ارزیابی روشهای پنمن مانتیث فائو و تشت تبخیر کلاس A در برآورد تبخیر-تعرق گیاه برنج در منطقه ی رشت
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 897
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:
شناسه ملی سند علمی:
NCUIMWR03_461
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
نیاز آبی گیاهان یکی از مهمترین عوامل در مدیریت منابع آب بوده و از ضرورتهای هر طرح آبیاری و زهکشی به شمار می رود. به منظور تعیین این نیاز بایستی تبخیر-تعرق پتانسیل سطوح گیاهی مرجع ( ETo ) را برآورد نمود. این پارامتر به دو روش مسقیم (لایسی متری) و غیرمستقیم (معادلات) برآورد می شود. در شرایط عدم دسترسی به داده های لایسیمتر می توان از روش پنمن-مانتیث فائو به عنوان روش استاندارد جهت ارزیابی نتایج سایر روش های تجربی استفاده نمود. در این تحقیق با استفاده از داده های روزانه ایستگاه هواشناسی کشاورزی رشت، مقادیر روزانه ETo به روش پنمن-مانتیث فائو محاسبه شد. سپس با استفاده از داده های تشت تبخیر مقادیر ETo به روش تشت تبخیر نیز محاسبه گردید. برای محاسبه ETo با استفاده از داده های تشت تبخیر باید مقدار تبخیر از تشت (ETpan) را در ضریب تشت Kpan ضرب نمود. ضرایب اصلاحی تشت تبخیر از معادله های پژوهشگران مختلف مانند کونیکا، آلن و پرویت، اشنایدر، اشنایدر اصلاح شده، اورنگ و کونیکا محاسبه شد. همچنین با استفاده از لایسی متر تبخیر-تعرق گیاه برنج اندازه گیری شد و با مقادیر حاصله از روش تشت تبخیر و پنمن-مانتیث-فائو مقایسه گردید. با بررسی نتایج لایسی متری، تبخیر-تعرق گیاه برنج 440/2 میلی متر حاصل شد. بررسی های رگرسیونی و آماری نشان داد که برای محاسبه مقادیر ETo به روش تشت تبخیر در رشت روش کونیکا و اشنایدر جهت برآورد ضریب تشت مناسب می باشد. مقایسه ی روش های برآورد تبخیر-تعرق گیاه برنج نشان داد با تخمین تبخیر-تعرق گیاه مرجع از روش تشت تبخیر و اعمال ضریب گیاهی، نتایج به مقادیر واقعی نزدیک تر است.
Keywords:
Authors
فاطمه ذکری
دانشجوی کارشناسی ارشد دانشگاه گیلان
نادر پیرمرادیان
استادیار گروه مهندسی آب دانشگاه گیلان
مجتبی رضایی
مربی پژوهش موسسه تحقیقات برنج
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 :