پیش بینی عملکرد گیاه برنج در شرایط محدودیت آب با استفاده از مدل های شبیه سازی رشد و نمو گیاه در مقیاس ناحیه ای

thesis
abstract

تلفیق مدل های شبیه سازی رشد و نمو گیاه، زمین آمار و سیستم اطلاعات جغرافیایی (gis) ابزاری امیدبخش برای تحلیل سیستمی مدیریت بهینه آب در شرایط محدودیت آب در مقیاس ناحیه ای است. این تحقیق با هدف: (1) پیش بینی بهینه پارامترهای هیدرولیکی خاک برای استفاده در مدل شبیه ساز رشد و نمو گیاه مدل oryza 2000، اعتبارسنجی مدل خیلی ساده vsm و مدل جامع oryza 2000 در مقیاس ناحیه ای، (2) شناسایی محدوده مناطق بحرانی ناشی از تنش خشکی احتمالی در مقیاس ناحیه ای، و (3) تعیین بهترین فاصله زمانی برای آبیاری تناوبی بر پایه خواص فیزیکی و هیدرولیکی خاک در شالیزار انجام شد. خواص هیدرولیکی، شیمیایی و فیزیکی در افق های خاک سطحی گلخراب، کفه شخم فشرده زیرین لایه گلخراب و خاک غیراشباع زیرین کفه شخم در 120 خاک رخ از اراضی شالیزاری ناحیه صومعه سرا اندازه گیری شد. عملکرد گیاه برنج در193 مزرعه اندازه گیری، داده های روزانه هواشناسی از شش ایستگاه هواشناسی تهیه شد. شاخص ndvi از 18 لایه تصویر سنجنده راه دور modis بدست آمد. تجزیه و تحلیل داده ها با استفاده از آمار کلاسیک، تجزیه عامل ها، توابع انتقالی، آمار مکانی، اجرای مدل ها و gis انجام شد. نتیجه ها نشان داد که متغیر هدایت هیدرولیکی اشباع در کفه شخم فشرده زیرین لایه گلخراب فاقد همبستگی مکانی و رفتار آن بـه علت پیشامدهایی مانند وجود منافذ زیستی و تَرَک در برخی از مناطق به متغیرهای تصادفی نزدیک است. تغییرات مکانی هدایت هیدرولیکی اشباع در افق های دوم (کفه شخم فشرده زیرین لایه گلخراب) و سوم (خاک غیر اشباع زیرین لایه گلخراب) نشان داد که این تغییرات نتیجه چندین عامل مستقل در هر دو مقیاس موضعی (مانند وجود تَرَک، منافذ و کانال های ریشه) و مقیاس بزرگ (مانند تغییر در خواص فیزیکی و تمایزهای مورفولوژیک خاک) می باشد که به صورت سلسله مراتبی آشیانه ای عمل می نمایند. مقایسه توابع انتقالی رگرسیون خطی چند متغیره (mlr)، شبکه عصبی مصنوعی (ann)، الگوریتم مدیریت گروهی داده ها (gmdh)، مدل آماری ساکستون و راولز (2006)، واستن 2 (1999) و مدل فیزیکی- تجربی آریا و پاریس (1981) در پیش بینی خواص هیدرولیکی خاک (مانند هدایت هیدرولیکی اشباع، مقدار آب خاک در مکش های 33 و 1500 کیلوپاسکال و پارامترهای شکل مدل ون گنوختن) نشان داد که الگوریتم gmdh از برتری بیشتری برخوردار است. اعتبارسنجی ناحیه ای مدل های vsm و oryza 2000 نشان داد که هر دو مدل از صحت به نسبت یکسان برخوردارند. آزمایش مزرعه ای نشان داد در شرایطی که میانگین عمق سفره آب زیرزمینی معلق در عمق کمتر از 60 سانتی متر از سطح خاک قرار داشت، بالاترین راندمان زراعی مصرف نیتروژن و کارایی تولید آب در ترکیب مصرف 60 کیلوگرم کود نیتروژن در هکتار و آب آبیاری با دور 10 روز بدست آمد. بهترین کارایی تولید آب در مقیاس ناحیه ای با مصرف 500 میلی لیتر آب آبیاری بدست آمد. شبیه سازی اثر مدیریت آبیاری شبکه بر عملکرد گیاه برنج در مقیاس ناحیه ای نشان داد که در شرایط آبیاری مطلوب، کم آبیاری و تنش خشکی به ترتیب 7/0، 8/15 و 90 درصد از اراضی مورد مطالعه در محدوده بحرانی تحت تنش خشکی با کلاس های عملکرد متوسط مایل به بد تا خیلی بد قرار می گیرند. در شرایط وقوع احتمالی تنش خشکی‏‏، کیفیت بد حاصلخیزی، عملیات تسطیح نامناسب در اراضی تجهیز و نوسازی شده و خاک های با بافت سبک اثرات تنش خشکی را شدیدتر می کنند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

شبیه سازی دینامیکی رشد گیاه کلزای بهاره تحت شرایط محدودیت آب با استفاده از مدل aqua crop

مدلسازی رشد گیاه ابزار مهمی در ارزیابی اثرات تنش خشکی بر روی عملکرد محصول و در نتیجه آن ، انتخاب تاریخ کشت بهینه و تصمیم گیری برای روش های مدیریتی مناسب می باشد. یکی از جدیدترین مدل های گیاهی مدل aquacrop است که توسط فائو توسعه داده شده و اساس آن عکس العمل عملکرد محصول نسبت به آب مصرفی می باشد و با استفاده از متغیرهای اقلیمی، گیاه، خاک و مدیریتی، عملکرد محصول را شبیه سازی می نماید. هدف از این ت...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023