تعیین نیاز آبی گندم در دشت قزوین با استفاده از ضریب گیاهی در شرایط واقعی و مقایسه نتایج با داده های لایسیمتری و سند ملی آب کشور

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,972

This Paper With 8 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:

ABYARI11_222

تاریخ نمایه سازی: 22 مرداد 1391

Abstract:

تعیین آب مورد نیاز گیاه به منظور تامین حداکثر رشد و تحصیل حداکثر محصول و همچنین اطلاع از مقدار کل آب مصرفی و در نتیجه تعیین ظرفیت کانال ها و مخازن آب مهمترین مرحله مطالعاتب را در یک طرح آبیاری و زهکشی تشکیل می دهد. یکی از پارامترهای ورودی مورد نیاز برای محاسبه تبخیر- تعرق پارامتر ضریب گیاهی (Kc) است مه تابع تغییرات مکانی می باشد. از طرفی بیشتر مدل های موجود جهت محاسبه این مئلفه ، غیر مکانی بوده و غالبا با استفاده از مقادیر توصیه شده فائو ، اقدام به برآورد تبخیر- تعرق گیاه اقدام می نمایند. این در حالیست که بر اساس نشریه مذکور د رمحاسبات نیاز آبی توصیه اکید بر استفاده از اطلاعات محلی در تعیین تاریخ کشت و طول دوره های رشد هر گیاه دارد.در محمدوه دشت قزوین ، زراعت گندم با حدود 34 درصد از محصولات عمده زراعی و مهم دشت محسوب می شود. در این مطالعه ، پس از برآورد نیاز آبی گیاه مرجع به صورت روزانه با استفاده از روش پنمن- مانتیث و با استفاده از داده های بلند مدت ایستگاه هواشناسی قزوین به عنوان ایستگاه معرف ، نیاز آبی گیاه گندم با لحاظ نمودن اطلاعات محلی تاریخ کشت ، تعدیل ضریب تبخیر و تعرق گیاهی بر مبنای مراحل رشد در دشت قزوین بدست آمد . پس از آن نیاز آبی و همچنین ضرایب گیاهی بدست آمده در مطالعات فوق ، با نتایج بدست آمده از داده ای لایسیمتری که به مدت 3 سال (1381-1378) در ایستگاه تحقیقات آب و خاک اسمعیل اباد قزوین اجرا گردیده است ، مقایسه و سپس با اطلاعات موجود در سند ملی آب کشوور نیز مقایسه ای صورت گرفت.

Authors

زهرا خدارحمی

کارشناسی ارشد آبیاری زهکشی ، معاونت آب و خاک و صنایع

نیاز علی ابراهیمی پاک

استادیار پژوهشی ، عضو هیدت علمی موسسه تحقیقات خاک و آب

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 :