مقایسه مدلهای تجربی و نتایج حاصل از مدل LEACHN درتخمین تبخیر و تعرق گیاه ذرت

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 815

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NSASD02_338

تاریخ نمایه سازی: 25 اسفند 1390

Abstract:

کشاورزی بزرگترین مصرف کننده منابع آب در بیشتر کشورهاست. با توجه به خشکسالی های اخیر باید با شناخت دقیق منابع آب به بهرهبرداری متعادل از آنها پرداخت. برآورد تبخیر و تعرق گیاهان بعنوان مهمترین پارامتر درتعیین نیاز آبی گیاه، اولین گام در مدیریت آبیاری در بخش کشاورزی بعنوان عمدهترین مصرف کننده آب میباشد . باتوجه به مشکلات فنی،اقتصادی و صرف وقت زیاد در بکارگیری لایسیمترها، استفاده از روشهایی که این پارامتر را بادقت نسبتا مطلوب و براساس دادههای اقلیمی برآورد میکند ضروری بنظر میرسد . این تحقیق در سال 1388 درمزرعه مرکز تحقیقات کشاورزی و منابع طبیعی خوزستان در شهر اهواز اجرا گردید. مدت زمان این آزمایش یک فصل زراعی ذرت (مرداد 1388 تا آذر 1388 ) بود. با وارد نمودن پارامترهای ورودی مورد نیاز در مدل LEACHN تبخیرو تعرق ذرت توسط مدل اندازهگیری گردید. دادههای هواشناسی مورد نیاز در نرم افزار REF-ET ازایستگاه هواشناسی اهواز تهیه گردید و تبخیروتعرق گیاه مرجع و سپس تبخیروتعرق ذرت با 9 روش محاسبه گردید. ارزیابی نتایج روش های مختلف با روش استاندارد پنمن- فائو 56 صورت گرفت و برای مقایسه از شاخص توافق D متوسط خطای مطلق(MAE) کارآمدی (EF) و ضریب همبستگی( R2 استفاده گردید . نتایج نشان داد که روش پنمن ASCE مقدارETC را با دقت بیشتری برآورد میکند و مدل LEACHN همبستگی کمتری با نسبت به سایر روشهای تجربی با روش پنمن فائو 56 دارد.

Keywords:

تبخیروتعرق- مدل LEACHN ذرت نرم افزارREF ET

Authors

آزاده منجزی

دانشجوی کارشناسی ارشد آبیاری و زهکشی واحد علوم و تحقیقات خوزستان

علی عصاره

عضو هیئت علمی دانشگاه آزاد اسلامی واحد اهواز

محی الدین گوشه

عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی خوزستان

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 :