ارزیابی کیفیت منابع آب زیرزمینی برای مصارف آبیاری در محیط GIS (مطالعه موردی:دشت رفسنجان)
Publish place: Tenth Irrigation and Evaporation Reduction Seminar
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,509
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ABYARI10_230
Index date: 11 June 2012
ارزیابی کیفیت منابع آب زیرزمینی برای مصارف آبیاری در محیط GIS (مطالعه موردی:دشت رفسنجان) abstract
منطقه مورد مطالعه در این تحقیق دشت رفسنجان واقع در استان کرمان است که در جنوب شرقی ایران واقع شده است. به منظور تحقیق و بررسی کیفی منابع این دشت مطالعات انجام گرفته بر روی 70 حلقه چاه عمیق و نیمه عمیق و 4 قنات در فصل تابستان سالهای 1387-1386 صورت گرفته است. بر اساس محل نمونه ها در نمودار ویلکوکس 88.9 درصد طبقه بندی منابع آب این دشت در کلاس های C1 S4، C2 S4، C3 S4، C4 S4، C4 S3، C4 S2 و C4 S1 بوده که دارای خطر شوری می باشد و باید از روش های مدرن مقابله با شوری برای کشاورزی استفاده نمود. در این مطالعات از نرم افزار AqQA برای برخی از محاسبات و نیز ارزیابی توسط نمودار پایپر انجام شده و برای نمایش نتایج از نرم افزار ArcGIS استفاده شد. با استقرار نمونه ها در نمودار پایپر، 1.87 درصد از نمونه ها شامل منبع آبی از نوع NaC1 می باشند و علاوه بر آن نسبت جذب سدیم (SAR)، میزان کربنات سدیم باقیمانده(RSC)، میزان هدایت الکتریکی (EC) و درصد سدیم(%NA) بررسی گردید، که کربنات سدیم باقیمانده و درصد جذب سدیم برای آبیاری و مصارف کشاورزی مناسب است. همچنین برای مشکل شوری زیاد باید از تمهیدات خاصی استفاده شود.
ارزیابی کیفیت منابع آب زیرزمینی برای مصارف آبیاری در محیط GIS (مطالعه موردی:دشت رفسنجان) Keywords:
ارزیابی کیفیت منابع آب زیرزمینی برای مصارف آبیاری در محیط GIS (مطالعه موردی:دشت رفسنجان) authors
محمد میثم صباغی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد علوم و
محمد منشوری
استادیار گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد علوم و تحقی
محمد علیخانی نژاد
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد کرمان
میر مهدی سلیمانی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد علوم و
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 :