ارزیابی مدل های WinSRFR1،3 و SIRMOD در تحلیل و شبیه سازی هیدرولیکی آبیاری جویچه ای تحت کشت سورگوم علوفه ای
Publish place: The first national conference on economic resolutions in the field of Agriculture and Natural Resources
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,081
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ERANR01_010
Index date: 29 December 2012
ارزیابی مدل های WinSRFR1،3 و SIRMOD در تحلیل و شبیه سازی هیدرولیکی آبیاری جویچه ای تحت کشت سورگوم علوفه ای abstract
با توجه به سطح وسیع اراضی تحت آبیاری سطحی در ایران، توجه زیاد بر روی این سیستم ها ضروری به نظر می رسد. به دلیل کاه هزینه ها و همچنین زمان در تحلیل پارامترها با مدل های عددی، استفاده از نرم افزارهای شبیه سازی در روش های آبیاری سطحی نیز ضروری است (1). هدف از این تحقیق مقایسه مدل های موجود در دو نرم افزار WinSRFR3،1 و SIRMOD با اطلاعات مزرعه ای می باشد. آزمای های صحرایی در مزرعه تحقیقاتی مؤسسه تحقیقات برن کشور در شهر رشت به صورت جویچه ای با کشت سورگوم علوفه ای انجام پذیرفت. هر دو مدل در مرحله پیشروی مقادیری بی از مقدار واقعی، در مرحله پسروی مدل های نرم افزار SIRMOD بیشتر از مقدار واقعی و مدل نرم افزار WinSRFR3،1 کمتر از مقدار واقعی پی بینی کردند. با توجه به میزان بالای 95 درصد ضریب تبیین در شبیه سازی مدل WinSRFR3،1 پایین بودن درصد متوسط خطای نسبی مدل نشان دهنده شبیه سازی مطلوب آن برای کشت سورگوم علوفه ای در منطقه می باشد.
ارزیابی مدل های WinSRFR1،3 و SIRMOD در تحلیل و شبیه سازی هیدرولیکی آبیاری جویچه ای تحت کشت سورگوم علوفه ای Keywords:
ارزیابی مدل های WinSRFR1،3 و SIRMOD در تحلیل و شبیه سازی هیدرولیکی آبیاری جویچه ای تحت کشت سورگوم علوفه ای authors
نوید زارع چنیجانی
دانشگاه آزاد اسلامی واحد شوشتر، گروه آبیاری و زهکشی، شوشتر، ایران
علی شیرافروس
عضو هیات علمی گروه مهندسی آب دانشگاه آزاد اسلامی واحد دزفول
محمدرضا یزدانی
عضو هیات علمی مرکز تحقیقات برنج کشور
محمد رفیع رفیعی
عضو هیات علمی گروه مهندسی آب دانشگاه آزاد اسلامی واحد شوشتر
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 :