در هنگام جستجو کلمه در قسمت عنوان میتوانید کلمات مورد جستجو را با کاراکتر (-) جدا کنید.
کاربرد نوع شرط:
- جایگاه : پژوهشی
- مجله: مدیریت آب و آبیاری
- نوع مقاله: Journal Article
- کلمات کلیدی: مدیریت آبیاری,دشت مغان,شاخصهای ارزیابی,تلفات آب,آبیاری سطحی
- چکیده: ارزیابی سامانههای آبیاری، اطلاع از وضع موجود و ارائة راهکارهای کاربردی و اجراپذیر در مزرعه با توجه به وضع موجود به کاربرد یکنواختتر و کاراتر آب در مزرعه کمک میکند. این پژوهش بهمنظور ارزیابی آبیاری سطحی و آگاهی از شرایط موجود در مزارع ذرت کشت و صنعت و دامپروری مغان واقع در شهرستان پارسآباد از توابع استان اردبیل در سال زراعی 1394 انجام شد. ارزیابی سیستم آبیاری جویچهای (روش آبیاری رایج) هفت مزرعة تحت کشت ذرت (کشت غالب منطقه) نشان داد که متوسط بازده کاربرد آب، بازده ذخیرة آب در خاک، بازده آب نفوذیافته، بازده توزیع آب، بازده کاربرد آب در چارک پایین، یکنواختی توزیع آب در ربع پایین و بازده پتانسیل چارک پایین بهترتیب، 90/41، 71/96، 28/75، 44/91، 85/36، 01/85 و 72/59 درصد است. پایینبودن بازده کاربرد آب، بهدلیل اختلاف بین مقادیر بازده کاربرد آب و بازده پتانسیل آب در چارک پایین است. این امر حاکی از ضعف مدیریتی سیستم آبیاری سطحی است. بنابراین، اقداماتی از قبیل انتخاب طول جویچهها براساس اصول عملی، آموزش زارعان و آبیارها، کاهش زمان آبیاری و استفاده از سیفون در بهبود افزایش بازده مصرف مؤثر است.
- چکیده انگلیسی: Performance evaluation of current status of irrigation systems and introducing practical approaches can help to use water more efficiently in field. This study was conducted to evaluate the furrow irrigation systems in corn farms of Moghan agro-industry and husbandry, Parsabad, Ardebil, in 2015. Evaluation of these systems was conducted in seven corn farms. The results indicated that the average water application efficiency, storage efficiency, infiltration efficiency, distribution efficiency, application efficiency of low quarter, distribution uniformity of low quarter and potential efficiency of low quarter are 41.90%, 92.48%, 75.28%, 91.44%, 36.85%, 85.01% and 59.72%, respectively. The reason for the low value of irrigation application efficiency is the difference between application efficiency of low quarter and potential efficiency of low quarter. Therefore, the poor management of surface irrigation was concluded. Proper furrow run and cutoff time and utilizing siphon can improve the current status drastically and will result in irrigation efficiency improvement.
- انتشار مقاله: 22-09-1394
- نویسندگان: یاسر حمدی احمدآباد,عبدالمجید لیاقت,تیمور سهرابی,علی رسولزاده,بیژن نظری
- مشاهده
- جایگاه : پژوهشی
- مجله: پژوهش آب در کشاورزی
- نوع مقاله: Journal Article
- کلمات کلیدی:
- چکیده: دانستن ویژگیهای هیدرولیکی خاک نظیر منحنی رطوبتی خاک پیش شرط لازم در مدل کردن حرکت آب و انتقال املاح در خاک است. روشهای مستقیم به منظور برآورد این ویژگیهای هیدرولیکی پرهزینه و زمانبر است. لذا، در این رابطه روشهای غیرمستقیم نظیر توابع انتقالی مورد استفاده قرار میگیرد. به منظور برآورد منحنی رطوبتی خاک، توابع انتقالی رزتا ، سویل پار-2 و توابع انتقالی رگرسیونی مختلف مورد مقایسه و ارزیابی قرار گرفت. منحنی رطوبتی خاک با استفاده از ستون آب آویزان برای مکشهای کمتر از یک متر آب و صفحه فشاری برای مکشهای بیش از یک متر آب تا 15 بار اندازهگیری شد. برای ارزیابی توابع انتقالی یادشده از معیارهای آماری ریشه مربعات خطا (RMSE)، میانگین خطای مطلق (MAE)، ضریب کارآیی اصلاح شده (E') و شاخص مطابقت اصلاح شده (d') استفاده شد. نتایج نشان داد نرمافزار رزتا با میانگین مقادیر معیارهای آماری RMSE، MAE، E'وd' به ترتیب برابر با 0310/0، 0247/0، 7956/0 و 9037/0 در شبیه سازی منحنی رطوبتی خاک برای منطقه مورد پژوهش از دقت بالایی نسبت به بقیه توابع انتقالی برخوردار است. نتایج پژوهش حاضر ارجحیت شبکههای عصبی مصنوعی را برای برآورد منحنی رطوبتی خاک نسبت به توابع انتقالی رگرسیونی با تعداد پارامترهای ورودی بیشتر را نشان داد. نتایج همچنین نشان داد تابع انتقالی کمپل تعدیل شده در این پژوهش بعد از رزتا با مقادیر RMSE، MAE، E'وd' به ترتیب برابر با 0685/0، 0530/0، 5561/0 و 8075/0 برآورد مناسبتری از منحنی رطوبتی برای خاکهای منطقهی مورد پژوهش ارایه میدهد.
- چکیده انگلیسی: Soil hydraulic properties such as soil water characteristic curve are necessary prerequisite for modeling water movement and solute transport. Direct methods of estimating these hydraulic properties are time consuming and costly. Indirect methods, such as pedotransfer functions, estimate the hydraulic parameters using easy-to-measure soil properties like particle size distributions, bulk density, or organic matter content. In this study, to estimate soil water characteristic curve, Rosetta pedotransfer function with artificial neural network approach, Soilpar-2, and different regression-based pedotransfer functions were compared and evaluated. For the purpose of comparison and evaluation of pedotransfer functions, statistical criteria of Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Modified Efficiency Coefficient (E'), and Modified Index of Agreement (d') were used. The results show that Rosetta, with mean values of the statistical criteria RMSE, MAE, E' and d' equal to 0.0310, 0.0247, 0.7956, and 0.9037, respectively, enjoyed high accuracy compared to the rest of pedotransfer functions. The results of this study showed that, to estimate soil water characteristic curve, the artificial neural network was more preferable than the regression pedotransfer functions with higher number of input parameters for the study area. The results also indicated that the adjusted Campbell pedotransfer function with RMSE, MAE, E' and d' equal to 0.0685, 0.0530, 0.5561 and 0.8075, respectively, presented the next best estimate of soil water characteristic curve for soils of the study area, after Rosetta.
- انتشار مقاله: 14-10-1393
- نویسندگان: سکینه رضوی قلعه جوق,علی رسولزاده,محمدرضا نیشابوری
- مشاهده
- جایگاه : پژوهشی
- مجله: پژوهش آب در کشاورزی
- نوع مقاله: Journal Article
- کلمات کلیدی: هدایت هیدرولیکی,توابع انتقالی,جریانهای ترجیحی,فرکتال
- چکیده: هدایت هیدرولیکی اشباع یکی از خصوصیات مهم فیزیکی خاک در مدل کردن انتقال آب و املاح، مدیریت آبیاری و مسائل زهکشی میباشد. روشهای آزمایشگاهی و صحرایی برای اندازهگیری مستقیم این ویژگی زمان بر و پرهزینه میباشد. به همین منظور، روشهای غیرمستقیم استفاده از توابع انتقالی برای برآورد این ویژگی توسعه یافته است. هدف از این تحقیق، ارزیابی مدلهای توابع انتقالی رگرسیونی مختلف، مدل تابع انتقالی رزتا (Rosetta) با ماهیت شبکه عصبی مصنوعی و مدل فرکتال برای برآورد هدایت هیدرولیکی اشباع است. همچنین، به علت اهمیت و نقش جریانهای ترجیحی در انتقال ترکیبات شیمیایی در خاک، هدایت هیدرولیکی منافذ درشت خاک با استفاده از مدل فرکتال بدست آمد. این هدف با انتخاب 31 نمونه خاک با بافتهای مختلف و اندازهگیری هدایت هیدرولیکی اشباع با روش بار افتان، مورد آزمون قرار گرفت. خصوصیات فیزیکی زود یافت خاک شامل توزیع اندازه ذرات، جرم مخصوص ظاهری، جرم مخصوص حقیقی، محتوای مواد آلی در آزمایشگاه اندازهگیری شد. هدایت هیدرولیکی اشباع با استفاده از خصوصیات زود یافت خاک به وسیله مدلهای ذکر شده، برآورد شد. به منظور مقایسه و ارزیابی مدلهای مختلف محکهای آماری درجه انحراف (DT)، نسبت خطای متوسط هندسی (GMER) و نسبت خطای انحراف معیار هندسی (GSDER) برای تمام مدلها محاسبه شد. نتایج نشان داد مدل وستن و همکاران بالاترین دقت را باDT و GMER به ترتیب 117/23 و 055/0 و با GSDER برابر با 372/3 نسبت به سایر مدلها برای مناطق مورد مطالعه دارد. مدل کمپل و شوزاوا با DT برابر854/4931 ضعیفترین برآورد را برای هدایت هیدرولیکی اشباع ماتریس خاک ارائه داد. محکهای آماری حاکی از آن است که مدل فرکتال تعدیل شده در این تحقیق، با DT برابر 91/4 بهترین برآورد را برای هدایت هیدرولیکی اشباع منافذ درشت خاک ارائه می کند.
- چکیده انگلیسی: Saturated hydraulic conductivity is one of the main soil physical properties used in the modeling of water and solute transport and management of irrigation and drainage problems. Laboratory and field methods for direct measurement of this property are time consuming and costly. Thus, indirect methods, such as pedotransfer functions, have been developed to estimate this property. The objective of this study was evaluation of regression-based pedotransfer functions, Rosetta pedotransfer function with artificial neural network approach, and fractal models to estimate saturated hydraulic conductivity. In addition, due to the importance and role of preferential flow of water and chemicals in the soil medium, hydraulic conductivity of large pores was estimated using fractal model. To do so, 31 soil samples with different soil textures and measured saturated hydraulic conductivity by falling head method were selected. Easily measured soil physical properties, such as particle size distribution, bulk density, particle density, and organic matter content were determined in laboratory. Saturated hydraulic conductivity was estimated using the aforementioned models and the measured soil physical properties. For the purpose of comparison and evaluation of pedotransfer functions, fractal model, statistical criteria e.g., deviation time (DT), geometric mean error ratio (GMER) and geometric standard deviation error ratio (GSDER) were calculated for all the models. Results showed that the Wosten et al. and Campbell-Shiozawa models were, respectively, the best and worst estimator of matrix saturated hydraulic conductivity. The statistical criteria indicated that the adjusted fractal model in this study showed the best estimation of macropores saturated hydraulic conductivity.
- انتشار مقاله: 23-02-1391
- نویسندگان: علی رسولزاده,سکینه رضوی قلعه جوق,محمدرضا نیشابوری
- مشاهده
- جایگاه : پژوهشی
- مجله: پژوهش آب در کشاورزی
- نوع مقاله: Journal Article
- کلمات کلیدی:
- چکیده: دانستن ویژگیهای هیدرولیکی خاک نظیر منحنی رطوبتی خاک پیش شرط لازم در مدل کردن حرکت آب و انتقال املاح در خاک است. روشهای مستقیم به منظور برآورد این ویژگیهای هیدرولیکی پرهزینه و زمانبر است. لذا، در این رابطه روشهای غیرمستقیم نظیر توابع انتقالی مورد استفاده قرار میگیرد. به منظور برآورد منحنی رطوبتی خاک، توابع انتقالی رزتا ، سویل پار-2 و توابع انتقالی رگرسیونی مختلف مورد مقایسه و ارزیابی قرار گرفت. منحنی رطوبتی خاک با استفاده از ستون آب آویزان برای مکشهای کمتر از یک متر آب و صفحه فشاری برای مکشهای بیش از یک متر آب تا 15 بار اندازهگیری شد. برای ارزیابی توابع انتقالی یادشده از معیارهای آماری ریشه مربعات خطا (RMSE)، میانگین خطای مطلق (MAE)، ضریب کارآیی اصلاح شده (E') و شاخص مطابقت اصلاح شده (d') استفاده شد. نتایج نشان داد نرمافزار رزتا با میانگین مقادیر معیارهای آماری RMSE، MAE، E'وd' به ترتیب برابر با 0310/0، 0247/0، 7956/0 و 9037/0 در شبیه سازی منحنی رطوبتی خاک برای منطقه مورد پژوهش از دقت بالایی نسبت به بقیه توابع انتقالی برخوردار است. نتایج پژوهش حاضر ارجحیت شبکههای عصبی مصنوعی را برای برآورد منحنی رطوبتی خاک نسبت به توابع انتقالی رگرسیونی با تعداد پارامترهای ورودی بیشتر را نشان داد. نتایج همچنین نشان داد تابع انتقالی کمپل تعدیل شده در این پژوهش بعد از رزتا با مقادیر RMSE، MAE، E'وd' به ترتیب برابر با 0685/0، 0530/0، 5561/0 و 8075/0 برآورد مناسبتری از منحنی رطوبتی برای خاکهای منطقهی مورد پژوهش ارایه میدهد.
- چکیده انگلیسی: Soil hydraulic properties such as soil water characteristic curve are necessary prerequisite for modeling water movement and solute transport. Direct methods of estimating these hydraulic properties are time consuming and costly. Indirect methods, such as pedotransfer functions, estimate the hydraulic parameters using easy-to-measure soil properties like particle size distributions, bulk density, or organic matter content. In this study, to estimate soil water characteristic curve, Rosetta pedotransfer function with artificial neural network approach, Soilpar-2, and different regression-based pedotransfer functions were compared and evaluated. For the purpose of comparison and evaluation of pedotransfer functions, statistical criteria of Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Modified Efficiency Coefficient (E'), and Modified Index of Agreement (d') were used. The results show that Rosetta, with mean values of the statistical criteria RMSE, MAE, E' and d' equal to 0.0310, 0.0247, 0.7956, and 0.9037, respectively, enjoyed high accuracy compared to the rest of pedotransfer functions. The results of this study showed that, to estimate soil water characteristic curve, the artificial neural network was more preferable than the regression pedotransfer functions with higher number of input parameters for the study area. The results also indicated that the adjusted Campbell pedotransfer function with RMSE, MAE, E' and d' equal to 0.0685, 0.0530, 0.5561 and 0.8075, respectively, presented the next best estimate of soil water characteristic curve for soils of the study area, after Rosetta.
- انتشار مقاله: 14-10-1393
- نویسندگان: سکینه رضوی قلعه جوق,علی رسولزاده,محمدرضا نیشابوری
- مشاهده
- جایگاه : پژوهشی
- مجله: پژوهش آب در کشاورزی
- نوع مقاله: Journal Article
- کلمات کلیدی: هدایت هیدرولیکی,توابع انتقالی,جریانهای ترجیحی,فرکتال
- چکیده: هدایت هیدرولیکی اشباع یکی از خصوصیات مهم فیزیکی خاک در مدل کردن انتقال آب و املاح، مدیریت آبیاری و مسائل زهکشی میباشد. روشهای آزمایشگاهی و صحرایی برای اندازهگیری مستقیم این ویژگی زمان بر و پرهزینه میباشد. به همین منظور، روشهای غیرمستقیم استفاده از توابع انتقالی برای برآورد این ویژگی توسعه یافته است. هدف از این تحقیق، ارزیابی مدلهای توابع انتقالی رگرسیونی مختلف، مدل تابع انتقالی رزتا (Rosetta) با ماهیت شبکه عصبی مصنوعی و مدل فرکتال برای برآورد هدایت هیدرولیکی اشباع است. همچنین، به علت اهمیت و نقش جریانهای ترجیحی در انتقال ترکیبات شیمیایی در خاک، هدایت هیدرولیکی منافذ درشت خاک با استفاده از مدل فرکتال بدست آمد. این هدف با انتخاب 31 نمونه خاک با بافتهای مختلف و اندازهگیری هدایت هیدرولیکی اشباع با روش بار افتان، مورد آزمون قرار گرفت. خصوصیات فیزیکی زود یافت خاک شامل توزیع اندازه ذرات، جرم مخصوص ظاهری، جرم مخصوص حقیقی، محتوای مواد آلی در آزمایشگاه اندازهگیری شد. هدایت هیدرولیکی اشباع با استفاده از خصوصیات زود یافت خاک به وسیله مدلهای ذکر شده، برآورد شد. به منظور مقایسه و ارزیابی مدلهای مختلف محکهای آماری درجه انحراف (DT)، نسبت خطای متوسط هندسی (GMER) و نسبت خطای انحراف معیار هندسی (GSDER) برای تمام مدلها محاسبه شد. نتایج نشان داد مدل وستن و همکاران بالاترین دقت را باDT و GMER به ترتیب 117/23 و 055/0 و با GSDER برابر با 372/3 نسبت به سایر مدلها برای مناطق مورد مطالعه دارد. مدل کمپل و شوزاوا با DT برابر854/4931 ضعیفترین برآورد را برای هدایت هیدرولیکی اشباع ماتریس خاک ارائه داد. محکهای آماری حاکی از آن است که مدل فرکتال تعدیل شده در این تحقیق، با DT برابر 91/4 بهترین برآورد را برای هدایت هیدرولیکی اشباع منافذ درشت خاک ارائه می کند.
- چکیده انگلیسی: Saturated hydraulic conductivity is one of the main soil physical properties used in the modeling of water and solute transport and management of irrigation and drainage problems. Laboratory and field methods for direct measurement of this property are time consuming and costly. Thus, indirect methods, such as pedotransfer functions, have been developed to estimate this property. The objective of this study was evaluation of regression-based pedotransfer functions, Rosetta pedotransfer function with artificial neural network approach, and fractal models to estimate saturated hydraulic conductivity. In addition, due to the importance and role of preferential flow of water and chemicals in the soil medium, hydraulic conductivity of large pores was estimated using fractal model. To do so, 31 soil samples with different soil textures and measured saturated hydraulic conductivity by falling head method were selected. Easily measured soil physical properties, such as particle size distribution, bulk density, particle density, and organic matter content were determined in laboratory. Saturated hydraulic conductivity was estimated using the aforementioned models and the measured soil physical properties. For the purpose of comparison and evaluation of pedotransfer functions, fractal model, statistical criteria e.g., deviation time (DT), geometric mean error ratio (GMER) and geometric standard deviation error ratio (GSDER) were calculated for all the models. Results showed that the Wosten et al. and Campbell-Shiozawa models were, respectively, the best and worst estimator of matrix saturated hydraulic conductivity. The statistical criteria indicated that the adjusted fractal model in this study showed the best estimation of macropores saturated hydraulic conductivity.
- انتشار مقاله: 23-02-1391
- نویسندگان: علی رسولزاده,سکینه رضوی قلعه جوق,محمدرضا نیشابوری
- مشاهده