ارزیابی مدل های فیزیکی- تجربی تبخیر - تعرق مرجع با استفاده از لایسیمتر وزنی (مطالعه موردی: تبریز)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 63
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-53-6_013
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
استفاده از دادههای اندازهگیری شده برای بررسی مدلهای برآورد کننده تبخیر و تعرق مرجع (ET۰) در مطالعات مختلف به خاطر مشکلات موجود در اندازهگیریها به صورت محدود انجام گرفته است. گونه چمن و نوع بافت خاک مورد استفاده در لایسیمترها در مطالعات مختلف با هم متفاوت است در حالی که این عوامل بر مقدار اندازهگیریهای لایسیمتری تاثیرگذار است. در این مطالعه، ۱۹ مدل فیزیکی- تجربی و تجربی در گروه های ترکیبی، تابشی، دمایی و انتقال جرم برای سه سال متوالی (۱۳۹۶-۱۳۹۸) با اندازه گیری های لایسیمتری در منطقه تبریز با اقلیم نیمه خشک واقع در شمالغرب ایران مورد ارزیابی قرار گرفت. همچنین جهت بررسی تاثیر گونه های گیاهی مرجع و بافت خاک بر میزان ET۰، دو گونه چمن شامل فستوکا آروندیناسه و لولیوم پرنه در سه بافت خاک لوم شنی، رسی و لوم سیلتی در لایسیمترهای وزنی اندازهگیری شدند. مدلهای Kimberly Penman-۱۹۹۶ (KP)، Penman-۱۹۶۳، FAO.ppp.۱۷ Penman (FAO.ppp.۱۷)، FAO۲۴ Blaney Criddle (FAO۲۴ BC)،FAO۵۶ Penman Monteith (FAO ۵۶ PM) بهترین عملکرد را در بین مدلهای مورد استفاده نشان دادند. مقایسه گروهی مدلها نشان داد گروه ترکیبی بهترین عملکرد را داشته است. مقایسه ET۰ برآورد شده با لایسیمترهایی که با خاک لوم شنی پر شدهاند مطابقت بیشتری نسبت به لایسیمترهای لوم سیلتی و رسی نشان داد. بررسی تاثیر گونه چمن بر عملکرد مدلها بیانگر دقت بالای مدلهای تجربی در لایسیمترهای با چمن لولیوم نسبت به چمن فستوکا میباشد.
Keywords:
Authors
وحدت احمدی فر
Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
رضا دلیر حسن نیا
Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
علی اشرف صدرالدینی
Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
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 :