52
Effect of cropping systems on
53
phosphatases in soils. J. Plant Nutr. Soil
54
Sci. 166: 7-13.
55
11.Ehlers, K., Bakken, L.R., Frostegård, A.,
56
Frossard, E., and Bünemann, E.K. 2010.
57
Phosphorus limitation in a Ferralsol:
58
impact on microbial activity and cell
59
internal P pools. Soil Biology and
60
Biochemistry. 42: 558-566.
61
12.Fernandes, S.A.P., Bettiol, W., and
62
Cerri, C.C. 2005. Effect of sewage
63
sludge on microbial biomass, basal
64
respiration, metabolic quotient and soil
65
enzymatic activity. Applied Soil
66
Ecology. 30: 65-77.
67
13.Gregorich, E.G., Carter, M.R., Doran,
68
J.W., Dankhyrst, C.E., and Dwyer,
69
L.M. 1997. Biological attributes of
70
soil quality. P 28: 81-104. In: E.G.
71
Gregorich and M.R. Catrer (Ed.), Soil
72
Quality for Crop Production and
73
Ecosystem Health. Developments in
74
Soil Science.
75
14.Gyaneshwar, P., Kumar, G.N., Parekh,
76
L.J., and Poole, P.S. 2002. The role of
77
soil microorganisms in improving
78
P nutrition of plants. Plant and Soil.
79
245: 83-93.
80
15.Ilay, R., Kavdir, Y., and Sümer, A.
81
2013. The effect of olive oil solid
82
waste application on soil properties
83
and growth of sunflower (Helianthus
84
annuus L.) and bean (Phaseolus vulgaris
85
L.). International Biodeterioration and
86
Biodegradation. 85: 254-259.
87
16.IMPEL. 2003. IMPEL Olive Oil Project
88
Report. European Union Network for
89
the implementation and enforcement of
90
Environmental Law. Available from:
91
<http://europa.eu.int/comm/environment
92
/ impel/olive-oil-project.htm>.
93
17.Jarboui, R., Sellami, F., Kharroubi, A.,
94
Gharsallah, N., and Ammar, E. 2008.
95
Olive mill wastewater stabilization in
96
open air ponds: impact on clay-sandy soil.
97
Bioresource Technology. 99: 7699-7708.
98
18.Jenkinson, D.S., and Ladd, J.N. 1981.
99
Microbial biomass in soil measurement
100
and turnover, In: Paul E.A., and
101
Ladd J.N. (Eds)”, Soil Biochemistry,
102
Pp: 415-471.
103
19.Jia, B.R., Zhou, G.S., Wang, Y.H., Yang,
104
W.P., and Zhou, L. 2005. Partitioning
105
root and microbial contributions to soil
106
respiration in Leymus chinensis
107
population, Soil Biology and
108
Biochemistry. 38: 4. 653-660.
109
20.King, E.O., Ward, M.K., and Raney,
110
D.E. 1954. Two simple media for the
111
demonstration of pyocyanin and fluorescin.
112
J. Lab. Clinic. Med. 44: 301-307.
113
21.Kirsten, S.H., Donald, R.Z., Kelly, K.M.,
114
and Julie, D.J. 2011. Changes in forest
115
soil organic matter pools after a decade
116
of elevated CO2 and O3, Soil Biology and
117
Biochemistry. 43: 7. 1518-1527.
118
22.Kujur, M., Gartia, S.K., and Patel, A.K.
119
2012. Quantifying the contribution of
120
different soil properties on enzyme
121
activities in dry tropical ecosystems.
122
ARPN J. Agric. Biol. Sci. 7: 763-772.
123
23.Kuo, S. 1996. Phosphorus. In: D.L.
124
Sparks et al. (Ed.), Methods of soil
125
analysis. (Part 3) Chemical methods.
126
(pp. 869-920). Soil Science Society of
127
America, Madison, WI.
128
24.Latique, S., and Candidate, D.
129
2013. Seaweed liquid fertilizer effect
130
on physiological and biochemical
131
parameters of bean plant (Phaesolus
132
vulgaris variety paulista) under
133
hydroponic system. Europ. Sci. J.
134
9: 30. 174-191.
135
25.Ling, N., Zhu, C., Xue, C., Chen, H.,
136
Duan, Y., Peng, C., Guo, S., and Shen,
137
Q. 2016. Insight into how organic
138
amendments can shape the soil
139
microbiome in long-term field
140
experiments as revealed by network
141
analysis. Soil Biology and Biochemistry.
142
99: 137-149.
143
26.Lo´pez-Pin ˜eiro, A., Albarra´n, A.,
144
Cabrera, D., Pen˜a, D., and Rato Nunes,
145
J.M. 2011. De-Oiled two-phase olive
146
mill waste application impact on
147
phosphorus sorption and fractionation
148
in a mediterranean soil under olive
149
production. Soil Science. 176: 22-32.
150
27.Manzoni, S., Taylor, P., Richter, A.,
151
Porporato, A., and Agren, G.I. 2012.
152
Environmental and stoichiometric
153
controls on microbial carbon-use
154
efficiency in soils. New Phytologist.
155
196: 1. 79-91.
156
نشریه پژوهشهای حفاظت آب و خاک جلد ) ،(26شماره )1398 (2
157
28.Miller, S.H., Browne, P., PrigentCambaret, C., Combes-Meynet, E.,
158
Morrissey, J.P., and O’Gara, F. 2010.
159
Biochemical and genomic comparison
160
of inorganic phosphate solubilisation in
161
Pseudomonas species. Environmental
162
Microbiology Reports. 2: 403-411.
163
29.Nasini, L., Gigliotti, G., Alessandra
164
Balduccini, M., Federici, E., Cenci, G.,
165
and Proietti, P. 2013. Effect of solid
166
olive-mill waste amendment on soil
167
fertility and olive (Olea europaea L.)
168
tree activity. Agriculture. Ecosystems
169
and Environment. 164: 292-297.
170
30.Navarro, A.F., Cegarra, J., Roig, A., and
171
Garcia, D. 1993. Relationships between
172
organic matter and carbon contents of
173
organic wastes. Bioresource Technology.
174
44: 3. 203-207.
175
31.Olsen, S.R., Cole, C.V., Watanabe, F.S.,
176
and Dean, L.A. 1954. Estimation of
177
Available Phosphorus in Soils by
178
Extraction with Sodium Bicarbonate.
179
Washington, DC: U. S. Department of
180
Agriculture. 939.
181
32.Palm, C.A., Gachengo, C.N., Delve,
182
R.J., Cadisch, G., and Giller, K.E. 2001.
183
Organic inputs for soil fertility
184
management in tropical agroecosystems:
185
application of an organic resource
186
database. Agriculture, Ecosystems and
187
Environment, 83: 27-42.
188
33.Regni, L., Nasini, L., Ilarioni, L.,
189
Brunori, A., Massaccesi, L., Agnelli, A.,
190
and Proietti, P. 2017. Long term
191
amendment with fresh and composted
192
solid olive mill waste on olive grove
193
affects carbon sequestration by
194
prunings, fruits and soil. Frontiers in
195
Plant Science. 7: 1-9.
196
34.Roig, A., Cayuela, M.L., and Sa´nchezMonedero, M.A. 2006. An overview on
197
olive mill wastes and their valorisation
198
methods. Waste Management. 26: 960-969.
199
35.Russell, R.S., Rickson, J.B., and Adams,
200
S.N. 1954. Isotope equilibria between
201
phosphate in soil and their significance
202
in the assessment of fertility by trace
203
method. J. Soil Sci. 5: 85-105.
204
36.Ryan, J., Estefan, G., and Rashid, R.
205
2001. Soil and Plant Analysis
206
Laboratory Manual. Second Edition.
207
Available from ICARDA, Aleppo,
208
Syria, 172p.
209
37.Sampedro, I., Giubilei, M., Cajthaml, T.,
210
Federici, E., Federici, F., Petruccioli, M.,
211
and D’annibale, A. 2009. Short-term
212
impact of dry olive mill residue addition
213
to soil on the resident microbiota.
214
Bioresource Technology. 100: 6098-6106.
215
38.Schaad, N.W., Jones, J.B., and Chum,
216
W. 2001. Laboratory Guide for
217
Identification of Plant Pathogenic
218
Bacteria. 3rd Ed. APS Press, St. Paul,
219
39.Sierra, J., Marti, E., Montserrat, G.,
220
Cruanas, R., and Garau, M.A. 2001.
221
Characterisation and evolution of a soil
222
affected by olive oil mill wastewater
223
disposal. The Science of the Total
224
Environment. 279: 207-214.
225
40.Sparks, D.L. 1996. Methods of Soil
226
Analysis Part 3 Chemical Methods. Soil
227
Science Society of America, American
228
Society of Agronomy, Madison.
229
41.Sperber, J.I. 1958. The incidence of
230
apatite-solubilizing organisms in the
231
rhizosphere and soil. Austr. J. Agric.
232
Res. 9: 778-781.
233
42.Sundra, B., Natarajam, V., and Hari,
234
K. 2002. Influence of phosphorus
235
solubilizing bacteria on the changes in
236
soil available phosphorus and sugarcane
237
and sugar yields. Field Crops Research.
238
77: 43-49.
239
43.Susilowati, L.E., and Syekhfani, M.
240
2014. Characterization of phosphate
241
solubilizing bacteria isolated from Pb
242
contaminated soils and their potential
243
for dissolving tricalcium phosphate. J.
244
Deg. Min. Land Manage. 1: 57-62.
245
44.Tabatabai, M.A. 1982. Soil enzymes
246
Methods of soil analysis. Part 2.
247
American Society of Agronomy,
248
Madison, WI, USA. Pp: 539-579.
249
45.Toscano, P., Casacchia, T., Diacono, M.,
250
and Montemurro, F. 2013. Composted
251
olive mill by-products: compost
252
characterization and application on
253
olive orchards. J. Agric. Sci. Technol.
254
15: 627-638.
255
46.Tu, C., Rustaino, J.B., and Hu, S.
256
2006. Soil microbial biomass and
257
activity in organic tomato farming
258
systems: effects of organic inputs and
259
straw mulching. Soil Biology and
260
Biochemistry. 38: 247-255.
261
47.Vassilev, N., Vassileva, M., Bravo, V.,
262
Fern´andez-Serrano, M., and Nikolaeva,
263
I. 2007. Simultaneous phytase
264
production and rock phosphate
265
solubilization by Aspergillus niger
266
grown on dry olive wastes. Industrial
267
Crops and Products. 26: 332-336.
268
48.Wang, Q., Xiao, F., He, T., and Wang,
269
S. 2013. Responses of labile soil organic
270
carbon and enzyme activity in mineral
271
soils to forest conversion in the
272
subtropics. Annals of Forest Science.
273
70: 579-587.
274
49.Zhang, L., Ding, X., Chen, S., He, X.,
275
Zhang, F., and Feng, G. 2014. Reducing
276
carbon: phosphorus ratio can enhance
277
microbial phytin mineralization and lessen
278
competition with maize for phosphorus.
279
J. Plant Interact. 9: 1. 850-856.
280
ORIGINAL_ARTICLE
مقایسهی تأثیر کود گاوی، ورمی کمپوست و آزولا بر ویژگی های شیمیایی و هیدرولیکیِ خاک شور-سدیمی
سابقه و هدف: شور و سدیمی شدن خاکها یکی از عوامل تخریب اراضی، بهویژه در مناطق خشک و نیمهخشک جهان به شمار می رود. ایران نیز در منطقهای خشک و نیمهخشک قرار دارد و خاک های شور- سدیمی مناطق وسیعی از ایران را پوشانده اند. با توجه به اینکه خاک های شور- سدیمی خصوصیات فیزیکی، شیمیایی و بیولوژیکی نامطلوبی دارند که باعث کاهش جذب عناصر غذایی توسط گیاهان و درنهایت افت رشد و عملکرد آن ها میگردد. کاربرد اصلاح کننده ها ازجمله مواد آلی، اغلب میتواند راهکاری مناسب در جهت اصلاح و بهبود باروری خاک های شور- سدیمی باشد. مواد و روش ها: در این پژوهش خاک شور-سدیمی شاهد از منطقه ی نظرآباد کرج جمعآوری و با سه سطح 1، 3 و 5 درصد از کودهای گاوی، ورمی کمپوست و آزولا (به عنوان اصلاح کننده ی آلی) مخلوط شد. سپس تیمارها به مدت پنج ماه تحت انکوباسیون در دمای 20درجه سلسیوس و رطوبت ظرفیت مزرعه قرار گرفتند. ویژگیهای شیمیایی و فیزیکی اصلی خاک شاهد، کودها و نیز برخی ویژگی های شیمیایی و هیدرولیکی تیمارها قبل و بعد از انکوباسیون، مورد ارزیابی قرار گرفتند. یافته ها: قابلیت هدایت الکتریکی خاک شاهد 13.09 دسی زیمنس بر متر و نسبت جذب سدیم آن 23.02 به دست آمد. بعد از دوره ی انکوباسیون، تیمار 5 درصد آزولا و ورمیکمپوست در پایین ترین سطح شوری قرار داشتند. کاهش پ هاش در تیمارها عمدتاً غیرمعنی دار بود. بیشترین دامنه تغییرات نسبت جذب سدیم مربوط به تیمار 5 درصد کود گاوی با تفاوت غالباً معنیدار نسبت به تمامی تیمارها بود. به استثنای حالت رطوبت اشباع، تفاوت چندانی میان مقدار رطوبت در یک مکش معین در تیمارهای مختلف مشاهده نشد. در طول دوره ی انکوباسیون میزان کل خلل و فرج در تمامی تیمارها، به طور معنیداری کاهش یافت. این کاهش در خلل و فرج متوسط در تمامی تیمارها به طور معنیدار مشاهده شد، بیشترین کاهش معنیدار در تیمار 5 درصد کود گاوی رخ داده است. این در حالی است که بعد از دوران انکوباسیون، بالاترین درصد خلل و فرج متوسط، در سطح 5 درصد کود ورمیکمپوست مشاهده شد. با توجه به اینکه بخش اعظم آب قابل دسترس گیاهان، در خلل و فرج متوسط قرار دارد، افزودن کود ورمیکمپوست در سطح 5 درصد به خاک شور-سدیمی می تواند شرایط بهینه ای را جهت رشد گیاه در خاک به وجود آورد. نتیجهگیری: بعد از دوران انکوباسیون کاهش شوری و پ هاش و افزایش نسبت جذب سدیم در اکثر تیمارها دیده شد. در ادامه کاهش خلل و فرج درشت و متوسط مشاهده شد که کاهش ضریب آبگذری اشباع را در تیمارها در پی داشت. با توجه به یافتههای مذکور، کود گاوی در سطح یک درصد تقریباً بی تأثیر بر روی ویژگی های خاک و در سطوح بالاتر سبب افت کیفیت و شرایط خاک شور-سدیمی از نظر ویژگی های فیزیکی و شیمیایی شد. در حالی که کود ورمیکمپوست در سطح پنج درصد با اصلاح مناسب خاک شور- سدیمی از نظر ویژگی های شیمیایی و هیدرولیکی، برتری خود را در بین این سه کود نشان داد و بعد آن، کود آزولا در سطح سه درصد در اولویت قرار گرفت.
https://jwsc.gau.ac.ir/article_4612_04681df31ce52f370f9fc1d789619bdc.pdf
2019-06-22
177
194
10.22069/jwsc.2019.15112.3026
اصلاح خاک شور- سدیمی
انکوباسیون
مواد آلی
ویژگی های خاک
پرستو
شریفی
p.69.sharifi@ut.ac.ir
1
دانشگاه تهران - پردیس کشاورزی و منابع طبیعی
LEAD_AUTHOR
مهدی
شرفا
mshorafa@ut.ac.ir
2
دانشگاه تهران/ پردیس کشاورزی و منابع طبیعی
AUTHOR
محمد حسین
محمدی
mhmohmad@ut.ac.ir
3
دانشگاه تهران/ پردیس کشاورزی و منابع طبیعی
AUTHOR
1.Aksakal, E.L., Serdar, S., and Angin,
1
I. 2016. Effects of vermicompost
2
application on soil aggregation and
3
certain physical properties. Land Degrade
4
and Develop, 27: 983-995.
5
2.Ali Mardani, A., Delaware, M.A., and
6
Golchin, A. 2012. The Effect of Adding
7
Organic and Mineral Compounds on
8
Some Physical Properties of a Sodium
9
Soil. J. Soil Manage. Sust. (1) - Inable
10
Production, 1: 2. (In Persian)
11
3.Bhuvaneshwari, K., and Kumar, A. 2013.
12
Agronomic potential of the association
13
Azolla-Anabaena. Science Research
14
Reporter, 3: 1. 78-82.
15
4.Bremner, D.C., and Mulvaney, J.M. 1982.
16
Total Nitrogen. In: Methods of Soil
17
Analysis. (A.L. Page, R.H. Miller and
18
D.R. Keaney, eds). Number 9, Part 2,
19
America Society of Agronomy.
20
5.Carrow, R.N., and Duncan, R.R. 2011.
21
Best management practices for saline and
22
sodic turfgrass soils: assessment and
23
reclamation. CRC Press.
24
6.Chaney, K., and Swift, R.S. 1986. Studies
25
on aggregate stability of reformed soil
26
aggregates. J. Soil Sci. 37: 337-343.
27
7.Chorom, M., and Rengasamy, P. 1997.
28
Carbonate chemistry, pH and physical
29
properties of an alkaline sodic soil as
30
affected by various amendments. Austr. J.
31
Soil Res. 35: 149-161.
32
8.Emami, A. 1997. Plant decomposition
33
methods. Ministry of Agriculture
34
publication, Water and Soil Research
35
Institute. 1. (In Persian)
36
9.Flagella, Z., Cantore, V., Giuliani, M.M.,
37
Tarantino, E., and De Caro, A. 2002.
38
Crop salt tolerance: Physiological, yield
39
and quality aspects. Recent Research
40
Development Plant Biology, 2: 155-186.
41
10.Goswami, L., Nath, A., Sutradhar, S.,
42
Bhattacharya, S.S., Kalamdhad, A.,
43
Vellingiri, K., and Kim, K.H. 2017.
44
Application of drum compost and
45
vermicompost to improve soil health,
46
growth, and yield parameters for tomato
47
and cabbage plants. J. Environ. Manage.
48
200: 243-252.
49
11.Gupta, R.K., Singh, R.R., and Abrol, I.P.
50
1989. Influence of simultaneous changes
51
in sodicity and pH on the hydraulic
52
conductivity of alkali soil under rice
53
culture. Soil Science, 147: 28-33.
54
12.Guo, L., Wu, G., Li, Y., Li, C., Liu, W.,
55
Meng, J., Liu, H., Yu, X., and Jiang, G.
56
2016. Effects of cattle manure compost
57
combined with chemical fertilizer on
58
topsoil organic matter, bulk density and
59
earthworm activity in a wheat-maize
60
rotation system in Eastern China. Soil
61
and Tillage Research, 156: 140-147.
62
13.Hanay, A., Buyuksanmz, F., Kiziloglu,
63
F.M., and Canbolat, M.V. 2004.
64
Reclamation of saline-sodic soils with
65
gypsum and MSW compost. Compost
66
Science and Utilization, 12: 175-179.
67
14.Holmgren, G.S., Juve, R.L., and
68
Geschwender, R.C. 1977. A mechanically
69
controlled variable rate leaching device.
70
Soil Sci. Soc. Amer. J. 41: 1207-1208.
71
15.Jalali, M., and Ranjbar, F. 2009. Effects
72
of sodic water on soil sodicity and
73
nutrient leaching in poultry and
74
sheep manure amended soils. Geoderma,
75
153: 1. 194-204.
76
16.Joshi, R., Vig, A.P., and Singh, J. 2013.
77
Vermicompost as a soil supplement to
78
enhance growth, yield and quality of
79
Teiticum aestivum L.: a field study.
80
Inter. J. Recycl. Org. Waste Agric.
81
2: 16. DOI: 10.1186/2251-7715-2-16.
82
17.Kay, B.D. 1990. Rates of change of
83
soil structure under different cropping
84
systems. Soil Sci. Soc. Amer. J.
85
18.Khotabayi, M., Emami, H., Astarai, A.,
86
and Photovat, A. 2015. The Effect of
87
Organic Materials and Plaster on Some
88
Characteristics of Corn in Salt-Sodium
89
Soil. Iran. J. Crop Res. 12: 4. 664-658.
90
(In Persian)
91
19.Kirkham, M. 2005. Principles of soil and
92
plant water relations. Academic Press.
93
20.Klute, A. 1986. Water retention:
94
Laboratory methods. Methods of Soil
95
Analysis: Part 1- Physical and
96
21.Kollah, B., Patra, A.K., and Mohanty,
97
S.R. 2016. Aquatic microphylla
98
Azolla: a perspective paradigm for
99
sustainable agriculture, environment and
100
global climate change: A Review,
101
Environmental Science and Pollution
102
Research, 23: 4358-4369.
103
22.Li, F.H., and Keren, R. 2009. Calcareous
104
sodic soil reclamation as affected
105
by corn stalk application and incubation:
106
A laboratory study. Pedosphere,
107
19: 465-475.
108
23.McLean, E.O. 1982. Soil pH and lime
109
requirement. Methods of soil analysis.
110
Part 2. Chemical and Microbiological
111
properties, Pp: 199-224.
112
24.Mitchell, J.P., Shennan, C., Singer, M.J.,
113
Peters, D.W., Miller, R.O., Prichard, T.,
114
Grattan, S.R., Rhoades, J.D., May,
115
D.M., and Munk, D.S. 2000. Impacts
116
of gypsum and winter cover crops on
117
soil physical properties and crop
118
productivity when irrigated with saline
119
water. Agricultural Water Management,
120
45: 55-71.
121
25.Nelson, P.N., and Oades, J.M.
122
1996. Organic matter, sodicity and
123
soil structure. In: Sodic Soils:
124
Distribution, Processes, Management
125
and Environmental Consequences.
126
Oxford University Press, New York.
127
26.Qadir, M., and Oster, J.D. 2004.
128
Review, crop and irrigation management
129
strategies for saline-sodic soils and
130
waters aimed at environmentally
131
sustainable agriculture. Science of Total
132
Environment, 323: 1-19.
133
27.Qadir, M., Ghafoor, A., and Murtaza, G.
134
2001. Use of saline-sodic waters
135
through phytoremediation of calcareous
136
saline-sodic soils. Agricultural Water
137
Management, 50: 197-210.
138
28.Peltre, C., Gregorich, E.G., Bruun, S.,
139
Jensen, L.S., and Magid, J. 2017.
140
Repeated application of organic waste
141
affects soil organic matter composition:
142
Evidence from thermal analysis,
143
FTIR-PAS, amino sugars and lignin
144
biomarkers. Soil Biology and
145
Biochemistry, 104: 117-127.
146
29.Robbins, C.W. 1986. Sodic Calcareous
147
soil reclamation as affected by different
148
amendments and crops. Agron. J.
149
78: 916-920.
150
30.Rusta, M.J., Golchin, A., Siyadat, H.,
151
and Salehrastin, N. 2003. Effect of
152
organic matter and mineral compounds
153
on some chemical properties and
154
biological activity of a sodium soil. J.
155
Soil Water Sci. 16: 1. (In Persian)
156
31.Shi, Y., Zhao, X., Gao, X., Zhang, Sh.,
157
and Wu, P. 2016. The effects of
158
long-term fertilizer applications on soil
159
organic carbon and hydraulic properties
160
of a loess soil in China. Land Degradation
161
and Development, 27: 60-67.
162
32.Tazeh, E.S., Pazira, E., Neyshabouri,
163
M.R., Abbasi, F., and Abyaneh, H.Z.
164
2013. Effect of Two organic
165
amendments on EC, SAR and soluble
166
ions concentration in a salinesodic soil.
167
Inter. J. Biosci. (IJB). 3: 9. 55-68.
168
33.Tejada, M., and Gonzalez, J.L. 2006.
169
The relationships between erodibility
170
and erosion in a soil treated with two
171
organic amendments. Soil Tillage
172
Research, 91: 186-198.
173
34.Valzano, F.P., Greene, R.S.B., Murphy,
174
B.W., Rengasamy, P., and Jarwal, S.D.
175
2001. Effects of gypsum and stubble
176
retention on the chemical and physical
177
properties of a sodic grey Vertosol in
178
western Victoria. Austr. J. Soil Res.
179
39: 1333-1347.
180
35.Walker, D.J., and Bernal, M.P. 2008.
181
The effects of olive mill waste compost
182
and poultry manure on the availability
183
and plant uptake of nutrients in a highly
184
saline soil. Bio Resources Technology,
185
99: 396-403.
186
36.Walkley, A., and Black, I.A. 1934. An
187
examination of the dictagraph method
188
for determining soil organic matter and
189
proposed modification of the chromic
190
acid titration method. Soil Science,
191
37: 29-38.
192
37.Wong, V.N.L., Dalal, R.C., and Greene,
193
R.S.B. 2009. Carbon dynamics of sodic
194
and saline soils following gypsum and
195
organic material additions: A laboratory
196
incubation. Applied Soil Ecology,
197
41: 29-40.
198
38.Xin, X., Zhang, J., Zhu, A., and Zhang,
199
C. 2016. Effects of long-term (23 years)
200
mineral fertilizer and compost application
201
on physical properties of fluvo-aquic soil
202
in the North China Plain. Soil and Tillage
203
Research, 156: 166-172.
204
39.Yadav, R.K., Abrahami, G., Singh,
205
Y.V., and Singh, P.K. 2014.
206
Advancements in the Utilization of
207
Azolla-Anabaena System in Relation to
208
Sustainable Agricultural Practices. A
209
Review, Indian National Science
210
Academy, 80: 301-316.
211
40.Yague, M.R., Domingo-Olive, F.,
212
Bosch-Serra, A.D., Poch, R.M., and
213
Boixadera, J. 2016. Dairy cattle manure
214
effects on soil quality: Porosity,
215
earthworms, aggregates and soil organic
216
carbon fractions. Land Degradation and
217
Development, 27: 1753-1762.
218
41.Yazdan-Panah, N., Pazira, A., Neshat,
219
A., and Mahmoud Abadi, M. 2013.
220
Investigation of the effect of various
221
correctional materials on the physicochemical properties of saline and
222
sodium soils. Quar. J. Drought. 2: 1.
223
(In Persian)
224
ORIGINAL_ARTICLE
شکلهای پتاسیم خاک و پارامترهای کمیت به شدت (Q/I) پتاسیم و همبستگی آن با برخی خصوصیات خاک در مناطق زیرکشت توتون شمالغرب ایران
چکیدهسابقه و هدف: پتاسیم نقش حیاتی در افزایش عملکرد و کیفیت توتون (Nicotiana tabacum) از جمله بهسوزی برگ توتون دارد. پتاسیم در خاک به ترتیب کاهش قابلیت استفاده برای گیاه شامل بخشهای محلول، تبادلی، غیرتبادلی و ساختمانی میباشد. قابلیت استفاده پتاسیم به تقابل دینامیکی اشکال مختلف پتاسیم در خاک بستگی دارد که درک این دینامیک، سبب بهبود مدیریت حاصلخیزی خاک میشود. استفاده از رابطه کمیت- شدت پتاسیم و پارامترهای آن یکی از روشهای تعیین وضعیت پتاسیم خاک جهت مدیریت مصرف کود میباشد. این تحقیق به منظور بررسی وضعیت شکلهای مختلف پتاسیم و پارامترهای روابط کمیت- شدت پتاسیم جهت تعیین علل پایین بودن پتاسیم برگ توتون در شمالغرب ایران انجام شد.مواد و روشها: نمونه خاک از 30 مزرعه توتون منطقه شمالغرب کشور تهیه شد. آزمایشات جذب به صورت بچ در سری غلظتی پتاسیم 200-0 میلیگرم بر لیتر در محلول 01/0 مولار کلریدکلسیم انجام گرفت. پارامترهای کمیت- شدت از جمله ظرفیت بافری بالقوه پتاسیم، نسبت فعالیت پتاسیم در نقطه تعادل، انرژی آزاد تبادلی پتاسیم، مقدار پتاسیم به سهولت قابلتبادل و مقدار پتاسیم به سختی قابلتبادل از منحنیهای کمیت- شدت محاسبه شد. پتاسیم محلول، تبادلی، غیرتبادلی و ساختمانی در نمونههای خاک اندازهگیری شد و روابط آن با پارامترهای کمیت-شدت و خصوصیات فیزیکی و شیمیایی خاک بررسی گردید. یافته: میانگین پتاسیم محلول، تبادلی و غیرتبادلی خاکها به ترتیب 23 (با دامنه 10 تا 118)، 207 (با دامنه تغییر 64 تا 511) و 569 (با دامنه 443 تا 690) میلیگرم بر کیلوگرم بود. شکلهای مختلف پتاسیم به غیر از پتاسیم محلول با همدیگر و با درصد رس خاک همبستگی مثبت و معنیداری داشتند. میانگین ظرفیت بافری پتاسیم برابر 2/10 سانتیمول بر کیلوگرم بر مجذور مول بر لیتر، میانگین نسبت فعالیت پتاسیم در نقطه تعادل برابر 00476/0 مجذول مول بر لیتر، میانگین انرژی آزاد تبادلی پتاسیم برابر 2/3364- کالری بر مول، میانگین پتاسیم به سهولت قابلتبادل برابر 0320/0 سانتیمول بر کیلوگرم و میانگین پتاسیم به سختی قابلتبادل برابر 46/0 سانتیمول بر کیلوگرم بود. رابطه پتاسیم محلول با پتاسیم تبادلی مثبت (r=0.42*) و با مقادیر pH (r = -0.37*) و درصد کربنات کلسیم معادل (r = -0.41*) منفی بود. نتیجهگیری: همبستگی معنیدار مقادیر پتاسیم تبادلی با پتاسیم محلول و درصد رس در خاکهای مورد مطالعه، ممکن است به دلیل تخلیه پتاسیم تبادلی در خاکها باشد که سبب کاهش میانگین پتاسیم در برگ توتون منطقه مورد مطالعه شده است. همبستگی مثبت و معنیدار بین مقادیر شکلهای تبادلی، غیرتبادلی و ساختمانی پتاسیم نشان داد که بخشی از شکلهای غیرتبادلی و ساختمانی پتاسیم میتواند طی دوره رشد، برای گیاه قابلاستفاده باشد. برای ارتقاء غلظت پتاسیم برگ منطقه، لازم است خصوصیات خاک از جمله درصد و نوع رس با استفاده از روابط کمیت- شدت در توصیه کودی پتاسیم لحاظ گردد.
https://jwsc.gau.ac.ir/article_4613_c13008a08b765fbbb2fd99f24e34815e.pdf
2019-06-22
195
210
10.22069/jwsc.2019.15461.3070
پتاسیم خاک
توتون
رابطه کمیت به شدت
تخلیه پتاسیم
رحمت اله
رنجبر
ranjbarrahim14@gmail.com
1
دانشجوی دکتری گروه علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
LEAD_AUTHOR
ابراهیم
سپهر
e.sepehr@urmia.ac.ir
2
دانشیار گروه علوم خاک دانشکده کشاورزی دانشگاه ارومیه، ارومیه
AUTHOR
عباس
صمدی
a.samadi@urmia.ac.ir
3
استاد گروه علوم خاک دانشگاه ارومیه
AUTHOR
محسن
برین
m.barin@urmia.ac.ir
4
استادیار گروه علوم خاک دانشکده کشاورزی دانشگاه ارومیه، ارومیه
AUTHOR
بهنام
دولتی
b.dovlati@urmia.ac.ir
5
استادیار گروه علوم خاک دانشگاه ارومیه
AUTHOR
1.Akhtar, M.S., and Dixon, J.B. 2009.
1
Mineralogical characteristics and
2
potassium quantity/intensity relation in
3
three Indus River Basin soils. Asian J.
4
Chem. 21: 5. 3427-3442.
5
2.Ali, W., Muhammad, H., Mujahid, A.,
6
Muhammad, M., Muhammad, A.R.T.,
7
Muhammad, M., and Hafiz, A.A.N. 2013.
8
Evaluation of Freundlich and Langmuir
9
Isotherm for Potassium Adsorption
10
Phenomena. Inter. J. Agric. Crop Sci.
11
6: 15. 1048-1054.
12
3.Bahmani, M., Salehi, M.H., and
13
Hosseinpoor, A. 2012. The studying Q/I
14
parameters of potassium in the calcareous
15
soils of arid and semiarid regions in
16
Isfahan and Chaharmahal-Va-Bakhtiari
17
provinces. J. Water Soil. 26: 2. 349-360.
18
(In Persian)
19
4.Barber, S.A. 1984. Soil nutrient
20
bioavailability. A mechanistic approach.
21
John Wiley and Sons, New York, 397p.
22
5.Beckett, P.H.T. 1964. Studies on soil
23
potassium: II. The immediate Q/I
24
relations of labile potassium in the soil.
25
J. Soil Sci. 15: 9-23.
26
6.Beckett, P., and Brady, N.C. 1972.
27
Critical cation activity ratios. Advances in
28
Agronomy. 24: 379-412.
29
7.Bouyoucos, G.J. 1962. Hydometr method
30
improved for making particle size
31
analysis of soils. Agron. J. 54: 464-465.
32
8.Chapman, H.D. 1965. Cation exchange
33
capacity. In: Methods of soil analysis.
34
Part 2. Black, C.A. (ed.). American
35
Society of Agronomy, Madison,
36
Wisconsin, USA.
37
9.Cox, A.E., Joern, B.C., Brouder, S.M.,
38
and Gao, D. 1999. Plant-available
39
potassium assessment with a modified
40
sodium tetra phenyl boron method. Soil
41
Sci. Soc. Amer. J. 63: 4. 902-911.
42
10.Davies, C.W. 1962. Ion Association.
43
Butterworths, London, Pp: 37-53.
44
11.Del-Bubba, M., Arias, C.A., and Brix,
45
H. 2003. Phosphorus adsorption
46
maximum of sands for use as media in
47
sub-surface flow constructed reed beds
48
as measured by the Langmuir isotherm.
49
Water Resource, 37: 3390-3400.
50
12.Dobermann, A., and Fairhurst, T. 2000.
51
Rice: Nutrient disorders & Nutrient
52
management. Handbook series. Potash
53
& Phosphate Institute (PPI), Potash &
54
Phosphate Institute of Canada (PPIC)
55
and International Rice Research Institute.
56
13.Dordipour, E., and Gholizadeh, A.L.
57
2009. Q/I parameters of potassium in the
58
soils of Mazandaran under tobacco
59
cultivation. J. Plant Prod. 16: 1. 1-16.
60
(In Persian)
61
14.Dovlati, B., Oustan, S.H., and Samadi,
62
A. 2008. Forms of potassium and Q/I
63
relationship for sunflower growing
64
soils in Khoy region. J. Agric. Sci.
65
Technol. Natur. Resour. 12: 46. 623-636.
66
(In Persian)
67
15.Fathi, S., Samadi, A., Davari, M., and
68
Asadi Capurchal, S. 2014. Evaluation
69
different Extractants for determining
70
corn available potassium in some
71
calcareous soils of Kurdistan province.
72
J. Cereals. 4: 3. 253-266. (In Persian)
73
16.Gholizadeh, A.Gh., Karimi, A.R.,
74
Khorasani, R., and Khormali, F. 2016.
75
Different forms of soil potassium in
76
tobacco cultivated areas of northern
77
Iran. J. Water Soil Cons. 23: 4. 1-23.
78
(In Persian)
79
17.Helmke, P.A., and Sparks, D.L.
80
1996. Lithium, sodium and potassium.
81
P 551-574, In: D.L. Sparks, A.L. Page,
82
P.A. Helmke, R.H. Loeppert, P.N.
83
Sultanpour, M.A. Tabatabai, C.T.
84
Jhonston, and M.E. Sumner (Eds.),
85
Methods of Soil Analysis, Part 2,
86
Chemical and Microbiological Properties,
87
Soil Science Society of American, WI.
88
18.Khormali, F., Nabiollahy, K., Bazargan,
89
K., and Eftekhari, K. 2008. Potassium
90
status in different soil orders of Kharkeh
91
Research Station, Kurdistan. J. Agric.
92
Sci. Technol. Natur. Resour. 14: 5. 1-9.
93
(In Persian)
94
19.Knudsen, D., Peterson, G.A., and Pratt,
95
P.F. 1982. Lithium, sodium and
96
potassium. P 225-246, In: A.L. Page
97
et al. (eds), Methods of Soil Analysis,
98
Part 2, Chemical and Microbiological
99
properties, 2nd ed., WI: ASA and SSSA,
100
20.Le Roux, J., and Sumner, M.E. 1968.
101
Labile potassium in soils: 1. Factors
102
affecting the quantity intensity (Q/I)
103
parameters. Soil Science. 106: 1. 35-41.
104
21.Loeppert, R.H., and Suarez, D.L. 1996.
105
Carbonate and gypsum. P 437-474,
106
In: D.L. Sparks (ed.), Methods of soil
107
analysis, Part 3, 3rd ed., WI: SSSA,
108
ASA. Madison.
109
22.Marchand, M. 2010. Effect of potassium
110
on the production and quality of tobacco
111
leaves. Optimum Crop Nutrition. 24: 7-14.
112
23.Martin, H.W., and Sparks, D.L. 1985.
113
On the behavior of non- exchangeable
114
potassium in soils. Communications
115
in Soil Science and Plant Analysis.
116
16: 133-162.
117
24.McLean, E.O. 1976. Exchangeable K
118
levels for maximum crop yields on soils
119
of different cation exchange capacities.
120
Communications in Soil Science and
121
Plant Analysis. 7: 823-838.
122
25.McLean, E.O., and Watson, M.E. 1985.
123
Soil measurement of plant- available
124
potassium. P 277-308, In: RD Munson
125
(ed), Potassium in agriculture, ASA,
126
CSSA, SSSA, Madison.
127
26.Najafi-Ghiri, M., Abtahi, A., and
128
Jaberian, F. 2012. Potassium release
129
from sand, silt and clay fractions in
130
calcareous soils of southern Iran.
131
Archive of Agronomy and Soil Science.
132
58: 12. 1439-1425.
133
27.Peyghami Khoshemehr, H., Sepehr, E.,
134
and Momtaz, H.R. 2015. Comparison of
135
potassium sorption characteristics of
136
cultivated and virgin soils in Khoy region.
137
Applied Soil Research, 2: 2. 18-28.
138
(In Persian)
139
28.Poonia, S.R., and Niederbudde, E.A.
140
1990. Exchange equilibria of potassium
141
in soil, V. Effect of natural organic
142
matter on K-Ca exchange. Geoderma.
143
47: 3-4. 233-242.
144
29.Richmond, M.D., Pearce, R.C., and
145
Bailey, W.A. 2016. Dark fire- cured
146
tobacco response to potassium and
147
application method. Tobacco Science.
148
53: 12-15.
149
30.Samadi, A. 2006. Potassium exchange
150
isotherms as a plant availability index in
151
selected calcareous soils of Western
152
Azerbaijan Province, Iran. Turk. J.
153
Agric. Forest. 30: 3. 213-222.
154
31.Samadi, A., Dovlati, B., and Barin, M.
155
2008. Effect of continuous cropping on
156
potassium forms and potassium
157
adsorption characteristics in calcareous
158
soils of Iran. Austr. J. Soil Res.
159
46: 265-272.
160
32.Schnidler, F.V., Woodard, H.J., and
161
Doolittle, J.J. 2005. Assessment of soil
162
potassium sufficiency as related to
163
quantity-intensity in montmorillonitic
164
soils. Communications in Soil Science
165
and Plant Analysis, 36: 15-16. 555-570.
166
33.Sharma, R.R., Mukhopadhyay, S.S., and
167
Sawhney, J.S. 2006. Distribution of
168
potassium fractions in relation to
169
landform in a Himalayan catena.
170
Archive of Agronomy and Soil Science.
171
52: 4. 469-476.
172
34.Sharpley, A.N., and Buol, S.W.
173
1987. Relationship between minimum
174
exchangeable potassium and soil
175
taxonomy 1. Communications in
176
Soil Science and Plant Analysis.
177
18: 5. 601-614.
178
35.Shaviv, A., Mohsen, M., Pratt, P.F.,
179
and Mattigod, S.V. 1985. Potassium
180
fixation charectristics of five southern
181
California soils. Soil Sci. Soc. Amer. J.
182
49: 1105-1109.
183
36.Sing, B.B., and Jones, J.P. 1975. Use of
184
sorption-isotherms for evaluating
185
potassium requirements of plants. Soil
186
Sci. Soc. Amer. J. 39: 5. 881-886.
187
37.Srinivasarao, C., Rupa, T.R., Subba Rao,
188
A., Ramesh, G., and Bansal, S.K. 2006.
189
Release kinetics of nonexchangeable
190
potassium by different extractants from
191
soils of varying mineralogy and depth.
192
Communications in soil science and
193
plant analysis. 37: 3-4. 473-491.
194
38.Tandon, H.L.S. 1998. Methods of
195
analysis of soils, plant, water and
196
fertilizer. Development and Consultation
197
Organization, New Delhi, India. 203p.
198
39.Villapando, V.S., and Graetz, D.A.
199
2001. Phosphorus sorption and
200
desorption properties of the spodic
201
horizon from selected Florida spodosols.
202
Soil Sci. Soc. Amer. J. 65: 331-339.
203
40.Walkley, A., and Black, I.A. 1934. An
204
examination of the Degtjareff method
205
for determining soil organic matter and a
206
proposed modification of the chromic
207
acid titration method. Soil Science.
208
37: 29-38.
209
41.Wang, J., Fu, B., Qiu, Y., and Chen, L.
210
2001. Soil nutrients in relation to land
211
use and landscape position in the semiarid small catchment on the loess
212
plateau in China. J. Arid Environ.
213
48: 4. 537-555.
214
42.Zareian, G.R., Farpoor, M.H., Hejazi,
215
M., and Jafari, A. 2017. Relationship
216
of potassium forms with soil
217
physicochemical properties and clay
218
mineralogy in Ghrehbagh Plain, Fars
219
Province. J. Soil Res. (Soil and Water
220
Science). 31: 2. 315-328. (In Persian)
221
ORIGINAL_ARTICLE
ارزیابی حساسیت اراضی به بیابانزایی با استفاده از رویکرد پویایی سیستم در حوضه آبخیز جازموریان
چکیده: سابقه و هدف: بیابانزایی فرایند و وضعیت نهایی تخریب مناطق خشک است. این فرایند با دامنه اثرگذاری در بیش از 100 کشور، زندگی حدود 1 میلیارد نفر از مردم جهان را تحت تأثیر خود قرار داده و نتیجه تعاملهای پیچیده در بین عوامل مختلفی همچون تغییرات اقلیمی و فعالیتهای انسانی است. هدف از تحقیق حاضر، پیشبینی اثرات اجرای سناریوهای مدیریتی و اقلیمی بر پدیده بیابانزایی با استفاده از رویکرد مدلسازی پویایی سیستم در حوضه آبخیز جازموریان واقع در استانهای کرمان و سیستان و بلوچستان است. مواد و روشها: اطلاعات موردنیاز و دادههای پایه جمعآوریشده و عوامل بیابانزایی براساس تحقیقات قبلی و بازدیدهای میدانی شناسایی شدند. در مرحله بعد، نمودارهای مرجع ترسیمشده، روابط علی – معلولی و بازخوردها مشخص و مدل مفهومی بیابانزایی حوضه آبخیز جازموریان ارائه شد. نمودار ذخیره- جریان از مدل مفهومی استخراج و در نرمافزار ونسیم ترسیم گردید. صحتسنجی مدل با آزمونهای حدی مدل انجام گرفت. براساس سناریوهای مدیریت پوشش گیاهی و اقلیمی مدل اجرا گردید و خروجیهای نظیر هر سناریو با وضعیت موجود مقایسه شد. یافتهها: نتایج تحقیق نشان داد که عامل خاکی با درجه اهمیت 73/1 موثرترین عامل در بیابانزایی حوضه جازموریان است. شاخص حساسیت پذیری بیابانزایی با درجه اهمیت برابر 37/1 در کلاس بحرانی قرار گرفت. نتایج حاصل از تحلیل سناریوهای مورد بررسی در یک دوره 30 ساله نشان داد که با هدف کاهش شاخص حساسیتپذیری بیابانزایی، سناریوهای تغییر سیاست و مدیریت (1)، مدیریت پوشش گیاهی (18/1 و 25/1) و تغییر اقلیم (25/1) به ترتیب بهعنوان سناریوهای برتر شناسایی شدند. نتیجهگیری: یافتههای نتایج نشان داد که متوسط وزنی ارزش کمی شدت بیابانزایی برای وضعیت فعلی بیابانزایی بر اساس چهار معیار مورد بررسی 37/1 به دست آمد که با مقایسه این مقدار با جدول ایسس ، کلاس شدت بیابانزایی برای کل منطقه بین شکننده تا بحرانی (الف) برآورد میگردد. با بررسی نتایج حاصل از اجرای سناریوهای مدیریت پوشش مشاهده میشود که اگر 10 و 20 درصد تغییر در پوشش گیاهی و پوشش حفاظتی در برابر فرسایش رخ دهد، شاخص حساسیت پذیری بعد از 30 سال به ترتیب به حدود 25/1 و 18/1 خواهد رسید که این نشان از اهمیت مدیریت پوشش در برابر مقابله با بیابانزایی بهویژه در حوضه آبخیز جازموریان دارد. همچنین اقدامات مدیریتی در منطقه موردمطالعه میتوانند روند بیابانزایی را متوقف و وضعیت موجود را بهسوی بهبودی سوق دهند. بهطورکلی، مدل پویایی سیستم بهعنوان یکی از رویکردهای تلفیق در ارزیابی حساسیت پذیری بیابانزایی حوضه جازموریان کارایی بالایی دارا میباشد و برای افزایش فهم ذینفعان از روابط علی و معلولی و بازخوردهای سیستم سودمند است.
https://jwsc.gau.ac.ir/article_4614_9cd083492465323184e25d2522a3c7d4.pdf
2019-06-22
221
224
10.22069/jwsc.2019.15565.3076
آزمونهای حدی
حوضه آبخیز جازموریان
سناریوهای مدیریتی
شاخص حساسیت پذیری بیابانزایی
حمزه
احمدی
ahmadi.hamzeh@gmail.com
1
دانشگاه هرمزگان
AUTHOR
یحیی
اسماعیل پور
y.esmaeilpour@hormozgan.ac.ir
2
استادیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
LEAD_AUTHOR
عباس
مرادی
abbas.moradi46@gmail.com
3
استادیار گروه جغرافیا، دانشکده علوم انسانی، دانشگاه هرمزگان
AUTHOR
حمید
غلامی
hadesert64@gmail.com
4
استادیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
AUTHOR
1.Afkhami Ardesiri, S. 2007. Comparison
1
the Effect of Land-use Changes on
2
Desertification Risk in the Gorgan Plain
3
at Past 50 Years using ICD & ESAs
4
Desertification Assessment Methods
5
(Case study: Gorgan-Aq-Qala, Inche
6
Borun), M.Sc. Thesis. Dissertation,
7
Gorgan University of Agriculture
8
Sciences and Natural Resources. Iran.
9
174p. (In Persian)
10
2.Ekhtesasi, M.R., and Sepehr, A. 2011.
11
Methods and Models of Desertification
12
Assessment and Mapping, Yazd
13
University Press, First Edition, 312p.
14
(In Persian)
15
3.Farajollahi, A. 2016. Socio-Economic
16
Factors Influencing Land Use Changes
17
and Desertification Hazard in Maraveh
18
Tappeh Region, Golestan Province. PhD
19
Thesis, Gorgan University of Agricultural
20
Sciences and Natural Resources. 213p.
21
(In Persian)
22
4.Farajollahi, A., Asgari, H.R., Ownegh,
23
Mahboubi, M.R., and Mahini, A.S. 2017.
24
The Effect of Land Use Changes on
25
Desertification Hazard (Case study:
26
Maraveh Tappeh Region of Golestan
27
Province, Iran). Modern Applied Science,
28
11: 1. 168-179. (In Persian)
29
5.Farmahini Farahani, A., and Darvish, M.
30
2012. Assessment and Generating
31
Desertification Map Using FAO and
32
UNEP Method Kavire-e-meighan Basin.
33
Iran. J. Range Des. Res. 19: 4. 547-556.
34
(In Persian)
35
6.Giordano, L., Giordano, F., Grauso, S.,
36
Iannetta, M., Sciortino, M., Rossi, L., and
37
Bonati, G. 2003. Identification of Areas
38
Sensitive to Desertification in Sicily
39
Region. ENEA, Rome, Italy. Pp: 1-16.
40
7.Goudie, A.S. 2011. Desertification,
41
In: J.O. Nriagu (ed.) Encyclopedia of
42
Environmental Health, Burlington:
43
Elsevier, 2: 30-35.
44
8.Hemmati, N. 2001. Analysis of
45
Factors Influencing Desertification and
46
Introducing a Predictive Model in
47
Nemmat Abad Bijar Region. M.Sc.
48
Thesis. University of Tehran. 150p.
49
(In Persian)
50
9.Karimi Sangchini, E., Ownegh, M.,
51
Sadoddin, A., Tahmasebi Pur, N.,
52
and Rezaee, H. 2017. A system
53
dynamics model to predict the effects of
54
vegetation-based management scenarios
55
on structural landscape ecology in
56
Hablehrud River Basin. J. Water. Engin.
57
Manage. 9: 1. 58-70. (In Persian)
58
10.Kelly, R.A., Jakeman, A.J., Barreteau,
59
O., Borsuk, M.E., Elsawah, S.,
60
Hamilton, S.H., Sakari K., Holger,
61
R.M., Rizzoli, A.E., Van Delden, H.,
62
and Voinov, A.A. 2013. Selecting among
63
Five Common Modelling Approaches
64
for Integrated Environmental Assessment
65
and Management. Environmental Modelling
66
& Software, 47: 159-181.
67
11.Kosmas, C., Kirkby, M., and
68
Geeson, N. 1999. European Commission
69
the Medalus project-Mediterranean
70
Desertification and Land Use, Manual
71
on Key Indicators of Desertification and
72
Mapping Environmentally Sensitive
73
Areas to Desertification. 87p.
74
12.Kotir, J.H., Smith, C., Brown, G.,
75
Marshall, N., and Johnstone, R.
76
2016. A System Dynamics Simulation
77
Model for Sustainable Water Resources
78
Management and Agricultural Development
79
in the Volta River Basin, Ghana.
80
Science of the Total Environment,
81
573: 444-457.
82
13.Li, X.Y., Ma, Y.J., Xu, H.Y., Wang,
83
J.H., and Zhang, D.S. 2009. Impact of
84
Land Use and Land Cover Change on
85
Environment Degradation in Lake
86
QINGHAI Watershed, Northeast,
87
QINGHAITIBET Plateau. Land
88
Degrade and Development. Catena.
89
20: 69-83.
90
14.Mansouri, K. 2010. Assessment of Land
91
use Change Effects on Desertification
92
Hazard and Risk. M.Sc. Thesis. Gorgan
93
University of Agriculture Sciences
94
and Natural Resources. Iran. 153p.
95
(In Persian)
96
15.Mavrommati, G., Bithas, K., and
97
Panayiotidis, P. 2013. Operationalizing
98
Sustainability in Urban Coastal Systems:
99
A system Dynamics Analysis, Water
100
research, Pp: 1-16.
101
16.Parvari Asl, S.H., Pahlavanravi, A.,
102
and Moghaddam Nia, A.R. 2010.
103
Classification of Desertification Intensity
104
Using ESAs Model in Niyatak Region
105
(Sistan, Iran). J. Range Water. Manage.
106
Iran. J. Natur. Resour. 63: 2. 149-163.
107
(In Persian)
108
17.Rasmy, M., Gad, A., Abdelsalam, H.,
109
and Siwailam, M. 2010. A Dynamic
110
Simulation Model of Desertification in
111
Egypt. Egypt. J. Rem. Sens. Space Sci.
112
13: 101-111.
113
18.Reynolds, J.F., Stafford and Smith,
114
D.M. 2002. Global Desertification: Do
115
Humans Cause Deserts? Dahlem
116
University Press, Berlin, 437p.
117
19.Sepehr, A., Hassanli, A.M., Ekhtesasi,
118
M., and Jamali, J. 2007. Quantitative
119
assessment of desertification in south
120
of Iran using MEDALUS method.
121
Environmental Monitoring and Assessment.
122
134: 1-3. 243-254. (In Persian)
123
20.Simonovic, S.P., and Ahmad, S. 2000.
124
System Dynamics Modeling of
125
Reservoir Operation for Flood
126
Management. J. Comp. Civil Engin.
127
14: 3. 190-199.
128
21.Soltani, M., and Alizadeh, H.A.
129
2018. Integrated Water Resources
130
Management at Basin Scale (IWMsim)
131
Using a System Dynamics Approach. J.
132
Water Soil Resour. Cons. 7: 2. 69-90.
133
(In Persian)
134
22.UN (United Nations). 1994. UN Earth
135
Summit, Convention on Desertification,
136
UN Conference in Environment and
137
Development, Rio de Janeiro. Brazil,
138
June 3-14, 1992. United Nations,
139
23.Zehtabian, Gh.R., and Rafiei Emam, A.
140
2003. ESAs, a New for Assessment and
141
Mapping of Areas Sensitive to
142
Desertification. J. Des. 8: 1. 120-126.
143
(In Persian)
144
ORIGINAL_ARTICLE
کارایی روش های حداقل مربعات معمولی (OLS) و شبکه بیزین در تخمین درصد سدیم تبادلی (ESP) خاک
سابقه و هدف: در علوم خاک، برای ارزیابی درجه سدیمیبودن خاک از دو ویژگی مهم نسبت جذب سدیم و درصد سدیم تبادلی استفاده میشود. برای اندازهگیری درصد سدیم تبادلی، اندازهگیری ظرفیت تبادل کاتیونی ضروری است که اندازهگیری آن وقتگیر، پرهزینه و همراه با خطا است. بهمنظور تخمین غیر مستقیم درصد سدیم تبادلی، استفاده از ویژگیهای زودیافت خاک بسیار بهینه و اقتصادیتر میباشد. تحقیقات نشان دادهاند که بین درصد سدیم تبادلی و نسبت جذب سدیم رابطه وجود دارد. بنابراین، از نسبت جذب سدیم میتوان برای پیش-بینی درصد سدیم تبادلی استفاده کرد. به همین دلیل تلاشهای زیادی برای تخمین درصد سدیم تبادلی با استفاده از پارامترهای زودیافت خاک انجام شده است. هدف از این تحقیق، توسعه مدل کمترین مربعات معمولی و شبکه بیزین برای تعیین درصد سدیم تبادلی با استفاده از نسبت جذب سدیم درخاکهای شهرستان بناب در استان آذربایجان شرقی است.مواد و روشها: در تحقیق حاضر، 209 نمونه خاک با استفاده از روش شبکهبندی منظم (250 × 250) از غرب شهرستان بناب برداشته شد. این محدوده 1300 متر بالاتر از سطح آزاد دریاهای آزاد بوده و با آب و هوای نیمه خشک در شمال غرب ایران واقع شده است. سپس برخی از خواص شیمیایی خاک مانند Na+ ،Ca2+ ،Mg2+، SAR و ESP نمونههای خاک با استفاده از روشهای آزمایشگاهی اندازهگیری شد. سپس، دو مدل کمترین مربعات معمولی و شبکه بیزین برای تخمین درصد سدیم تبادی از نسبت جذب سدیمی توسعه داده شد .تخمین-گر OLS، تابع خطی از مقادیر متغیر وابسته بوده که با استفاده از وزنهای یک تابع غیر خطی از مقادیر متغیرهای مستقل عمل میکند .بنابراین، تخمینگر OLS وابسته به نحوه استفاده از مقادیر متغیر وابسته است، صرف نظر از اینکه چگونه از مقادیر مستقل استفاده میکند . شبکه بیزین نیز یک مدل گرافیکی احتمالی است که مجموعهای از متغیرها و وابستگیهای مشروط را از طریق یک نمودار آسیکلیک هدایت-شده (DAG) نشان میدهد. این شبکه یک گراف جهتدار غیرمدور است که مجموعهای از متغیرهای تصادفی و نحوه ارتباط مستقل آنها را نشان میدهد. در واقع شبکههای بیزین میتوانند مشکلات تصمیمگیری را در حین عدم اطمینان حل کنند.یافتهها: ضریب تبیین و جذر میانگین مربعات خطا مدل ESP-SAR با روشهای کمترین مربعات معمولی و شبکه بیزین بهترتیب 99/0، 71/0 و 98/0، 63/1 برآورد گردید. بر اساس نتایج آماری فوق هر دو مدل قابل قبول هستند. برای مقایسه مقادیر ESP خاک با استفاده از مدل خاک ESP-SAR با مقادیرESP اندازهگیری شده با استفاده از روش آزمایشگاهی، از آزمون t استفاده شد .نتایج آزمون t نشان داد که تفاوت بین مقادیر ESP خاک تخمینی توسط مدلها و مقادیر اندازهگیری شده با روشهای آزمایشگاهی از لحاظ آماری معنی دار نبود (P> 0.05). بنابراین، مدلهای ESP-SAR توسعهیافته میتواند یک روش آسان، اقتصادی و کوتاه برای ارزیابی ESP خاک ارائه دهد. شاخص GMER همچنین تخمین کم دو روش را مورد ارزیابی قرار داد.نتیجهگیری: نتایج مطالعه حاضر نشان داد که مدلهای کمترین مربعات معمولی و شبکه بیزین بهعنوان مدلهای ریاضی بین متغیرهای ورودی و خروجی میتوانند درصد سدیم تبادلی را با محدودیتهای قابل قبول پیشبینی کنند. همچنین روشOLS نسبت به BS بهدلیل ضریب تبیین بالا و ریشه میانگین مربعات خطای کم از کارایی بیشتری برخوردار است.
https://jwsc.gau.ac.ir/article_4615_10af563d08e039952f40bf700b61c0f4.pdf
2019-06-22
225
238
10.22069/jwsc.2019.15927.3113
بناب
ویژگی های زود یافت
مدل سازی
خاک های سدیمی
علی
باریکلو
ali_barikloo@znu.ac.ir
1
دانش آموخته کارشناسی ارشد علوم خاک، دانشگاه زنجان
AUTHOR
مسلم
ثروتی
m.sarvati@urmia.ac.ir
2
عضو هیئت علمی مرکز آموزش عالی شهید باکری میاندوآب، دانشگاه ارومیه
LEAD_AUTHOR
محمدصادق
علیائی
msoliaei@gmail.com
3
استادیار، عضو هیات علمی وزارت علوم، تحقیقات و فناوری (معاونت پژوهش و فناوری)
AUTHOR
1.Banaei, M.H., Momeni, A., Baybordi, M.,
1
and Malakouti, J. 2004. Iranian Soils.
2
Sana Press, Tehran, Iran.
3
2.Bouyoucos, G.J. 1962. Hydrometer
4
method improved for making particle size
5
analysis of soils. Agron. J. 56: 464-466.
6
3.Bower, CA., Reitemeier, RF., and
7
Fireman, M. 1952. Exchangeable cation
8
analysis of saline and alkali soils. Soil
9
Science. 73: 251-261.
10
4.Chi, Ch.M., Zhao, Ch.W., Sun, X.J.,
11
and Wang, Z.C. 2011. Estimating
12
exchangeable sodium percentage from
13
sodium adsorption ratio of salt-affected
14
soil in The Songnen plain of Northeast
15
China. Soil Science Society of China
16
Pedosphere 21: 2. 271-276.
17
5.Dahiya, I.S., Richter, J., and Malik, R.S.
18
1984. Soil spatial variability: A review.
19
Inter. J. Trop. Agric. 11: 91-102.
20
6.Evangelou, V.P., and Marsi, M. 2003.
21
Influence of ionic strength on sodiumcalcium exchange of two temperate
22
climate soils. Plant and Soil. 250: 307-313.
23
7.Farahmand, A., Oustan, S.H., Jafarzadeh,
24
A.J., and Asgarzad, A.N. 2011. The
25
parameters of sodium and salinity in
26
some salt affected soils of the Tabriz
27
Plain. J of Soil and Water, 19: 2. 22. 1-15.
28
(In Persian)
29
8.Heckerman, D. 1997. Bayesian networks
30
for data mining. Data Mining and
31
Knowledge Discovery. 1: 1. 79-119.
32
9.Jurinak, J.J., and Suarez, D.L. 1990. The
33
chemistry of salt-affected soils, P 42-63.
34
In: Tanji, K.K. (ed). Agricultural Salinity
35
Assessment and Management, No, 71.
36
American Society of Civil Engineers,
37
New York, N.Y.
38
10.Kevin, B., and Nicholson, E. 2010.
39
Bayesian artificial intelligence. Second
40
Edition, United states. 3: 1. 370-450.
41
11.Lake, H.R., Akbarzadeh, A., and
42
Mehrjardi, R.T. 2009. Development of
43
pedotransfer functions (PTFs) to predict
44
soil physico-chemical and hydrological
45
characteristics in southern coastal zones
46
of the Caspian Sea. J. Ecol. Natur.
47
Environ. 1: 7. 160-172.
48
12.Lal, P., Chippa, B.R., and Arvind,
49
K. 2003. Salt affected soils and
50
crop production, a modern synthesis,
51
AGROBIS (India). Pp: 42-61.
52
13.Lesch, S.M., Strauss, D.J., and Rhoades,
53
J.D. 1995. Spatial prediction of soil
54
salinity using electromagnetic induction
55
techniques 1. Statistical prediction
56
models: A comparison of multiple
57
linear regression and cokriging. Water
58
Resources Research, 31: 373-386.
59
14.Nguyen, R.T., Prentiss, D., and Shively,
60
J.E. 1998. Rainfall interpolation for
61
Santa Barbara County. UCSB,
62
Department Geography. USA.
63
15.Rhoades, J.D. 1982. Cation exchange
64
capacity. P 149-157. In: Page, A.L.,
65
Miller, R.H. and Keeney, D.R. (eds).
66
Methods of Soil Analysis. Part 2. Agron.
67
Monogr. 9, American Society of
68
Agronomy, Madison, WI, USA.
69
16.Richards, L.A. 1954. USDA Handbook
70
60. U.S. Department of Agriculture,
71
Washington DC. USA
72
17.Rowell, D.L. 1994. Soil Science:
73
Methods and Application. Longman
74
Group, Harlow, England, 345p.
75
18.Seilsepour, M., Rashidi, M., and
76
Khabbaz, B.G. 2009. Prediction of soil
77
exchangeable sodium percentage based
78
on soil sodium adsorption ratio. Amer.-
79
Euras. J. Agric. Environ. Sci. 5: 1. 1-4.
80
19.Sumner, M.E. 1993. Sodic soils:
81
New perspectives. Austr. J. Soil Res.
82
31: 683-750.
83
20.Tamari, S., WoÈsten, J.H.M., and
84
Ruiz-SuaÂrez, J.C. 1996. Testing an
85
artificial neural network for predicting
86
soil hydraulic conductivity. Soil Sci.
87
Soc. Amer. J. 60: 1732-1741.
88
21.Tu, J. 2011. Spatially varying
89
relationships between land use and
90
water quality across an urbanization
91
gradient explored by geographically
92
weighted regression. Applied Geography,
93
31: 1. 376-392.
94
22.USDA. 1996. Soil Survey Laboratory
95
Methods Manual. Soil Survey
96
Investigations Republic, Washington:
97
United States Government Print.
98
23.Wagner, B., Tarnawski, V.R., Hennings,
99
V., Muller, U., Wessolek, G., and
100
Plagge, R. 2001. Evaluation of
101
pedotransfer function for unsaturated
102
soil hydraulic conductivity using
103
an independent data set. Geoderma.
104
102: 275-297.
105
24.Zare, M., Ordookhani, K., Emadi, A.,
106
and Azarpanah, A. 2014. Relationship
107
between soil exchangeable sodium
108
percentage and soil sodium adsorption
109
ratio in Marvdasht plain, Iran. Inter. J.
110
Adv. Biol. Biom. Res. 2: 12. 2934-2939
111
ORIGINAL_ARTICLE
ارزیابی الگوریتمهای بهینهسازی GA و PSO در بهرهبرداری از سیستمهای چندمخزنه مطالعه موردی: سدهای حوضه گرگان رود
سابقه و هدف: بهرهبرداری بهینه از سیستمهای منابع آب و تدوین قوانین و سیاستهای مناسب بهرهبرداری از مخازن در سالهای اخیر موردتوجه کارشناسان منابع آب قرارگرفته و تحقیقات گستردهای برروی آنها انجامشده است. هرچند در این زمینه پیشرفتهای زیادی به لحاظ استراتژیهای حل مسئله و ابزارهای محاسباتی بهوجود آمده است، اما مسئله بهینهسازی بهرهبرداری از یک سیستم چندمخزنه به دلیل تاثیرات بهره برداری مخازن بالادست بر ورودی های مخازن پایین دست، از پیچیدگی های زیادی برخوردار است. روشهای بهینهسازی معمول بهدلیل قیدهای زیاد، فضای ناپیوسته و ماهیت غیرخطی مسائل مدیریت منابع آب، ابزار مناسبی برای حل اینگونه مسائل نیستند، به همین دلیل الگوریتمهای بهینهسازی فرا ابتکاری موردتوجه محققین قرارگرفته است. هدف از این تحقیق بررسی و مقایسه نتایج حاصل از بهکارگیری روشهای GA و PSO در بهرهبرداری بهینه از سیستم چندمخزنه سدهای گلستان و بوستان واقع در حوضه آبریز گرگان رود با استفاده از شاخص اعتمادپذیری در شرایط تغییر اقلیم است.مواد و روشها: در این تحقیق عملکرد الگوریتمهای ژنتیک و ازدحام ذرات در حل مساله بهینه سازی بهرهبرداری از سیستم چند مخزنه شامل سدهای بوستان و گلستان واقع در حوضه آبریز گرگان رود مورد بررسی و مقایسه قرار گرفته است. بررسی آمار جریان ورودی به مخزن دو سد در سال آبی 94-93 نشان میدهد که در اثر تغییر اقلیم ورودی سالانه به سدهای بوستان و گلستان به ترتیب 17% و 60% کاهش یافته است.الگوریتم ژنتیک عبارت از یک جستجوی چندجانبه موازی و هدایتشده بر اساس نظریه تکامل است. عملگرهای الگوریتم GA شامل انتخاب، پیوند و جهش است که به ترتیب از آنها استفاده شده تا نسل بعد به وجود آید. در الگوریتم بهینهسازی PSO بر مبنای حرکت جمعی پرندگان و ماهیها، تعدادی ذره در فضای جستجو پخش شده و مقدار تابع هدف، متناسب با موقعیت هر ذره محاسبه میشود. سپس با استفاده از ترکیب اطلاعات فعلی محل ذرات و بهترین محل که قبلاً در آن بودهاند موقعیت جدید ذرات محاسبه میشود. یافته ها: بهترین جواب الگوریتم PSO در طی 10 بار اجرا 95/909 و بدترین جواب برابر 53/930 به دست آمد، درحالیکه بهترین پاسخ الگوریتم GA در طی 10 بار اجرا 17/931 و بدترین آن 32/957 بوده است. مقایسه میانگین جوابها نیز حکایت از برتری 3 درصدی جوابهای الگوریتم PSO نسبت به GA دارد. نتیجهگیری: نتایج نشان می دهدالگوریتم PSO از عملکرد بهتری در مقایسه با GA برخوردار است، به نحوی که مقایسه نتایج نشان می دهد الگوریتم بهینه سازی PSO با اعتماد پذیری 38/49 درصد از عملکرد مناسبتری در استخراج منحنی فرمان بهره برداری از سیستم چندمخزنه بوستان- گلستان ارائه نموده است.
https://jwsc.gau.ac.ir/article_4616_3a2401203da6d2acbf817825d1272417.pdf
2019-06-22
239
250
10.22069/jwsc.2019.14894.2997
اعتمادپذیری
الگوریتمهای فرا ابتکاری
مدیریت منابع آب
خشکسالی
حامد
مازندرانی زاده
mazandaranizadeh@eng.ikiu.ac.ir
1
عضو هیئت علمی
LEAD_AUTHOR
جواد
پیاده کوهسار
javad.piadeh1992@gmail.com
2
دانش آموخته، گروه مهندسی آب، دانشگاه امام خمینی (ره)
AUTHOR
سید محمد کاظم
صدر
s.m.k.sadr@exeter.ac.uk
3
گروه مهندسی آب، دانشگاه اگزتر انگلستان
AUTHOR
1.Ahmadianfar, A., and Adib, A. 2016.
1
Optimizing hydropower dams operation
2
using hybrid of PSO and GA (Case study:
3
Dez Dam). Irrigation Science &
4
Engineering, 38: 3. 63-71. (In Persian)
5
2.Eberchart, R., and Kennedy, J. 1995.
6
Particle swarm optimization. IEEE
7
InternationalConference on Neural
8
Networks Perth, Australia. Pp: 1942-1947.
9
3.Esat, V., and Hall, M.J. 1994. Water
10
resources system optimization using
11
genetic algorithms. Proc. 1st Int. Conf. on
12
Hydroinformatics, Balkema, Rotterdam,
13
Netherlands. Pp: 225-231.
14
4.Goldberg, D. 1989. Genetic algorithms
15
in search optimization and machine
16
learning. Addison-Wesley Longman
17
Publishing Company. Boston. 403p.
18
5.Hosseini-Moghari, S.M., and Banihabib
19
M.E. 2014. Optimizing operation of
20
reservoir for agricultural water supply
21
using firefly algorithm. J. Water Soil
22
Resour. Cons. 3: 4. 17-31. (In Persian)
23
6.Iran Water Resources Management Co.
24
2012. Annual report on the status of dams
25
operating in different months. (In Persian)
26
7.Kalbali, E., Sabuhi Sabuni M., and
27
Ahmadpur Borazjani, M. 2016. Strategies
28
of Voshmgir dam water allocation using
29
two-stage stochastic programming. J.
30
Water Soil, 30: 6. 1832-1847. (In Persian)
31
8.Karimi, M., Ahrar Yazdi, B.N., and Ahrar
32
Yazdi, B.D. 2017. Examining the
33
performance of two pso and g-algorithms in
34
optimizing the CGAM issue. Mechanical
35
Engineering Sharif, 33: 1. 129-136.
36
9.Kjeldsen, T.R., and Rosbjerg, D. 2004.
37
Choice of reliability, resilience and
38
vulnerability estimators for risk
39
assessments of water resources systems.
40
Hydrol. Sci. J. 49: 757-767.
41
10.Moeini, R., and Afshar, M.H. 2009.
42
Application of an ant colony
43
optimization algorithm for optimal
44
operation of reservoirs: A comparative
45
study of three proposed formulations.
46
J. Sci. Iran. 16: 4. 273-285.
47
11.Moeini, R. 2016. Performance evaluation
48
of the ant Colony optimization algorithm
49
for the optimal operation of a
50
multi-reservoir system: comparing four
51
algorithms. Iran-Water Resources Research,
52
11: 2. 29-46. (In Persian)
53
12.Moghadam, A., Alizadeh A., Farid, A.,
54
Ziaei, A.N., and Fallah, D. 2013. The
55
application of improved particle swarm
56
optimization algorithm in design of
57
water distribution systems. Iran. J. Irrig.
58
Drain. 7: 3. 389-401. (In Persian)
59
13.Moghaddam, A., Montaseri, M., and
60
Rezaei, H. 2016. The Application of
61
GA, SMPSO and HGAPSO in optimal
62
reservoirs operation. J. Water Soil.
63
30: 4. 1102-1113.
64
14.Momtahen, S., and Borhani Darian, A.R.
65
2006. Genetic algorithm (GA) method
66
for optimization of multi-reservoir
67
systems operation. J. Water Wastewater.
68
29: 2. 11-20.
69
15.Norozi, B., Barani, Gh.A., Meftah
70
Halghi, M., and Dehghani, A. 2011.
71
A multi-reservoir system operation
72
optimization using multi population
73
genetic algorithms (Case study:
74
Golestan and Voshmgir reservoirs). J.
75
Water Soil Cons. 18: 2. 43-61. (In Persian)
76
16.Zadesh Pargo, R., Mazandarani Zadeh
77
H., and Daneshkar Araste, P. 2015.
78
Subsurface Drainage System Design
79
to Minimize Construction Costs with
80
Steady-State Consideration. Water
81
Research in Agriculture, 29: 1. 117-128.
82
(In Persian)
83
ORIGINAL_ARTICLE
ارزیابی اثرات کمّی بلندمدتِ شرایط مدیریت و بهره برداریِ کنونی بر آبخوان دشت ورامین
چکیدهسابقه و هدف: امروزه استفاده از مدلها برای بهتصویرکشیدن واقعیات و درک بهتر آنها و همچنین اتخاذ تصمیمات درست در مورد پدیدهها، بسیار متداول است. یکی از این مدلها، مدل شبیهسازی جریان آب زیرزمینی است که توسط متخصصان در بسیاری از کشورها استفاده میشود و دقت و صحت نتایج آنها نیز ثابت شده است. هدف از این مطالعه، ارزیابی تأثیر طرحهای مدیریتی فعلیِ آبخوان و حوضهی آبریز رودخانهی جاجرود بر تغییرات سطح ایستابیِ آبخوان آزاد و سطح پیزومتریک آبخوان محصور، با استفاده از مدلسازی عددی است. با استفاده از مدلهای عددی، میتوان نحوهی واکنش آبخوان نسبت به برداشت و تغذیهی آبخوان، با روند حاکم یا سناریوهای مختلف مدیریتی را پیشبینی کرد.مواد و روش ها: در این مطالعه، رفتار هیدرولیکی آبخوان دشت ورامین با استفاده از کد Modflow از نرمافزار GMS در دو حالت ماندگار و غیر ماندگار شبیهسازی شد. پس از واسنجی مدل، ضرایب هیدرودینامیکی تصحیح شدند و سپس با استفاده از مدل بهدستآمده، رفتار کمّی آبخوان برای سالهای آینده، برای دو سناریوی مدیریتی، پیشبینی شد. سناریوی اول بیانگر شرایط کمّیِ فعلی آبخوان ورامین است. بدین معنا که ورودی آب از رودخانة جاجرود به دشت ورامین ادامه یابد بدون آنکه آبی از تصفیهخانة فاضلاب جنوب تهران، به دشت وارد شود. سناریوی دوم، بیانگر وضعیت آبخوان در صورت تحقق برنامهریزیهای انجامشده توسط ارگانهای مربوطه است. در این سناریو، مقادیر تخصیصیافته از خروجی تصفیهخانهی فاضلاب جنوب شرق تهران وارد منطقهی دشت ورامین میشود ولی به دلیل اجرای سد مخزنی ماملو، بخش قابلتوجهی از منابع آب سطحی رودخانه-ی جاجرود وارد دشت نخواهد شد.یافته ها: در نقشههای خروجی از سناریوی اول (روند فعلی)، وضعیت افت سطح آب زیرزمینی همانند سالهای پیشین ادامه دارد، ولی در سناریوی دوم با توجه به بهرهگیری از آب خروجی از تصفیهخانهی فاضلاب تهران و علیرغم قطع آب ورودیِ رودخانة جاجرود به دشت، از نرخ افت سطح آب زیرزمینی آبخوان کاسته خواهد شد هرچند این افت کماکان ادامه دارد. مقایسهی اجرای مدل در سناریوی اول و دوم نشان میدهد که با اجرای طرحهای برنامهریزی شده، بخشی از مشکلات کمّی آبخوان به ویژه در نواحی شمالی دشت کاهش خواهد یافت، به گونهای که در برخی از مناطقِ شمالیِ دشت، از افت آب زیرزمینی مورد انتظار در روند جاری تا سال 1420 (نتایج حاصل از سناریوی اول)، حدود 30 الی 40 متر کاسته شده است. در سناریوی دوم همچنان بیلان آب زیرزمینی دشت منفی است بهگونهای که سالانه حدود 100 میلیون مترمکعب از ذخیرهی آبخوان کاهش مییابد.نتیجه گیری: نتایج شبیهسازی نشان میدهد که در هر دو سناریوی مورد نظر ( سناریوی اول، روند فعلی و سناریوی دوم، پس از اجرای طرحهای در دست اجرا)، بیلان آب زیرزمینی دشت منفی بوده و روند افت سطح ایستابی ادامه خواهد داشت، اما از سرعت افتِ سطح ایستابی در سناریوی دوم، نسبت به سناریوی اول، کاسته خواهد شد. بنابراین میتوان گفت که به منظور توقف روند افت سطح آب در آبخوان دشت ورامین، میبایستی علاوه بر طرح ورود آب از تصفیهخانهی فاضلاب تهران به دشت ورامین، تغذیهی آبخوان دشت از رودخانهی جاجرود (به عنوان اصلیترین منبع تغذیهی طبیعیِ آبخوان) همچنان ادامه یابد.
https://jwsc.gau.ac.ir/article_4617_538a223e4ec3fe5e330dce3fc91ae35c.pdf
2019-06-22
251
261
10.22069/jwsc.2019.15448.3067
آب زیرزمینی
آبخوان دشت ورامین
سناریوی مدیریتی
مدلسازی عددی
فرشته
ولی وند
valivand.f@gmail.com
1
گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورزی، دانشگاه صنعتی امیرکبیر، تهران، ایران
LEAD_AUTHOR
همایون
کتیبه
katibeh@aut.ac.ir
2
مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورزی، دانشگاه صنعتی امیرکبیر، تهران. ایران
AUTHOR
1.Abareshi, F., Meftah Halghi, M.,
1
Dehghani, A.A., Kaboli, A.R., and
2
Rahimian, M. 2015. Management of
3
aquifer of Zarringol plain in Golestan
4
province by using ground water model. J.
5
Water Soil Cons. 21: 6. (In Persian)
6
2.Anderson, M.P., and Woessner, W.
7
1992. Applied Groundwater Modeling:
8
Simulation of Flow and Advective
9
Transport, Academic Press, 4: 303-353.
10
3.Chitsazan, M., and Kashkuli, H. 2002.
11
Quantitative solutions in hydrogeology
12
and ground water modeling. The first
13
edition, published by Shahid Chamran
14
University Press. (In Persian)
15
4.Fatemi, M., Ataei, Z., and Furughi, F.
16
2011. Environmental Risk Assessment
17
plains of Varamin using mathematical
18
models pmwin. The first national
19
conference on environmental spatial
20
analysis of the metropolitan area of
21
Tehran. (In Persian)
22
5.Ghafarian Sayeli, A. 2013. Simulation of
23
groundwater level fluctuations by using
24
MODFLOW code and prediction of land
25
subsidence in the Kashmar plain. M.Sc.
26
Thesis, Ferdowsi University of Mashhad.
27
(In Persian)
28
6.Hajipour, M., Zakerinia, M., Ziaee, A.N.,
29
and Hesam, M. 2015. Water demand
30
management in agriculture and its impact
31
on water resources of Bojnourd basin
32
with WEAP and MODFLOW models. J.
33
Water Soil Cons. 22: 4. (In Persian)
34
7.Harbaugh, A.W. 2005. The U.S.
35
Geological Survey Modular GroundWater Model (MODFLOW). U.S.
36
Geological Survey, Reston, Virginia.
37
8.Hamraz, B.S., Akbarpour, A., and
38
Pourreza-Bilondi, M. 2016. Assessment
39
of parameter uncertainty of MODFLOW
40
model using GLUE method (Case study:
41
Birjand plain). J. Water Soil Cons.
42
22: 6. (In Persian)
43
9.Karami, Sh., Madani, H., Katibeh, H.,
44
and Fatehi Marj, A. 2017. Assessment
45
and modeling of the groundwater
46
hydrogeochemical quality parameters via
47
geostatistical approaches. Applied Water
48
Science. https://doi.org/10.1007/s13201-
49
018-0641-x
50
10.Panahi, M., Misaghi, F., and Asgari,
51
P. 2016. Investigate of groundwater
52
level fluctuations by using GMS.
53
2nd international conference on
54
sustainable development, approaches &
55
challenges with a focus on agriculture,
56
environment and tourism. 23-25,
57
Tabriz-Iran. (In Persian)
58
11.Parsa Sadr, H., Mohammadzadeh, H.,
59
and Nassery, H.R. 2016. Numerical
60
simulating of Sabzevar Roudab aquifer
61
and checking influences of constructing
62
Sabzevar Roudab dam on it. J. Water
63
Soil Cons. 23: 1. (In Persian)
64
12.Poormohammadi, S., Dastorani, M.T.,
65
Jafari, H., Rahimian, M.H., Goodarzi,
66
M., Mesmarian, Z., et al. 2016.
67
The groundwater balance analysis in
68
Tuyserkan-Hamedan plain, by using the
69
mathematical model MODFLOW. J.
70
Ecol. Hydrol. 2: 4. 371-382. (In Persian)
71
13.Regli, C., Rauber, M., and
72
Huggenberger, P. 2003. Analysis of
73
aquifer heterogeneity within a well
74
capture zone, comparison of model data
75
with field experiments: a case study
76
from the river Wiese, Switzerland.
77
Aquat. Sci. 65: 111-128.
78
14.Tehran regional water authority (TRWA).
79
2014. Report of groundwater resources
80
studies in Varamin area. (In Persian)
81
15.Torabian, A., Hashemi, H., Khalili, R.,
82
and Ferdosipur, S. 2004. Investigating
83
the Effect of Water Extraction on the
84
Water Quality of the River Mamlo Dam
85
using the QUAL2E Model. Ecol. J.
86
30: 35. (In Persian)
87
ORIGINAL_ARTICLE
اثر کاربرد کود زیستی EM و اوره بر توت فرنگی رقم پاروس (Fragaria ananassa cv. Paros) به منظور کشاورزی پایدار
چکیدهسابقه و هدف: افزایش مصرف کودهای شیمیایی بهمنظور افزایش عملکرد محصول میتواند به مرور زمان اثرات مخربی بر خاک و محیط زیست داشته باشد و کاهش مصرف این نوع کودها در کشاورزی پایدار ضروری میباشد. کود زیستی EM حاوی گونههای انتخاب شده از ریزموجوداتی شامل جمعیتهای غالب باکتریهای اسیدلاکتیک و مخمرها و تعداد کمی از باکتریهای فتوسنتز کننده، اکتنومیستها میباشد که با یکدیگر سازگارند. این ریزموجودات موجب بهبود ساختمان خاک، مدیریت مواد آلی و تکمیل چرخه عناصر شده و میتواند وابستگی به کودها و سموم شیمیایی را کاهش دهد. افزایش فعالیت پروتئینها و ظرفیت فتوسنتزی گیاه، افزایش رشد گیاه، توسعه ریشهها، گلدهی، میوهدهی و رسیدن میوه، بهبود دسترسی مواد غذایی و جذب بهتر آن توسط گیاه از فواید مصرف این کود زیستی میباشد. این پژوهش با هدف بررسی اثرات کاربرد نیتروژن با منبع کود اوره و کود زیستی EMبر میزان جذب عناصر مغذی توسط برگ و عملکرد توت فرنگی رقم پاروس انجام گردید.مواد و روشها: این آزمایش بهصورت کرتهای دوبار خرد شده و بر پایه طرح بلوکهای کامل تصادفی و با سه تکرار در محوطه دانشگاه محقق اردبیلی طی سالهای 95-1394 اجرا شد. تیمارها شامل نیتروژن بهصورت کود اوره در سه سطح (50، 100 و 150 کیلوگرم در هکتار نیتروژن خالص) و کود زیستی EM با دو روش استفاده (محلولپاشی و خاکی همراه با آب آبیاری) در غلظتهای 0،1، 2 و 3 درصد بود. در این پژوهش عناصر نیتروژن، پتاسیم، فسفر، منیزیم، کلسیم، منگنز، منیزیم و آهن برگ و همچنین میزان عملکرد میوه اندازهگیری شد.دادههای مربوط به این پژوهش با استفاده از نرمافزار آماری SAS تجزیه شده و مقایسه میانگین تیمارها نیز با آزمون LSD در سطح احتمال 5 درصد صورت گرفت. شکلها نیز با استفاده از نرمافزار Excel Microsoft رسم شد.یافتهها: با توجه به نتایج حاصل، کاربرد کود EM اثر معنیدار و مثبتی بر تمام صفات اندازهگیری داشت. تیمار 2 درصد EM با 04/2 درصد بیشترین میزان و گیاهان شاهد با 42/1 درصد کمترین میزان نیتروژن برگ را داشتند. بیشترین میزان فسفر با مقادیر 99/1، 93/1 و 67/1 میلیگرم در کیلوگرم بهترتیب با تیمارهای 2، 1 و 3 درصد بدست آمد و برگ گیاهان شاهد با 26/1 میلیگرم در کیلوگرم فسفر کمترین میزان را داشتند. میزان پتاسیم در سطح 1 درصد 18/46، در سطح 2 درصد 95/45 و در سطح 3 درصد 86/44 میلیگرم در کیلوگرم بود که در یک گروه آماری بودند و گیاهان شاهد کمترین میزان پتاسیم را دارا بودند. همین روند افزایشی در عناصر کلسیم، آهن، روی و منگنز نیز مشاهده گردید. بیشترین عملکرد میوه در گیاهان تیمار شده با غلظت 2 درصد و 3 درصد EM (بهترتیب با 2/185 و 75/176 گرم در بوته) بدست آمد. میزان نیتروژن برگهای گیاهان تیمار شده با 150 کیلوگرم کود اوره با میزان 09/2 درصد بیشتر از سایر غلظتها بود. میزان عناصر پتاسیم، فسفر، روی و منگنز در برگ و عملکرد گیاهان تیمار شده با سطح 100 کیلوگرم در هکتار بیشتر از دیگر سطوح کود اوره بود. براساس نتایج حاصل از مقایسه میانگینها کاربرد کود اوره 100 کیلوگرم در هکتار بههمراه EM تیمارهای 2 و 3 درصد بهترتیب با 141 و 139 گرم در کیلوگرم بیشترین میزان منیزیم را در برگها حاصل نمودند.نتیجهگیری: بهطور کلی میتوان نتیجه گرفت که کاربرد کود زیستی EM با هر دو روش محلولپاشی و خاکی میتواند سبب بهبود رشد گیاه، عملکرد محصول و جذب عناصر غذایی توسط ریشه و برگ توتفرنگی گردد. بهترین و مناسبترین غلظت نیتروژن به لحاظ عملکرد میوه و میزان عناصر برگ با توجه به نتایج حاصل از این پژوهش 100 کیلوگرم در هکتار میباشد.
https://jwsc.gau.ac.ir/article_4618_f2ac6383d1152df759fbf2de89f44010.pdf
2019-06-22
263
268
10.22069/jwsc.2019.14138.2886
"باکتریهای فتوسنتز کننده"
"ریزموجودات"
"عناصر مغذی"
"مخمر"
"نیتروژن"
علی اکبر
شکوهیان
shokouhiana@yahoo.com
1
گروه علوم باغبانی ، دانشکده کشاورزی و منابع طبیعی ، دانشگاه محقق اردبیلی
LEAD_AUTHOR
شهریار
عینی زاده
sh.einizadeh@gmail.com
2
گروه علوم باغبانی ، دانشکده کشاورزی و منابع طبیعی- دانشگاه محقق اردبیلی
AUTHOR
حامد
نظری
hamed.n145@yahoo.com
3
گروه علوم باغبانی- دانشکده کشاورزی و منابع طبیعی- دانشگاه محقق اردبیلی، اردبیل
AUTHOR
اکبر
قویدل
ali.ghavidel@gmail.com
4
گروه علوم خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل
AUTHOR
1.Ganjehi, B., and Golchin, A. 2012. The
1
effect of different levels of N, K and Mg
2
on yield and growth indices of strawberry
3
in hydroponic culture. Ejgcst. 2: 8. 71-81.
4
(In Persian)
5
2.Gόrski, R., and Kleiber, T. 2010. Effect of
6
effective microorganisms (EM) on nutrient
7
contents in substrate and development and
8
yielding of Rose (Rosa × hybrida) and
9
Gerbera (Gerbera jamesonii). ecology
10
chemistry and engine. 17: 4. 505-513.
11
3.Higa, T. 2000. What is EM technology?
12
EM World J. 1: 1-6.
13
4.Higa, T., and Parr, J.F. 1994. Beneficial
14
and effective microorganisms for a
15
sustainable agriculture and environment.
16
International Nature Farming Research
17
Center, Atami, Japan.
18
5.Hussain, T., Javaid, T., Parr, J.F., Jilani,
19
G., and Haq, M.A. 1999. Rice and wheat
20
production in Pakistan with effective
21
microorganisms. Americ. J. Alter. Agric.
22
14: 30-36.
23
6.Kashi, A., and Yazerloo, R. 2007. Effect
24
of black polyethylene mulch and Nitrogen
25
nutrition on vegetative traits and
26
strawberry yield. 6th Congress of Iranian
27
Horticultural Science, Guilan University,
28
Rasht. (In Persian)
29
7.Malakoty, M.J. 1996. Sustainable
30
agriculture and yield increase by
31
optimizing fertilizer use in Iran.
32
Agriculture Education Press, Karaj. 87-68.
33
(In Persian)
34
8.Okie, W.R. 2000. Register of New Fruit
35
and Nut Varieties, List 40. Hortscience. 35.
36
9.Papadopoulos, A.P. 1987. Nitrogen
37
fertigation of greenhouse-grown
38
strawberries. Nutrient Cycling in
39
Agroecosys. 13: 3. 269-276.
40
10.Shokouhian, A.A., Davarynejad, Gh.,
41
Tehranifar, A., Imani, A., and
42
Rasoulzadeh, A. 2013. Investigation of
43
effective microorganisms (EM) impact
44
in water stress condition on growth of
45
almond (Prunus dulcis Mill) seedling.
46
J. Basic Appl. Sci. Res. 3: 9. 86-92.
47
11.Yamada, K., and Xu, H. 2000.
48
Properties and applications of an organic
49
fertilizer inoculated with Effective
50
Microorganisms. In: Xu, H., Parr, J.F.,
51
Umemura, H. (Eds), Nature Farming
52
and Microbial Applications, New York.
53
Pp: 255-268.
54