ترسیب کربن و پتانسیل گرمایش جهانی مزارع گندم آبی و دیم در مناطق نیمه خشک (مطالعه موردی: شهرستان شیروان)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
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_CSR-4-1_016
تاریخ نمایه سازی: 8 اسفند 1401
Abstract:
به منظور ارزیابی توانایی بالقوه ترسیب کربن اندام هوایی و ریشه و نیز پتانسیل گرمایش جهانی ارقام آبی و دیم گندم، آزمایشی در سال زراعی ۱۴۰۰-۱۳۹۹ در استان خراسان شمالی، شهرستان شیروان اجرا شد. بدین منظور نمونه برداری به روش تصادفی سیستماتیک در ۳۰ مزرعه از عمق ۳۰-۰ سانتیمتری خاک انجام شد و مقدار نهادههای مصرفی از طریق پرسشنامه چهره به چهره به دست آمد. نتایج به دست آمده نشان داد ارقام آبی نسبت به ارقام دیم از ضریب تبدیل اندام هوایی بالاتری برخوردار بودند و رقم پیشگام با میانگین ۴۹/۶۸ درصد بیشترین مقدار ضریب تبدیل اندام هوایی را داشت. مقایسه توان ترسیب اندام هوایی ارقام گندم آبی نشان داد رقم میهن با میانگین ۳۳۹۸/۷۰ کیلوگرم در هکتار بیشترین مجموع توان ترسیب کربن را داشت و رقم حیدری با توان ترسیب ۲۳۲۹/۳۰ کیلوگرم در هکتار کمترین مجموع توان ترسیب کربن را از خود نشان داد. در بین ارقام دیم نیز رقم باران با میانگین ۱۴۲۵/۲ کیلوگرم در هکتار در مقایسه با رقم آذر ۲ با میانگین ۵۱۲/۶۰ از ترسیب کربن بالاتری برخوردار بود. بررسی انتشار گازهای گلخانهای نشان داد CO۲، N۲O و CH۴ تولید شده در مزارع گندم آبی و مزارع گندم دیم به ترتیب ۱۲۱۲/۹۷۵ و ۶۵۱/۳۳ کیلوگرم در هکتار بود و پتانسیل گرمایش جهانی برای یک هکتار گندم آبی و یک هکتار گندم دیم به ترتیب برابر ۲۸۷۵/۶۲۱ و ۹۱۹/۲۶۳ کیلوگرم معادل CO۲ بدست آمد. بر اساس نتایج این پژوهش کشت رقم میهن (آبی) و رقم باران (دیم) در بومنظامهای زراعی شهرستان شیروان باعث افزایش توان ترسیب کربن و کاهش انتشار CO۲ خواهد شد.
Keywords:
Authors
مهدی بابائیان
دانشکده کشاورزی شیروان، دانشگاه بجنورد، بجنورد، ایران
اسماعیل شیرغانی
دانشکده کشاورزی شیروان، دانشگاه بجنورد، بجنورد، ایران
مصطفی جعفریان
دانش آموخته دکتری رشته مهندسی مکانیک بیوسیستم، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، 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 :