پیش بینی توزیع عمودی بذر گندم (رقم سرداری) در خاک با استفاده از مدل SeedChaser
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 376
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JMS-6-3_003
Index date: 26 May 2020
پیش بینی توزیع عمودی بذر گندم (رقم سرداری) در خاک با استفاده از مدل SeedChaser abstract
توزیع عمودی بذر، بقایای گیاهی، کودهای گرانوله و سایر ترکیبات شیمیائی در عمق خاک در اثر شخم با ادوات مختلف یکی از مباحث مهم در زراعت بهشمار میآید. به این منظور از مدل SeedChaser برای شناسائی الگوی توزیع عمودی بذر گندم در عمق 18- 0سانتیمتری خاک، با استفاده از 15 تیپ دستگاه خاکورزی در مطالعه شبیهسازی و 9 تیپ از این ادوات در آزمایش مزرعهای بهره گرفته شد. نتایج مدل برای 15 نوع ادوات شخم نشان داد که گاوآهنهای بیلچهای، خاکورز مرکب، برگرداندار و تیلر دوار، بذور را تا عمقهای زیر 10 سانتیمتری دفن کردند در حالیکه حداکثر عمق دفن بذور با انجام شخم در ادوات کولتیواتور، خطیکار، کشت مستقیم در بقایا، زیرشکن و شخم نواری تا 2 سانتیمتری خاک زراعی بود. در سایر ادوات (سوپرچیزل، سیکلوتیلر، دیسک، ردیفکار و چیزل) نیز بیشتر حجم پخشیدگی بذور در عمق متوسط بین 8-2 سانتیمتری خاک قرار داشت. نتایج همچنین نشان داد عمق بحرانی برای توزیع 90 درصد بذور در گاوآهن برگرداندار، تیلر دوار و گاوآهن بیلچهای در عمقهای 14-18 سانتیمتری بود و برای سایر ادوات این عمق بحرانی بالای 10 سانتیمتری خاک بود. نتایج شبیهسازی نیز نشان داد که مدل بهخوبی قادر به شبیهسازی توزیع عمودی بذر در خاک است که در آن بیشترین مقادیر پراکندگی مربوط به چیزل و بالاترین دقت در نتایج حاصل از شخم با گاوآهن برگرداندار بود. بنابراین استفاده از نتایج این مدل میتواند در مطالعات بذر قابل توصیه باشد.
پیش بینی توزیع عمودی بذر گندم (رقم سرداری) در خاک با استفاده از مدل SeedChaser Keywords:
پیش بینی توزیع عمودی بذر گندم (رقم سرداری) در خاک با استفاده از مدل SeedChaser authors
نبی خلیلی اقدم
استادیار، گروه کشاورزی، دانشگاه پیام نور، بوکان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :