برآورد ظرفیت تبادل کاتیونی در خاکهای جنگلی توسعه یافته روی مواد مادری گرانیت و بازالت
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,091
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
FNCAES01_403
Index date: 15 May 2014
برآورد ظرفیت تبادل کاتیونی در خاکهای جنگلی توسعه یافته روی مواد مادری گرانیت و بازالت abstract
توابع انتقالی رگرسیونی مدلهایی هستند که روابط بین ویژگیهای زودیافت و دیریافت را تخمین میزنند. به عنوان مثال، ظرفیت تبادل کاتیونی اغلب با استفاده از روشهای آزمایشگاهی مشکل و وقتگیر تخمین زده میشود. بنابراین بسیار مناسب و اقتصادی است تا این روشکه از برخی از ویژگیهای فیزیکی و شیمیایی خاک استفاده میکند را توسعه دهیم. در این پژوهش 02 نمونه خاک از خاکهای جنگلیمنطقه لاهیجان که بر روی مواد مادری گرانیت ) 32 نمونه خاک( و بازالت ) 32 نمونه خاک( تشکیل شده بود جمعآوری شد. سپس کربن آلی، رس، سیلت، شن و pH به عنوان متغیرهای مستقل و CEC به عنوان متغیر وابسته اندازهگیری شد . . بر طبق آمارههای ضریب تبیین اصلاح شده و ریشه میانگین مربعات خطا ( RMSE ( برای تخمین بهترین مدل، مدل با ورودی متغیرهای مستقل pH ، رس، کربن آلی و شن2/ برای خاکهای توسعه یافته روی ماده مادری گرانیت با 22 R2= و 2 RMSE= ، مدل با ورودی متغیرهای مستقل کربن آلی و رس برای 2/ خاکهای توسعه یافته روی ماده مادری بازالت با 23 R2= 2/ و 10 RMSE= و مدل با ورودی متغیرهای مستقل کربن آلی و رس برای کل 2/ خاکها با 33 R2= 3/ و 33 RMSE= بهترین مدل بودند. در مجموع مدلهای پیشبینی کننده CEC خاکهای توسعه یافته بر روی مواد مادری گرانیت و بازالت دقت بالاتری در مقایسه با کل خاکها داشتند.
برآورد ظرفیت تبادل کاتیونی در خاکهای جنگلی توسعه یافته روی مواد مادری گرانیت و بازالت Keywords:
برآورد ظرفیت تبادل کاتیونی در خاکهای جنگلی توسعه یافته روی مواد مادری گرانیت و بازالت authors
ابوذر بذرافشان
دانشجوی سابق کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه گیلان،
محمود شعبانپور
دانشیار گروه علوم خاک، دانشکده کشاورزی، دانشگاه گیلان،
مهدی نوروزی
گروه علوم خاک، دانشکده کشاورزی، دانشگاه گیلان،
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 :