شبیه سازی انتقال نیترات در شبکه زهکشی زیرزمینی دشت زنگنه با استفاده از مدل DRAINMOD
Publish place: 2nd Conference on Environmental Planning and Management
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,327
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ESPME02_017
Index date: 11 June 2012
شبیه سازی انتقال نیترات در شبکه زهکشی زیرزمینی دشت زنگنه با استفاده از مدل DRAINMOD abstract
در این تحقیق مدل DRAINMODبرای پیش بینی نیترات زه آبهای شبکه زهکشی زیرزمینی دشت زنگنه واقع در شهرستان پلدشت استان آذربایجان غربی مورد ارزیابی قرار گرفته است. برای این منظور یک مزرعه که تحت کشت یونجه بود انتخاب گردید و میزان نیترات زه آبهای خارج شده از لترال واقع در آن، طی 11 روز در ماه آبان 1390 اندازه گیری گردید. سپس اطلاعات مورد نیاز مدل شامل پارامترهای هواشناسی، خاک، زهکشی، آبیاری و گیاه جمع آوری و مدل اجرا شد. نتایج حاصله با مقادیر اندازه گیری شده مورد مقایسه قرار گرفت. برای ارزیابی کمی عملکرد مدل از پارامترهای آماری خطای جذر میانگین مربعات خطا (RMSE)، خطای میانگین مطلق (MAE) و درصد خطا (CRM) استفاده شد. پس از اطمینان از دقت و کارایی مدل در شبیه سازی نیترات زه آبها در مزرعه آزمایشی، مدل برای فاز های 3 و 4 که زهکش ها هنوز احداث نشده بودند اجرا شده و تغییرات نیترات زه آبها طی 15 سال پس از اجرای پروژه شبیه سازی گردید. همچنین اثر عمق نصب زهکش ها بر میزان نیترات زه آبها مورد ارزیابی قرار گرفت. نتایج ارزیابی مدل نشان داد که مدل با دقت بسیار خوبی می تواند نیترات زه آبها را در منطقه شبیه سازی نماید. مقادیر RMSE برابر 05/1، MAE برابر 39/0 و CRM برابر 02/0- برای نیترات زه آب به دست آمد. همچنین تغییر عمق نصب زهکش ها هم تاثیر چندانی بر میزان نیترات زه آبها نداشت.
شبیه سازی انتقال نیترات در شبکه زهکشی زیرزمینی دشت زنگنه با استفاده از مدل DRAINMOD Keywords:
شبیه سازی انتقال نیترات در شبکه زهکشی زیرزمینی دشت زنگنه با استفاده از مدل DRAINMOD authors
فرزاد سلیم زاده
دانشجویان کارشناسی ارشد گروه مهندسی کشاورزی علوم خاک گرایش فیزیک و حف
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 :