برآورد ابعاد پیاز رطوبتی با مدل تجربی و مدل عددی HYDRUS-۲D در آبیاری قطره ای زیرسطحی
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 98
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARIDSE-15-2_001
تاریخ نمایه سازی: 11 دی 1401
Abstract:
کاهش چشمگیر کمیت و کیفیت منابع آب در دسترس، بشر را وا میدارد تا آب را به شکلی درستتر مصرف کند. سیستمهای نوین آبیاری مانند آبیاری زیرسطحی، از راههایی هستند که باعث افزایش بازده و کارایی مصرف آب میشوند. در این روشهای آبیاری، با توزیع آب در داخل نیمرخ خاک، سطح خاک خشک باقی میماند و تبخیر کاهش مییابد. در طراحی آبیاری قطرهای زیرسطحی، شکل و ابعاد پیاز رطوبتی عامل اصلی در تعیین عمق نصب لولههای قطرهچکاندار و فاصله قطرهچکانها از یکدیگر است و به این منظور مدلهای زیادی ارائه شده که با داشتن مشخصات هیدرولیکی خاک، دبی خروجی و حجم آب خارج شده، میتوانند تخمین قابل قبولی از شکل پیاز رطوبتی ارائه دهند. در این تحقیق، برای برآورد پیاز رطوبتی از روش آنالیز ابعادی، به دلیل ساده بودن و نیز کم بودن تعداد پارامترهای موردنیاز، به عنوان مدل تجربی و مدل عددی HYDRUS-۲Dاستفاده شد. مقادیر اندازهگیری شده، شکل پیاز رطوبتی در سیستم آبیاری قطرهای زیرسطحی (شامل عمق خیس شده در پایین قطرهچکان، عمق خیس شده در بالای قطرهچکان و عرض خیس شده) در یک خاک لومی با عمق نصب ۴۰سانتیمتر زیر سطح خاک با دبی ۵/۳ لیتر در ساعت با نتایج هر دو مدل مقایسه شد. ضریب تبیین بالای بین ۸۸/۰ تا ۹۷/۰ برای مدل HYDRUS-۲D و ۹۴/۰ تا ۹۸/۰ برای مدل تجربی به دست آمد که دقت هر دو مدل را در تعیین ابعاد پیاز رطوبتی در آبیاری قطرهای زیرسطحی نشان میدهد.
Keywords:
Authors
مژده خلیلی
دانش آموخته کارشناسی ارشد آبیاری و زهکشی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی اکبری
دانشیار موسسه تحقیقات فنی و مهندسی کشاورزی
ابوطالب هزارجریبی
عضو هیات علمی گروه مهندسی آب دانشکده کشاورزی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی ذاکری نیا
عضو هیات علمی گروه مهندسی آب دانشکده کشاورزی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
فریبرز عباسی
استاد موسسه تحقیقات فنی و مهندسی کشاورزی
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 :