برآورد تبخیر و تعرق واقعی و بهره وری آب گندم با استفاده از الگوریتم سبال و تصاویر ماهواره ای لندست ۵ دردشت قزوین
Publish place: Journal of Water Research in Agriculture، Vol: 30، Issue: 4
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 187
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WRA-30-4_010
تاریخ نمایه سازی: 13 تیر 1401
Abstract:
بخش کشاورزی بزرگترین مصرف کننده آب شناخته شده است. با توجه به محدودیت منابع آب لازم است اصلاح بهرهوری آب در این بخش صورت گرفته و مفهوم بهرهوری آب در بخش کشاورزی در بین سیاستگذاران بخش آب و غذا در سطح وسیع و در حوضه آبریز دشت ها مورد توجه قرار گیرد. سنجش از دور ابزاری است که در دهههای اخیر در ارزیابی و مدیریت آب و خاک مورد استفاده قرار گرفته است. در این تحقیق نیز از این ابزار برای برآورد بهرهوری آب استفاده شده است. مقادیر تبخیر و تعرق و ماده خشک تولیدی در دشت قزوین با استفاده از الگوریتم سبال و برای ۵ تصویر گرفتهشده از ماهواره لندست ۵ محاسبه شد. نتایج اجرای الگوریتم سبال در هر پنج تصویر با دادههای لایسیمتر زهکشدار موجود در منطقه مورد ارزیابی قرار گرفت که مقدار ضریب تبیین ( ) آنها ۹۹۴۸/۰ و میانگین تفاضل مطلق آنها ۴۴۶/۰ میلیمتر بر روز به دست آمد. این نتیجه نشان از دقت مناسب روش سنجش از دور در تخمین تبخیر و تعرق در سطح دشت دارد. علاوه بر این، نتایج نشان داد که بهرهوری آب در سطح دشت از ۱۸/۰ تا ۳۵/۱ کیلوگرم بر مترمکعب متغیر است. میزان بهرهوری آب برای گندم در سطح دشت با تصاویر ماهوارهای لندست ۵ به طور متوسط ۷۳/۰ کیلوگرم بر مترمکعب و از طریق لایسیمتر گندم، ۸۵/۰ کیلوگرم بر مترمکعب به دست آمد که همدیگر را تایید میکنند.
Keywords:
Authors
مهدی ملک پور
دانشجوی دکتری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مهندسی آب، تهران، ایران.
حسین بابازاده
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مهندسی آب
فریدون کاوه
گروه مهندسی آب، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران
نیازعلی ابراهیمی پاک
دانشیار، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج 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 :