ORIGINAL_ARTICLE
تاثیر تنشهای کمآبیاری و شوری بر شاخصهای فیزیولوژیک و عملکرد فلفل دلمه گلخانهای در سیستم هوشمند آبیاری قطرهای
از جمله مولفههای مدیریتی برای کاهش مصرف آب و بهبود کیفیت و کمیت محصولات در گلخانه، کنترل رطوبت خاک و شوری آب آبیاری میباشد. به منظور بررسی اثر تنشهای کمآبیاری و شوری بر خصوصیات فیزیولوژیکی و عملکرد فلفل دلمه در گلخانه، آزمایشی طی زمستان و بهار 93-1392 در گلخانه تحقیقاتی دانشکده کشاورزی دانشگاه فردوسی مشهد انجام شد. برای آبیاری فلفل دلمه، سیستم هوشمند آبیاری قطرهای با استفاده از حسگرهای رطوبتی REC-P55 تعبیه شده در داخل گلدان برای تشخیص مقدار رطوبت خاک و دادن فرمان قطع یا وصل آبیاری بهکار رفت. تیمارهای آبیاری اعمال شده در آزمایش عبارت بودند از، آبیاری به مقدار 100% (I1)، 85% (I2) و 70% (I3) نیاز آبی گیاه (به عنوان عامل فرعی) و سه سطح شوری به میزان 2/1 (S1)، 3 (S2) و 6 (S3) دسی زیمنس بر متر (به عنوان تیمار اصلی) با سه تکرار بهصورت فاکتوریل در قالب طرح کامل تصادفی اعمال گردید. نتایج پژوهش نشان داد که اثر شوری و سطوح آب آبیاری بر عملکرد، وزن میوه و تعداد میوه در سطح 1% آماری معنیدار است. اگرچه تاثیر متقابل تنشهای شوری و کمآبیاری بر عملکرد میوه تاثیر معنیداری در سطح 5% داشت، ولی اثر آن بر تعداد میوه معنیدار نبود. به عبارت دیگر دلیل کاهش عملکرد نمیتواند کاهش تعداد میوه باشد بلکه کاهش در تعداد میوه میتواند عامل کاهش میانگین وزن میوه شود. با افزایش میزان شوری و کم شدن مقدار آب آبیاری، میزان شاخص کلروفیل برگ کاهش یافت. اعمال تنشهای شوری و کمآبیاری بر میزان هدایت روزنهای برگ تفاوت معنیداری را بین تیمارها نشان نداد، اگرچه با افزایش میزان شوری و کم شدن آب، آبیاری میزان آن کاهش یافت. استفاده از سیستمهای هوشمند آبیاری منجر به صرفهجویی در مصرف آب گردیده است. بطوری که میزان آب مصرفی در تیمار (83/72) S1I1، (40/70) S2I1 و (49/63) S3I1 بوده است. همچنین نتایج نشان داده است که وزن تر و خشک، برگ و ریشه و نیز درصد آب محتوای ریشه و برگ در اثر اعمال دو تنش کمآبیاری و شوری کاهش یافته است.
https://idj.iaid.ir/article_76505_04eda8bdab65f9d66e740c4926730cc1.pdf
2017-09-22
322
334
شوری
فلفل دلمه
کم آبیاری
هوشمند
REC-P55
محمد
سالاریان
mohammad.salarian@mail.um.ac.ir
1
دانشجوی دکتری علوم و مهندسی آب، آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
LEAD_AUTHOR
امین
علیزاده
alizade@gmail.com
2
استاد گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
AUTHOR
کامران
داوری
k.davary@ferdowsi.um.ac.ir
3
استاد گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
AUTHOR
حسین
انصاری
ansary@um.ac
4
استاد گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
AUTHOR
Ade-Omowaye,B.I.O., Rastogi,N.K. Angersbach,A and Knorr,D. 2002. Osmotic dehydration of bell peppers: influence of high intensity electric field pulses and elevated temperature treatment, Journal of Food Engineering. 54: 35–43.
1
Allen,R.G., Pereria,L.S., Raes.D, Smith,M. 1998. Crop evapotranspiration. FAO Irrigation and Drainage Paper No. 56. Rome, Italy.
2
Ayers,R., Westcot,W. 1985. Water quality for agriculture. Irrigation and Drainage. No. 29. FAO. Rome.
3
Bakker,J.C. 1989. The effect of air humidity on growth and fruit production of sweet pepper (Capsicum annuum L.). Journal of Horticultural Science. 64, 41-46.
4
Biswas,A.K. 1993. Water for agricultural development, opportunities and constraints. International Journal of Water Resources Development. 9: 3-12.
5
Chartzoulakis,K., Klapaki,G. 2000. Response of two greenhouse pepper hybrids to NaCl salinity during different growth stages. Scientia Horticulturae. 86: 247–260.
6
Cornillon,P., Palloix,A. 1995. Influence de la salinité et de la température du substrat sur la corissance et la nutrition du piment. Fruits 50, 469-471. [In French].
7
Drazkiewicz,M. 1994. Chlorophyllase: Occurance functions, mechanism of action, effects of external and internal factors. Photosynthesis. 30:321-331.
8
English,M.J., Musick,J.T., Murty,V.V.N. 1992. Deficit irrigation. In Hoffman, G.J. Howell, T.A. and Solomon,K.H. (eds.). Management of farm irrigation systems. Monograph No. 9, Michigan, USA. 631-633.
9
Flowers,T.J. 1999. Salinisation and horticultural production. Scientia Horticulturae 78: 1-4.
10
Hussein,M.M., El-Faham,S.Y., Alva,A.K. 2012. Pepper plants growth, yield, photosynthetic pigments, and total phenols as affected by foliar application of potassium under different salinity irrigation water. Agricultural Sciences.3.2: 241-24.
11
Kurunc,A., Unlukara,A., Cemek,B. 2011. Salinity and drought affect yield response of bell pepper similarly. Acta Agriculturae Scandinavica, Section B- Soil and Plant Science. 61. 6: 514-522.
12
Lin,W.C., Hall,J.W., Saltveit,M.E. 1993. Ripening stage affects the chilling sensitivity of greenhouse grown peppers. Journal of the American Society for Horticultural Science. 118: 791-795.
13
Maas,E.V. 1990. Crop salt tolerance. In: Tanji, K.K. (Ed.), Agricultural Salinity Assessment and Management. ASCE Manuals and Reports on Engineering Practices 71. New York.
14
Metin Sezen,S., Yazar,A., Eker,S. 2006. Effect of drip irrigation regimes on yield and quality of field grown bell pepper. Agricultural Water Management. 81. 115–131.
15
Meiri,A., Shalhevet,J. 1973. Pepper plant response to irrigation water quality and timing of leaching. Physical aspects of soil water and salts in ecosystems. Ecological Studies. 4, 421-429.
16
Navarro,J.M., Garrido,C., Carvajal,M., Martinez,V. 2002. Yield and fruit quality of pepper plants under sulphate and chloride salinity. Journal of Horticultural Science and Biotechnology. 77: 52–57.
17
Papp,J.C., Ball,M.C And Terry,N. 1983. A comparative study of the effects of NaCl salinity on respiration, photosynthesis and leaf extension growth in Beta vulgaris. Plant Cell and Environment. 6: 675-677.
18
Pessarakli,M. 1999. Handbook of Plant and Crop Stress. Second Edition. Marcel Dekker.
19
Rhoades,J.D, Kandiah,A., Mashali,A.M. 1992. The use of saline waters for crop production. FAO Irrigation and Drainage Paper 48. Rome, Italy.
20
Salarian,M., Alizadeh,A., Davary,K and Ansari,H. 2014. The Impact of Water Stress and Salinity on Water Requirement and Crop Coefficient of Greenhouse Bell Pepper. Advances in Environmental Biology. 8.19: 88-99.
21
Singh,B.R and Singh,D.P. 1994. Effect of moisture stress on morphological parameters and productivity of Rice. Agro Botanical Publishers India, Bikaner. Pp:241-24
22
Sonneveld,C. 1988. The salt tolerance of greenhouse crops. Neth. Journal of Agricultural Science. 36. 63–73.
23
Stefania,D.P., Celestino,R Giancarlo,B. 2003. Physiological Responses of Pepper to Salinity and Drout. Journal of the American Society for Horticultural Science. 128.1: 48-54. 2003
24
Topuz,A and Ozdem,F. 2007. Assessment of carotenoids, capsaicinoids and ascorbicacid composition of some selected pepper cultivars (Capsicum annuumL.) grown in Turkey. Journal of Food Composition and Analysis. 20: 596-602.
25
ORIGINAL_ARTICLE
ارزیابی پایداری تولید محصولات باغی با استفادهی تلفیقی از مفاهیم آب مجازیو ارزش اقتصادی آب
علیرغم افزایش جمعیت کشور و لزوم تولید بیشتر میوها برای تامین سرانه میوه مصرفی، عدم تطابق الگوی کشت با منابع آب موجود در هر منطقه بهویژه در مناطق کم آب کشور، باعث کاهش تولید این محصولات در سالهای اخیر شده است. در این پژوهش، به اولویتبندی کشت محصولات باغی در استان سیستان و بلوچستان بر اساس مفهوم آب مجازی پرداخته شد. محاسبات لازم با استفاده از دادههای یک دوره 12 ساله (1379 تا 1390) سطح زیر کشت و عملکرد 32 محصول باغی، اطلاعات آبیاری و هواشناسی شهرستانهای مختلف این استان انجام شد. 81 درصد سطح زیر کشت محصولات باغی این استان به میوههای گرمسیری، نیمهگرمسیری و خشک اختصاص داشت. میوههای خشک با مصرف حدود 30 درصد از کل آب تخصیصی به بخش باغی، تنها یک درصد از میوه استان را تولید میکنند. جایگزینی این گروه از محصولات با میوههای دانهریزدر دو شهرستان خاش و زاهدان، ضمن کاهش آب مصرفی به میزان 2/10 هزار مترمکعب، درآمد باغداری را حدود 2810 دلار در هکتار افزایش خواهد داد. میوههای دانهریز دارای اولویت اول برای کشت در استان میباشند و میوههای گرمسیری، نیمهگرمسیری، دانهدار، هستهدار و خشک در ردههای بعدی قرار میگیرند. حذف میوههای خشک از الگوی کشت میتواند سبب صرفهجویی حدود 46/36 میلیون مترمکعب آب در سال در استان سیستان و بلوچستان شود. بر اساس نتایج این پژوهش، حتی با حفظ الگوی کشت موجود، اولویتبندی مکانی کشت محصولات باغی بر اساس شاخصهای منتخب میتواند تا حد زیادی باعث صرفهجویی در مصرف آب توسط باغداران و افزایش درآمد حاصل از واحد آب مصرفی شود.
https://idj.iaid.ir/article_75686_4434e022da73dcfe3c8476fdfb077ad7.pdf
2018-10-28
335
345
آب مجازی آبی
اقلیم خشک
تراز آب مجازی
خودکفایی تولید
میوهها
فاطمه
کاراندیش
karandish_h@yahoo.com
1
استادیارگروه مهندسی آب، دانشگاه زابل
LEAD_AUTHOR
سمیرا
سالاری
2
دانشآموختهی کارشناسی ارشد، گروه مهندسی آب دانشگاه زابل
AUTHOR
عبداله
درزی نفتچالی
3
استادیارگروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
AUTHOR
Allan,J.A. 1993. Fortunately there are substitutes for water otherwise our hydro-political futures would be impossible. In: ODA, priorities for water resources allocation and management. ODA, London: 13–26.
1
Fader,M., Gerten,D., Thammer,M., Heinke,J., Lotze-Campen,H., Lucht,W., Cramer,W. 2011. Internal and external green-blue agricultural water footprints of nations, and related water and land savings through trade. Hydrological Earth System Sciences. 15.5:1641–1660.
2
FAO, 2010. AQUASTAT. http://www.fao.org/nr/water/aquastat/main/index.stm.
3
FAO, 2013. CROPWAT Model. [Online]. Food and Agriculture Organization, Rome. Available: www.fao.org/nr/water/inforesdatabasescropwat.html
4
FAO, 2014. Fao statistical year book. Food and Agriculture Organization of the United Nations, Rome, p 352.
5
Hoekstra,A.Y., Hung,P.Q. 2002. Virtual water trade: a quantification of virtual water flows between nations in relation to international crop trade. UNESCO-IHE, Delft
6
Hoekstra,A.Y., Chapagain,A.K. 2007. Water footprints of nations: water use by people as a function of their consumption pattern. Water Resource Management.21:35–48.
7
Karandish,F., Salari,S., Darzi-Naftchali,A. 2015. Application of Virtual Water Trade to Evaluate Cropping Pattern in Arid Regions. Water Resources Management.4061-4074
8
Klocke,NL., Schneekloth,JP., Melvin,S., Clark,R.T., Payero,J.0. 2004. Field scale limited irrigation scenarios for water policy strategies. Applied Engineering Agriculture.20: 623-631.
9
MAJ: Ministry of Agricultural Jihad in Sistan and Baluchestan. 2012. Statistical yearbook of agricultural and animal products.
10
MAI: Ministry of Agriculture in Iran. 2010. Statistical yearbook of agricultural and animal products for 2009-2010.
11
Payero,J.O., Melvin,S.R., Irmak,S., Tarkalson,D. 2006. Yield response of corn to deficit irrigation in a semiarid climate. Agricultural Water Management. 84: 101–112.
12
Ridoutt,B., Juliano,P., Sanguansri,P., Sellahewa,J. 2010. The water footprint of food waste: case study of fresh mango in Australia. Journal of Clean Production. 18.16:1714–1721.
13
Stone,L.R. 2003. Crop water use requirements and water use efficiencies. In: Proceedings of the 15th annual Central Plains Irrigation Conference and Exposition, Colby, Kansas, pp. 127-133.
14
Wang,X., Zhang,Z., Long,A., Xu,Z. 2005. Review of virtual water research. China Rural Water Hydropower.1:27-30.
15
Yang,H., Wang,L., Abbaspour,K.C., Zehnder,A.J.B. 2006. VW trade: an assessment of water use efficiency in the international food trade. Hydrological Earth System Sciences. 10:443-454.
16
Yu,Y., Hubacek,K., Feng,K., Guan,D. 2010. Assessing regional and global water footprints for the UK. Ecological Economy. 69.5:1140–1147.
17
Zhang,C., McBean,E.A., Huang,J. 2014. A virtual water assessment methodology for cropping pattern investigation. Water Resource Management. 28:2331-2349.
18
Zhao,X., Chen,B., Yang,Z. 2009. National water footprint in an input–output framework—a case study of China 2002. Ecological Modeling. 220.2:245–253.
19
ORIGINAL_ARTICLE
بررسی امکان استفاده از آب زیرزمینی کم عمق توسط بقولات (شواهد با بررسی دو رقم نخود) در اقلیم نیمهخشک
آب زیرزمینی کمعمق، یک منبع آب بالقوه و کارآمد در کشاورزی است. این پژوهش به بررسی اثر اعمال سطوح ایستابی کمعمق 60، 80 و 110 سانتیمتر بر تامین نیاز آبی، کارایی مصرف آب و عملکرد دو رقم نخود (آزاد4 و بیونیج5) در دو سال زراعی 92-1391 و 93-1392 پرداخته است. آزمایشات در ایستگاه لایسیمتری تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه رازی و در قالب آزمایش فاکتوریل و بر پایه طرح کاملا تصادفی صورت پذیرفت. نتایج نشان داد که، در دو سال اجرای طرح، بیشترین مصرف آب زیرزمینی مربوط به عمق 60 سانتیمتر و کمترین مربوط به عمق 110 سانتیمتر به ترتیب با حدود 65 و 22 در صد بوده است. بیشترین و کمترین مقدار کارایی مصرف آب زیرزمینی و براساس عملکرد دانه در دو سال اجرای طرح، مربوط به رقم آزاد در اعماق 110 و 60 سانتیمتری بوده. در سال اول و دوم اجرای طرح، بیشترین عملکرد دانه مربوط به رقم آزاد در عمق سطح ایستابی80 سانتیمتر و کمترین عملکرد دانه مربوط به رقم آزاد در عمق سطح ایستابی 60 سانتیمتر بوده است.
https://idj.iaid.ir/article_74100_dcc14b3cb7584db51ce5a7a775c5df71.pdf
2017-09-22
346
355
آب زیرزمینی
سطح ایستابی کمعمق
عملکرد
کارایی مصرف آب
نخود
هوشنگ
قمرنیا
hghamarnia@razi.ac.ir
1
استاد و عضو هیئت علمی گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه - ایران
LEAD_AUTHOR
بینظیر
نظری
2
کارشناسی ارشد، آبیاری و زهکشی، گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه- ایران
AUTHOR
محمد اقبال
قبادی
3
استادیار، دکتری زراعت- فیزیولوژی گیاهان زراعی، هیات علمی گروه زراعت، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه- ایران
AUTHOR
قمرنیا،ه.، فرمانیفرد،م و ساسانی،ش. 1391. اثر سطح ایستابی کمعمق بر تامین نیاز آبی،کارایی مصرف آب و عملکرد سه رقم گندم. مجله پژوهش آب در کشاورزی. 26. 3: 99.
1
امام،ی. ،نیک نژاد،م. 1383. مقدمه ای بر فیزولوژی عملکرد گیاهان زراعی. دانشگاه شیراز. 2. 85.
2
Allen,R.G., Pereira,L.S., Raes,D. Smith,M. 1998. Crop Evapotranspiration (guidelines for computing crop water requirements). FAO Irrigation and Drainage Paper, No. 56.
3
Association of Official Analytical Chemists (AOAC). 1990. Official methods of analysis, 15th edition by Kenneth Helrich, protein. 70
4
Dhan,P and Pal,D. 1991. Deter mining critical water table depth for sub-surface drainage design and crop growth. Chinese National Committee ICID, Beiging, China.
5
Gupta,R., Yadav,R.L and Rajendra,G. 1993. Ground water contribution to evapo-transpiration of sugarcane during summer. Cooperative-Sugar. 25: 113-115.
6
Jensen,M.E., Harrison,D.S., Korven,H.C and Robinson,F.E. 1983. The role of irrigation in food and fibre production. In: Designe and operation of farm irrigation systems.
7
Kahlown,M.A., Iqbal,M., Skogerboe,G.V., Rehman,S. 1998. Waterlogging, salinity and crop yield relationships. IWMI
8
Khandker,M.H.K., Gowing,J.W and Rose,D.A. 1994. Influence of salinity and water table depth on water uptake by plant roots. Proceedings International Conference on Agricultural Engineering, Milan, Italy, Aug-Sept.
9
Liu,T and Luo,Y. 2011. Effects of shallow water tables on the water use and yield of winter wheat (Triticum aestivum L.) under rain-fed condition. AJCS (Australian Journal of Crop Science). 5.13: 1692-1697.
10
Nosetto,M.D., Jobbagy,E.G., Jackson,R.B and Sznaider,G.A. 2009. Reciprocal influence of crops and shallow ground water in sandy landscapes of the inland pampas. Field Crop Researches. 113: 138-148.
11
Pratharpar,S.A and Qureshi,A.S. 1998. Modeling the effects of deficit irrigation on soil salinity, depth to water table and transpiration in semi-arid zones with monsoonal rains. International Journal Water Resource. 15: 141-159.
12
ORIGINAL_ARTICLE
مقایسه مدل های KNNو درخت تصمیم M5 در پیش بینی تبخیر و مقایسه آن با مدل های تجربی (مطالعه موردی بیرجند)
در نواحی خشک و نیمهخشک تبخیر از سطح خاک بخش مهمی از بیلان آب در خاک است. در این تحقیق برای برآورد تبخیر از سطح آزاد آب از معادلات تجربی هفنر، شاهتین، مارسیانو، تیچومیروف، ایوانف، سازمان عمران اراضی آمریکا و مایر استفاده شد و این معادلات در منطقه مورد مطالعه اصلاح گردید. از مدل KNN و درخت تصمیم M5 نیز بهعنوان یکی از شیوههای دادهکاوی برای برآورد تبخیر از سطح آزاد آب بهره گرفته شد. بدین منظور از دادههای هواشناسی ایستگاه همدیدی بیرجند برای یافتن بهترین دادههای ورودی اثرگذار بر تبخیر استفاده گردید. همچنین آزمون گاما برای یافتن بهترین ترکیب پارامترهای ورودی برای برآورد تبخیر اجرا گشت. برای مقایسه نتایج آمارهها ریشه متوسط خطـای مربعـات (RMSE)، ضریب همبستگی (R2) و متوسط قدر مطلق خطا (MAE) مورد تحلیل قرار گرفت. نتایج نشان داد که در اکثر موارد مدل درخت تصمیم M5 نتایج مطلوبتری را نسبت به مدل KNN و معادلات تجربی حاصل میکند اما معادلهی مایر اصلاحشده برای منطقهی بیرجند به دلیل داشتن ضریب همبستگی 81/0 و خطای 06/2 همواره برآورد بهتری از تبخیر سطح آزاد آب ارایه میدهد.
https://idj.iaid.ir/article_76506_149b29afe030e09553d0ab6cfbf4252d.pdf
2017-09-22
356
366
تبخیر
درخت تصمیم M5
مدل KNN
معادلات تجربی
آتنا
خلیلی نفتچالی
atenakhalili_2014@yahoo.com
1
دانشجوی دکتری مهندسی علوم آب، دانشگاه بیرجند
LEAD_AUTHOR
عباس
خاشعی سیوکی
abbaskhashei@yahoo.com
2
دانشیار گروه مهندسی علوم آب، دانشگاه بیرجند
AUTHOR
علی
شهیدی
ashahidi@birjand.ac.ir
3
دانشیار گروه مهندسی علوم آب، دانشگاه بیرجند
AUTHOR
ﺑﺴﺎﻟﺖﭘﻮر،ع،ا.، حاج عباسی،م،ع.، اﯾﻮﺑﯽ،ش،ا. 1392. اﺳﺘﻔﺎده از آزﻣﻮن ﮔﺎﻣﺎ ﺑﺮای اﻧﺘﺨﺎب ورودیهای ﺑﻬﯿﻨﻪ در مدلسازی ﻣﻘﺎوﻣﺖ ﺑﺮﺷﯽ ﺧﺎک ﺑﺎ اﺳﺘﻔﺎده از شبکههای ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ. ﻣﺠﻠﻪ پژوهشهای ﺣﻔﺎﻇﺖ آب و خاک ﺟﻠﺪ ﺑﯿﺴﺘﻢ. 1 : 97-114.
1
رحمتی،ع.، منتظری،م.، گندمکار،ا.، لشنیزند،م. 1394. پیشبینی تبخیر ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ و سیگنالها اﻗﻠﯿﻤﯽ در ﺣﻮﺿﻪ دز. ﻓﺼلناﻣﻪ ﺗﺤﻘﯿﻘﺎت ﺟﻐﺮاﻓﯿﺎﯾﯽ. ﺳﺎل 30. 2. 117 :262- 274.
2
سامتی،م.، قهرمان،ن.، قربانی،خ. 1390. کاربرد مدل دادهکاوی M5 در پیشبینی تبخیر -تعرق پتانسیل (مطالعه موردی: ایستگاه شیراز). اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی،کرج، ایران.
3
ستاری،م،ت.، رضازاده جودی،ع.، نهرین،ف. 1393. پیشبینی مقادیر بارش ماهانه با استفاده از شبکههای عصبی مصنوعی و مدل درختی M5 (مطالعه موردی: ایستگاه اهر). پژوهشهای جغرافیای طبیعی. سال 46. 2 : 247-260.
4
شریفان،ح.، قربانی،خ. 1393. بهبود ﺑﺮآورد ﺗﺒﺨﻴﺮ - ﺗﻌﺮق ﭘﺘﺎﻧﺴﻴﻞ ﺑﺎ اﺳﺘﻔﺎده از ﺿﺮﻳﺐ اﺻﻼﺣﻲ ﺑﻪ ﻛﻤﻚ ﻣﺪل درﺧﺖ ﺗﺼﻤﻴﻢ M5. ﻧﺸﺮﻳﻪ آﺑﻴﺎری و زﻫﻜﺸﻲ اﻳﺮان. 8. 1 :53-61.
5
شریف آذری،س.، عراقینژاد،ش. 1392. ﺗﻮسعه ﻣﺪل ناپارامتری شبیهساز دادههای ﻣﺎﻫﺎنه ﻫﻴﺪروﻟﻮژﻳﻜﻲ. مجله مدیریت آب و آبیاری. 3. 1: 83-95.
6
شیرزاد،ا.، ﺳﻠﻄﺎﻧﻲ،ف.، زارع ابیانه،ح. 1387. شبیهسازی آبشستگی در ﭘﺎﻳﺎب سازههای مستهلک کننده اﻧﺮژی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ K -نزدیکترین ﻫﻤﺴﺎﻳﮕﻲ (KNN) و سیستم اﺳﺘﻨﺘﺎج ﺗﻄﺒﻴﻘﻲ ﻋﺼﺒﻲ- ﻓﺎزی ( ANFIS). اولین اجلاس بینالمللی بحران آب. دانشگاه زابل.
7
طالبی،ع.، اکبری،ز. 1392. بررسی کارایی مدل درختان تصمیمگیری در برآورد رسوبات معلق رودخانهای (مطالعه موردی: حوضه سد ایلام). مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. سال 17. 63 : 109-121.
8
ﻋﻠﻴﺰﺍﺩﻩ،ﺍ. ۱۳۸۳. ﺍﺻﻮﻝ هیدرولوژی کاربردی. ﺍﻧﺘﺸﺎﺭﺍﺕ ﺩﺍﻧﺸﮕﺎﻩ ﺍﻣﺎﻡ ﺭﺿﺎ. ص291 و 237.
9
ﭘﻨﺠﻤـﻴﻦ ﻛﻨﻔﺮاﻧﺲ ﺳﺮاﺳﺮی آﺑﺨﻴﺰداری و ﻣﺪﻳﺮﻳﺖ ﻣﻨﺎﺑﻊ آب و خاک ﻛﺸﻮر. ﻛﺮﻣﺎن.
10
قمرنیا،ه.، رضوانی،و.، فتحی،پ. 1391. ارزیابی و واسنجی مدلهای تبخیر و تعرق گیاه مرجع با توجه به اثر دوره محاسباتی برای اقلیم نیمهخشک سرد. مجله مدیریت آب و آبیاری. 2. 2: 37-25.
11
ﻣﺸﻜﺎﻧﻲ،ع.، ﻧﺎﻇﻤﻲ،ع. 1388. مقدمهای ﺑﺮ دادهکاوی. ﻣﺸﻬﺪ. موسسه چاپ و اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ.
12
یوسف،م.، طالبی،ع.، پورشرعیاتی،ر. 1393. کاربرد هوش مصنوعی در علوم آب و خاک انتشارات دانشگاه یزد.
13
Agalbjorn,S., Konar,N and Jones,A.J. 1997. A note on the gamma test. Neural Comput ing & Applications. 5. 3: 131-133.
14
Ahmadi,A., Han,D., Karamouz,M and Remesan,R. 2009. Input data selection for solar radiation estimation. Hydrological Processes. 23: 2754-2764.
15
Alberg,D.,Last,M and Kandel,A. 2012. Knowledge discovery in data streams with regression tree methods. WIREs Data Mining Know Discover. 2: 69-78.
16
Ghabaei sough,M., Mosaedi,A., Hesam,M and Hezarjaribi,A. 2010. Evaluation effect of input parameters preprocessing in artificial neural networks (ANNs) by using stepwise regression and Gamma Test techniques for fast estimation of daily evapotranspiration. Journal of Water and Soil. 24.3: 610-624.
17
Hand.D., Heikki,M and Padhraic,S. 2001. Principles of Data Mining. A Bradford book. The MIT press. Cambridge, Massachusetts, London, England.
18
Jagtap,S.S., Lall,U., Jones,J.W., Gijsman,A.J and Ritchie,J.T. 2004. A Dynamic nearest-neighbor method for estimating soil water parameters. Trans ASAE. 47:1437-1444.
19
Jain,S.K. Das,A and Srivastsva,D.k. 1999. Application of ANN for reservoir inflow prediction and operation. Journal of Water Resources Planning and Management. 125.5: 263-271.
20
Moghaddamnia,A., Remesan,R., Hassanpour Kashani,M., Mohammadi,M., Han,D and Piri,J. 2009. Comparison of LLR, MLP, Elman, NNARX and ANFIS Models with a case study in solar radiation estimation. Journal of Atmospheric and Solar-Terrestrial Physics. 71: 975-982.
21
Moghaddamnia,A., GhafariGousheh,M., Piri,J., Amin,S and Han,D. 2008. Evaporation estimation using artificial neural networks and adaptive neurofuzzy inference system techniques. Advances in Water Resources. 32: 88-97.
22
Quinlan,J.R. 1992. Learning with continuous classes. In: Adams, Sterling (Eds.). Proceedings of AI’92. World Scientific. 343-348.
23
Remesan,R. Shamim,M.A. and Han,D. 2008. Model data selection using gamma testfor daily solar radiation estimation. Hydrological Processes. 22:4301-4309.
24
Rahimi Khoob,A. 2008. Artificial neural network estimation of reference evapo transpiration from pan evaporation in a semi-arid environment. Journal of Irrigation Science. 27.1: 35-39.
25
Singh,D. Ganju,A and Singh,A. 2005. Weather prediction using nearest-neighbor model. Current science. 88: 8. 25.
26
Twarakavi,N.K.C., Šimůnek,J and Schaap,M.G. 2009. Development of Pedotransfer Functions for Estimation of Soil Hydraulic Parameters using Support Vector Machines. Soil oil Science Society of America Journal. 73:1443-1452.
27
ORIGINAL_ARTICLE
استفاده از تکنیک نمونهبرداری مرحلهای در تعیین نقاط اندازهگیری هدایت هیدرولیکی در مزرعه
هدایت هیدرولیکی اشباع، مهمترین پارامتر فیزیکی حرکت آب در خاک، بهویژه در تعیین فاصله بین خطوط زهکشها در طرحهای زهکشی محسوب میشود. هزینهبری بالا و وقتگیر بودن اندازهگیری مزرعهای این پارامتر از یک سو و تغییرپذیری زیاد این پارامتر از سویی دیگر، درک صحیح از تغییرات مقادیر هدایت هیدرولیکی اشباع در پروژهها را با مشکل مواجه ساخته است. انتخاب محل و تعداد نقاط اندازهگیری، اولین گام جهت تعیین تغییرات مکانی هدایت هیدرولیکی اشباع منطبق با واقعیت میباشد. بنابراین لازم است تا تاثیر روشهای نمونهبرداری جدید بر دقت تخمین زمین آمار مورد بررسی قرار گیرد. منطق طراحی نمونه برداری بهینه، نمونهبرداری مرحلهای است. در این روش نمونهبرداری از یک پارامتر در دو یا چند مرحله صورت میپذیرد و دادههای حاصل از هر مرحله، اساس طراحی مرحله بعد را تشکیل میدهند. پژوهش حاضر، به منظور بررسی تاثیر روش نمونهبرداری مرحلهای بر اساس شاخص خطای استاندارد برآورد کریجینگ، با روشهای متداول نمونهبرداری (تک مرحلهای)، بر بهبود تخمین تغییرات مکانی هدایت هیدرولیکی اشباع، در سطح چهل هزار هکتار در حد فاصل رودخانه سیاهرود تا تالار استان مازندران انجام گردید. در این پژوهش چهار سناریوی پیشنهادی متفاوت شامل یک سناریو نمونهبرداری یک مرحلهای و سه سناریو نمونهبرداری مرحلهای(دو مرحلهای) مورد بررسی قرار گرفت. نتایج حاکی از آن است که کاربرد کلیه سناریوهای شامل نمونهبرداری مرحلهای، منجر به خطای کمتر، تخمین بهتر و استحکام فضایی قویتر در تعیین تغییرات مقادیر هدایت هیدرولیکی اشباع میشود. در بین روشهای مرحلهای نیز، روش طراحی متوازنشده مکانی نسبت به شاخص خطای استاندارد برآورد از دقت کمتری برخوردار است. در سناریوی طراحی بر اساس خطای استاندارد کریجینگ هدایت هیدرولیکی اشباع نسبت به روش متداول نمونهبرداری یک مرحلهای، مقدار خطای ریشه متوسط مجذور خطا، میانگین قدرمطلقخطا و خطای استاندارد متوسط، از 56/5، 7/4 و 3/17 بهترتیب به 79/3، 84/2 و 86/3 متر در روز، کاهش یافته و بنابراین منجر به بهبود 6/39، 8/31 و 7/77 درصدی میزان این سه شاخص گردید.
https://idj.iaid.ir/article_76507_9a4d77e379d4ac74b3ececd1965de7f3.pdf
2017-09-22
367
376
خطای استاندارد برآورد
روش کریجینگ
طراحی متوازنشده مکانی
نمونهبرداری مرحلهای
جمال عباس
پلنگی
1
دانشجوی دکتری آبیاری و زهکشی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
AUTHOR
محمدعلی
غلامی سفیدکوهی
ma.gholami@sanru.ac.ir
2
دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب
LEAD_AUTHOR
بینام. 1392. مطالعات مرحله اول زهکشی اراضی شالیزاری محدوده تالار تا سیاهرود استان مازندران، گزارش مطالعات پایه. مهندسین مشاور آب و خاک پارس، 185 ص.
1
بینام. 1388. پروژه بانک جهانی سد البرز، مطالعات پایه. مهندسین مشاور مهاب قدس، 126ص.
2
حسین مرشدی،ا و معماریان،ح. 1389. طراحی مرحلهای شبکه نمونهبرداری، بر اساس پارامترهای ژئوتکنیکی و خصوصیات کیفی ساختگاه سد سمیلان، با استفاده از کریجینگ و شبکه عصبی. نشریه علمی و پژوهشی مهندسی معدن.5 . 10: 1-20.
3
دلبری،م و افراسیاب،پ.1394. شبیهسازی تصادفی زمینآماری هدایت هیدرولیکی اشباع خاک. تحقیقات آب و خاک ایران. 46. 2: 231-244.
4
علیزاده،ا. 1387. زهکشی جدید (برنامهریزی، طراحی و مدیریت سیستمهای زهکشی). چاپ سوم. انتشارات دانشگاه امام رضا(ع).
5
Bhat,S., Motz,L., Pathak,C and Kuebler,L. 2015. Geostatistics-based groundwater-level monitoring network design and its application to the Upper Floridan aquifer, USA. Environmental monitoring and assessment. 187:4183.
6
Barca,E., Calzolari,M.C., Passarella,G and Ungaro,F. 2013. Predicting shallow water table depth at regional scale: optimizing monitoring network in space and time. Water Resources Management. 27: 5171-5190.
7
Brus,D.J. 2010. Design-based and model-based sampling strategies for soil monitoring. 19th World Congress of Soil Science, Soil Solutions for a Changing World, 1– 6 August 2010, Brisbane, Australia. Published on DVD.
8
Brus,D.J and Heuvelink,G.B.M. 2007. Optimization of sample patterns for universal kriging of environmental variables. Geoderma. 138: 86-95.
9
Brus,D.J., Gruijter,J and Van Groenigen,J.W. 2006. Designing spatial coverage samples using the k-means clustering algorithm. Box,G.E.P. and Cox,D.R. 1964. An analysis of transformations. Journal of the Royal Statistical Society. Series B (Methodological). 2: 211-252.
10
Delmelle,E.M and Goovaerts,P. 2009. Second-phase sampling designs for non-stationary spatial variables. Geoderma 153:205-216.
11
ESRI. 2015. An introduction to sampling monitoring networks- Help. ArcGIS Desktop. ESRI Incorporated.
12
Geoff,B. 2005. Introduction to Geostatistics and Variogram Analysis.
13
Hassler,S.K., Lark,R.M., Zimmermann,B and Elsenbeer,H. 2014. Which sampling design to monitor saturated hydraulic conductivity? European Journal of Soil Science. 65.6: 792-802.
14
Knotters,M and Brus,D.J. 2010. Model-based vs. design-based sampling strategies for monitoring, with a case study on testing surface water quality against standards. M3 Workshop, June 16-17, Luxembourg.
15
Mohanty,B.P., KanwarK,R.S and Everts,C. J. 1994. Comparison of saturated hydraulic conductivity measurement methods for a glacial-till soil. Soil Science Society of America Journal. 58: 672-677.
16
Moustafa,M.M. 2000. A geostatistical approach to optimize the determination of saturated hydraulic conductivity for large-scale subsurface drainage design in Egypt. Agricultural Water Management. 42: 291-312.
17
Pereira,G.T., De Souza,Z.M., Teixeira,D.D.B., Montanari, R and Jnior,J.M. 2013. Optimization of the sampling scheme for maps of physical and chemical properties estimated by kriging. Revista Brasileira de Cincia do Solo. 37:1128-1135.
18
Szatmri,G., Barta,K and Pásztor,L. 2016. Multivariate Sampling Design Optimization for Digital Soil Mapping. Digital Soil Mapping Across Paradigms, Scales and Boundaries, Springer Environmental Science and Engineering:77-87
19
Triki,I., Zairi,M and Dhia,H.B. 2013. A geostatistical approach for groundwater head monitoring network optimisation: case of the Sfax superficial aquifer (Tunisia). Water and Environment Journal, 27: 362-372.
20
Theobald,D.M., Stevens,D.L., White,D., Urquhart,N.S., Olsen,A.R and Norman,J.B. 2007.Using GIS to Generate Spatially Balanced Random Survey Designs for Natural Resource Applications. Environmental Management, 40: 134-146.
21
Van Groenigen,J.W., Siderius,W and Stein,A. 1999. Constrained optimisation of soil sampling for minimisation of the kriging variance. Geoderma 87: 239-259.
22
Verstraete,S and Van Meirvenne,M. 2008. A multi-stage sampling strategy for the delineation of soil pollution in a contaminated browneld. Environmental Pollution. 154: 184-191.
23
Yangsha,G., Wanga,J.F and Yinb,X.L. 2011. Optimizing the groundwater monitoring network using MSN theory. Procedia - Social and Behavioral Sciences, 21: 240-245.
24
Zahid,E., Hussain,I., Spöck,G., Faisal,M., Shabbir,J.M., AbdEl-Salam,N and Hussain,T. 2016. Spatial Prediction and Optimized Sampling Design for Sodium Concentration in Groundwater.
25
ORIGINAL_ARTICLE
برآورد تغییرات در تابع توزیع احتمال و تجمعی تجربی دبی اوج لحظهای سالانه سیلاب
سری زمانی دبی اوج سالانه یک سری بسیار مهم در برنامهریزیها و طراحیهای هیدرولوژیکی است. عوامل مختلفی مانند تغییرات آب و هوایی، کاربری زمین و پوشش گیاهی و نیز سایر فعالیتهای تحت تأاثیر انسان میتواند بر ویژگیهای این سری تاثیرگذار باشد، بنابراین برآورد تغییرات در ویژگیهای آن یک تحقیق کاربردی است. هدف این مطالعه بررسی تغییرات در تابع توزیع احتمال تجربی (2EPDF) و تابع توزیع تجمعی تجربی (3ECDF) سری زمانی دبی اوج سالانه بر اساس یک رویکرد نوین است. برای این هدف از سه سری زمانی دبی اوج لحظهای سیلاب سالانه در ایستگاههای هیدرومتری ارازکوسه، لزوره و تمر با طول دوره آماری 43 سال در استان گلستان استفاده شد. نتایج نشان داد تغییرات برآورد شده در سریهای مورد بررسی در کوانتایلهای بالایی روی داده است. همچنین مشخص است الگوی تغییرات نمودارهای EPDF و ECDF در طول دوره در سریهای مورد بررسی متفاوت میباشد. نمودار ECDF انتهای دوره در ارازکوسه نسبت به ابتدای دوره تغییرات خاصی را نشان نمیدهد در حالیکه به ترتیب سریهای تمر و لزوره تغییرات زیادی را درECDF در سطوح بالای مقادیر دبی اوج سیلاب نشان میدهند. مقایسه EPDF های ابتدا و انتهای دوره نیز نشان میدهد دامنه این منحنی در سری ارازکوسه نسبتا ثابت اما در سری لزوره و تمر به طور محسوس افزایش یافته است. همچنین مقدار مد EPDF در هر سه سری در انتهای دوره نسبت به ابتدای دوره افزایش نشان میدهد. مقدار احتمال متناظر با دبی مد در سری ارازکوسه تغییرات محدود داشته در حالیکه در دو سری دیگر شاهد افزایش قابل توجه بوده است.
https://idj.iaid.ir/article_76508_6fb7f8bfb98dbbf190afe7b646b8e078.pdf
2017-09-22
377
387
تابع توزیع احتمال تجربی (EPDF)
تابع توزیع تجمعی تجربی (ECDF)
تغییرات توزیعی
دبی اوج سیلاب
میثم
سالاریجزی
meysam.salarijazi@gau.ac.ir
1
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
LEAD_AUTHOR
انصاری،م.ت.، بامنی مقدم،م.، خوشگویانفرد،ع.ر.، سامآرام،ع. 1385. کاربرد رگرسیون چندک در تحلیل سلامت روانی. 5.20: 59-49.
1
Barbosa,S.M. 2008. Quantile trends in Baltic sea level. Geophysical Research Letters. 35.22: 1-6.
2
Barbosa,S.M., Scotto,M.G and Alonso,A.M. 2011. Summarising changes in air temperature over Central Europe by quantile regression and clustering. Natural Hazards and Earth System Sciences. 11.12: 3227-3233.
3
Beven,K.J., Almeida,S., Aspinall,W.P., Bates,P.D., Blazkova,S., Borgomeo,E and Stephenson,D.B. 2016. Epistemic uncertainties and natural hazard risk assessment–Part 2: Different natural hazard areas.
4
Brath,A., Montanari,A and Moretti,G. 2006. Assessing the effect on flood frequency of land use change via hydrological simulation (with uncertainty).Journal of Hydrology. 324.1: 141-153.
5
Capra,A., Consoli,S and Scicolone,B. 2013. Long-term climatic variability in Calabria and effects on drought and agrometeorological parameters. Water Resources Management. 27.2: 601-617.
6
Crooks,S and Davies,H. 2001. Assessment of land use change in the Thames catchment and its effect on the flood regime of the river. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere. 26.7: 583-591.
7
Das,P.K., Dutta,D., Sharma,J.R and Dadhwal,V.K. 2016. Trends and behaviour of meteorological drought (1901–2008) over Indian region using standardized precipitation–evapotranspiration index. International Journal of Climatology. 36.2: 909-916.
8
Gao,P., Mu,X.M., Wang,F and Li,R. 2011. Changes in stream flow and sediment discharge and the response to human activities in the middle reaches of the Yellow River. Hydrology and Earth System Sciences. 15.1: 1-10.
9
Helsel,D.R., and Hirsch,R.M. 1992. Statistical methods in water resources. Elsevier, 522 pages.
10
Hooshmand,A., Salarijazi,M., Bahrami,M., Zahiri,J and Soleimani,S. 2013. Assessment of pan evaporation changes in South Western Iran. African Journal of Agricultural Research. 8.16:1449-1456.
11
Jagger,T.H and Elsner,J.B. 2009. Modeling tropical cyclone intensity with quantile regression. International Journal of Climatology. 29.10: 1351-1361.
12
Jhajharia,D., Shrivastava,S.K., Sarkar,D and Sarkar,S. 2009. Temporal characteristics of pan evaporation trends under the humid conditions of northeast India. Agricultural and Forest Meteorology. 149.5: 763-770.
13
Kisi,O and Ay,M. 2014. Comparison of Mann–Kendall and innovative trend method for water quality parameters of the Kizilirmak River, Turkey. Journal of Hydrology. 513: 362-375.
14
Koenker,R and Bassett Jr,G. 1978. Regression quantiles. Econometrica: journal of the Econometric Society. 33-50.
15
Koenker,R. 2005. Quantile regression (No. 38). Cambridge university press.
16
Liu,M., Shen,Y., Zeng,Y., Liu,C. 2010. Trend in pan evaporation and its attribution over the past 50 years in China. Journal of Geographical Sciences. 20.4: 557-568.
17
Lopes,A.V., Chiang,J.C.H., Thompson,S.A and Dracup,J.A. 2016. Trend and uncertainty in spatial‐temporal patterns of hydrological droughts in the Amazon basin. Geophysical Research Letters. 43.7:3307-3316.
18
Loucks,D.P., Van Beek,E., Stedinger,J.R., Dijkman,J.P and Villars,M.T. 2005. Water resources systems planning and management: an introduction to methods, models and applications. Paris: Unesco.
19
Marofi,S., Soleymani,S., Salarijazi,M and Marofi,H. 2012. Watershed-wide trend analysis of temperature characteristics in Karun-Dez watershed, southwestern Iran. Theoretical and Applied Climatology. 110.1-2: 311-320.
20
Mazvimavi,D. 2010. Investigating changes over time of annual rainfall in Zimbabwe. Hydrology and Earth System Sciences. 14.12: 2671-2679.
21
McCuen,R.H. 2016. Modeling hydrologic change: statistical methods. CRC press. 448 pages.
22
Miao,C., Ni,J and Borthwick,A.G. 2010. Recent changes of water discharge and sediment load in the Yellow River basin, China. Progress in Physical Geography. 34.4: 541-561.
23
Mikkelson,K.M., Dickenson,E.R., Maxwell,R.M., McCray,J.E and Sharp,J.O. 2013. Water-quality impacts from climate-induced forest die-off. Nature Climate Change.3.3: 218-222.
24
Moazed,H., Salarijazi,M., Moradzadeh,M and Soleymani,S. 2012. Changes in rainfall characteristics in Southwestern Iran. African Journal of Agricultural Research. 7.18: 2835-2843.
25
Mondal,A., Kundu,S and Mukhopadhyay,A. 2012. Rainfall trend analysis by Mann-Kendall test: A case study of north-eastern part of Cuttack district, Orissa. International Journal of Geology, Earth and environmental Sciences, 2.1: 70-78.
26
Muhlbauer,A., Spichtinger,P and Lohmann,U. 2009. Application and comparison of robust linear regression methods for trend estimation. Journal of Applied Meteorology and Climatology.48.9:1961-1970.
27
Muzik,I. 2002. A first-order analysis of the climate change effect on flood frequencies in a subalpine watershed by means of a hydrological rainfall–runoff model. Journal of Hydrology. 267.1: 65-73.
28
Naddeo,V., Scannapieco,D., Zarra,T and Belgiorno,V. 2013. River water quality assessment: Implementation of non-parametric tests for sampling frequency optimization. Land Use Policy. 30.1: 197-205.
29
Pieri,L., Rondini,D and Ventura,F. 2016. Changes in the rainfall–streamflow regimes related to climate change in a small catchment in Northern Italy.Theoretical and Applied Climatology: 1-13.
30
Prudhomme,C., Jakob,D and Svensson,C. 2003. Uncertainty and climate change impact on the flood regime of small UK catchments. Journal of hydrology. 277.1: 1-23.
31
Reynard,N.S., Prudhomme,C and Crooks,S.M. 2001. The flood characteristics of large UK rivers: potential effects of changing climate and land use. Climatic change. 48.2-3: 343-359.
32
Rheuban,J.E., Williamson,S., Costa,J.E., Glover,D.M., Jakuba,R.W., McCorkle,D.C and Doney,S.C. 2016. Spatial and temporal trends in summertime climate and water quality indicators in the coastal embayments of Buzzards Bay, Massachusetts. Biogeosciences.13.1: 253-265 .
33
Salarijazi,M., Akhond-Ali,A.M., Adib,A and Daneshkhah,A. 2012. Trend and change-point detection for the annual stream-flow series of the Karun River at the Ahvaz hydrometric station. African Journal of Agricultural Research, 7.32:4540-4552.
34
Sansigolo,C.A and Kayano,M.T. 2010. Trends of seasonal maximum and minimum temperatures and precipitation in Southern Brazil for the 1913-2006 period.Theoretical and Applied Climatology. 101.1-2: 209-216.
35
Shiau,J.T and Huang,W.H. 2015. Detecting distributional changes of annual rainfall indices in Taiwan using quantile regression. Journal of Hydro-environment Research. 9.3: 368-380.
36
Shiau,J.T and Huang,W.H. 2015. Detecting distributional changes of annual rainfall indices in Taiwan using quantile regression. Journal of Hydro-environment Research. 9.3: 368-380.
37
Tabari,H and Talaee,P.H. 2011. Recent trends of mean maximum and minimum air temperatures in the western half of Iran. Meteorology and Atmospheric Physics.111.3-4: 121-131.
38
Timofeev,A.A and Sterin,A.M. 2010. Using the quantile regression method to analyze changes in climate characteristics. Russian Meteorology and Hydrology. 35.5: 310-319.
39
Villarini,G., Smith,J.A., Baeck,M.L., Vitolo,R., Stephenson,D.B and Krajewski,W.F. 2011. On the frequency of heavy rainfall for the Midwest of the United States. Journal of Hydrology. 400.1: 103-120.
40
Villarini,G., Smith,J.A., Serinaldi,F and Ntelekos,A.A. 2011. Analyses of seasonal and annual maximum daily discharge records for central Europe. Journal of Hydrology. 399.3: 299-312.
41
Wang,H., Killick,R and Fu,X. 2014. Distributional change of monthly precipitation due to climate change: comprehensive examination of dataset in southeastern United States. Hydrological Processes. 28.20: 5212-5219.
42
Westra,S., Alexander,L.V and Zwiers,F.W. 2013. Global increasing trends in annual maximum daily precipitation. Journal of Climate. 26.11:3904-3918.
43
Yu,K., Lu,Z and Stander,J. 2003. Quantile regression: applications and current research areas. Journal of the Royal Statistical Society: Series D (The Statistician). 52.3: 331-350.
44
ORIGINAL_ARTICLE
پیشبینی میان مدت تقاضای آب شهری با استفاده از شبکههای عصبی مبتنی بر الگوریتمهای تکاملی (مطالعه موردی: شهرستان صوفیان)
پیشبینی تقاضای آب در سیستمهای آبرسانی به منظور مدیریت صحیح منابع آب و توزیع آن امری ضروری است. با توجه به روند پرنوسان و غیرخطی مصرف آب و متغیرهای موثر بر آن، استفاده از مدلهای غیرخطی مانند شبکههای عصبی در این زمینه توفیق بیشتری داشتهاند. از طرفی این مدلها دارای نقاط ضعفی مانند نیاز به دادههای آموزشی فراوان و ضعف در یافتن نقاط بهینه سراسری میباشند. در این مطالعه با ادغام شبکه عصبی چند لایه با الگوریتمهای تکاملی PSO و ICA، علاوه بر رفع نقایص مذکور، اقدام به آموزش شبکه و پیشبینی روزانه مصرف آب در شهرستان صوفیان بر اساس پارامترهای هواشناسی شده است. مقایسه نتایج شبکه ترکیب شده با الگوریتمهای PSO و ICA با شبکهای که توسط الگوریتم کلاسیک LM آموزش دیده، نشان میدهد که شبکههای ترکیبی عملکرد بهتری داشته و در این بین، شبکه عصبی ترکیبی با PSO، با ضریب همبستگی 98/0 در هر یک از فصول گرم و سرد سال، دقت بالاتری نسبت به سایر شبکهها دارد. همچنین پیشبینی تقاضای آب با استفاده از مدل ترکیبی طراحی شده، با چشمانداز 10 ساله، نشان میدهد که تقاضای آب در این شهرستان در سال 1404 حدود 40% افزایش خواهد یافت.
https://idj.iaid.ir/article_76509_fe54c3da2427f946a7d13d5582aba9df.pdf
2017-09-22
388
402
الگوریتم اجتماع ذرات
الگوریتم رقابت استعماری
پیشبینی
تقاضای آب
شبکه عصبی
نازیلا
کاردان
n.kardan@azaruniv.ac.ir
1
گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
LEAD_AUTHOR
یوسف
حسنزاده
2
استاد گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز
AUTHOR
حامد
رضوینژاد
3
دانشجوی دکتری سازههای هیدرولیکی، دانشکده مهندسی عمران، دانشگاه تبریز
AUTHOR
تابش،م.، دینی،م.، خوشخلق،ع.ج.، زهرایی،ب. 1387. برآورد مصرف روزانه آب تهران با استفاده از سریهای زمانی، نشریه تحقیقات منابع آب ایران، 4. 2: 57-65.
1
سهرابی وفا،ح.، نوری،ف و عبادی،م. 1392. پیشبینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات، نشریه انرژی ایران، 16.3: 90-69.
2
Adamowski,J. 2008. Peak daily water demand forecast modeling using artificial neural networks. Journal of Water Resources Planning and Management. 134.2: 119-128.
3
Adamowski,J., Chan,H., Prasher,S., Ozga-Zielinski,B and Sliusarieva,A. 2012. Comparison of multiple linear and nonlinear regressions, autoregressive integrated moving average, artificial neural network, and wavelet artificial neural network methods for urban water demand forecasting in Montreal, Canada. Journal of Water Resources Research. 48.1: 1-14.
4
Ahmadi,M.A. 2011. Prediction of Asphatene precipitation using artificial neural network optimized by imperialist competitive algorithm, Journal of Petroleum Exploration and Production Technology, 1: 99-106.
5
Almutaz,I., Ajbar,A., Khalid,Y and Ali,E. 2012a. A probabilistic forecast of water demand for a tourist and desalination dependent city: case of Mecca, Saudi Arabia. Journal of Desalination. 294: 53-59.
6
Almutaz,I., Ajbar,A., Khalid,Y and Ali,E. 2012b. Determinants of residential water demand in an arid and oil rich country: a case study of Riyadh city in Saudi Arabia. International Journal of Physical Sciences, 7.43: 5787-5796.
7
Al-Zahrani,M and Abo-Monasar,A. 2015. Urban residential water demand prediction based on artificial neural networks and time Series Models. Journal of Water Resources Management. 29.10: 3651-3662.
8
Atashpaz-Gargari,E and Lucas,C. 2007. Imperialist competitive algorithm: an algorithm for optimization inspired by imperialistic competition. In: IEEE Congress on Evolutionary Computation, 25-28 September, (pp. 4661-4667). Suntec Singapore Intl. Convention & Exhibition Ctr, Singapore: IEEE.
9
Babel,M.S and Shinde,R.V. 2011. Identifying prominent explanatory variables for Water demand prediction using artificial neural networks: a case study of bangkok. Water Resources Management. 25. 1653-1676.
10
Bakker,M., Van Duist,H., Van Schagen,K., Vreeburg,J and Rietveld,L. 2014. Improving the performance of water demand forecasting models by using weather input. Journal of Procedia Engineering. 70: 93-102.
11
Chau,K.W. 2006. Particle swarm optimization training algorithm for ANNs in stage prediction of Shingmun river. Journal of Hydrology, 329.3-4: 363-367.
12
Chen,X. 2009. Prediction of urban water demand based on GA-SVM. International Conference on Future Computer and Communication. 6-7 June, (pp. 285-288). Huaiyin Institute of Technology Huaian, China: IEEE.
13
Ghiassi,G.A., Zimbra,D.K.B and Saidane,H.C. 2008. Urban water demand forecasting with a dynamic artificial neural network model. Journal of Water Resources Planning and Management, 134.2: 138-146.
14
Hornik,K. 1991. Approximation capabilities of multilayer feedforward networks. Journal of Neural Networks, 4: 251-257.
15
Kennedy,J and Eberhart,R. 1995. Particle swarm optimization. In: IEEE International Conference on Neural Networks, 25-28 September, (pp. 1942-1948). Perth, WA, Australia: IEEE.
16
Kennedy,J and Mendes,R. 2002. Population structure and particle swarm performance. In: IEEE Congr. Evol. Comput., 12-17 May.1671-1676.
17
Kim,J.H., Hwang,S.H and Shin,H.S. 2001. A neuro-genetic approach for daily water demand. Journal of Civil Engineering. 5.3: 281-288.
18
Kuok,K.K., Harun,S and Shamsuddin,S.M. 2010. Particle swarm optimization feed forward neural network for modeling run-off. International Journal of Environmental Science Technology. 7.1: 67-78.
19
Levenberg,k. 1944. A method for solution of certain non-linear problems in least squares. Journal of Quarterly of Applied Mathematics. 2: 164-168.
20
Lourakis,M. 2005. A brief description of the Levenberg-Marquardt algorithm implemented by levmar, Foundation for Research and Technology – Hellas: 1-7.
21
Marquardt,D. 1963. An algorithm for least-squares estimation of nonlinear parameters. SIAM Journal on Applied Mathematics. 11.2: 431-441.
22
McCulloch,W.S and Pitts,W. 1943. A logic calculus of the ideas immanent in nervous activity. Journal of Bulletin of Mathematical Biophysics. 5.4: 115-133.
23
McClelland,J.L., Rumelhart,D.E and Hinton,G.E. 1986. The appeal of distributed processing. In: Parallel Distributed Processing: Explorations in Microstructure of Cognition-Foundations. 1: 3-44.
24
Msiza,I.S., Nelwamondo,F.V and Marwala,T. 2007. Water demand forecasting using multi-layer perceptron and radial basis functions. In: Proceedings of the IEEE International Conference on Neural Networks, 12-17 August, (pp. 13-18). Orlando, Florida: IEEE.
25
Sozen,A and Arcaklioglu,E. 2007. Prospects for Future Projections of the Basic Energy Sources in Turkey. Energy Sources, Part B: Economics, Planning, and Policy. 2:183-201.
26
Tabesh,M., Goosheh,S and Yazdanpanah,M.J. 2006. Short term water demand forecasting of Tehran city by artificial neural network. Journal of Tehran University Engineering Faculty. 41.2: 11-24.
27
Tabesh,M and Dini,M. 2008. Fuzzy and neuro- fuzzy models for short-term water demand forecasting in Tehran. Iranian Journal of Science and Technology, Transaction B, 33.1: 61-77.
28
Zhang,G., Patuwo,B.E and Hu,M. 1998. Forecasting with artificial neural network: the state of art. International Journal of Forecasting. 14.1: 35-62.
29
ORIGINAL_ARTICLE
آبیاری تکمیلی گندم دیم با استفاده از آب ذخیره شده در کمآبیاری گندم آبی
این آزمایش در قالب طرح آزمایشی بلوکهای کامل تصادفی در مزرعه دانشکده کشاورزی دانشگاه تبریز در سال زراعی 95-1394 اجرا گردید. عملکرد و اجزای عملکرد گندم آبی تحت سه سطح تنش (آبیاری کامل، 30 درصد تنش و 50 درصد تنش) و گندم دیم در سه سطح آبیاری تکمیلی (بدون آبیاری، یک نوبت در خرداد و دو نوبت در اردیبهشت و خرداد) و در سه تکرار بررسی شد. بر اساس نتایج به دست آمده اعمال تنش باعث کاهش وزن هزار دانه، دانه در خوشه و در نتیجه کاهش عملکرد دانه میشود. در کشت دیم تیمارهای با دو نوبت آبیاری دارای بیشترین دانه در سنبله و عملکرد کاه میباشند. بین عملکرد دیم در شرایط تکآبیاری خرداد و دو آبیاری در اردیبهشت و خرداد اختلاف معنیداری مشاهده نشد. اگرچه اعمال 30 درصد تنش موجب کاهش عملکرد گندم آبی به میزان 13/1 تن در هکتار میشود، اما میتوان با استفاده از 1/64 درصد از آب ذخیره شده ناشی از این تنش برای آبیاری اراضی دیم در خرداد ماه، عملکرد دیم را 16/2 تن در هکتار افزایش داد. این امر باعث افزایش میزان تولید و بهرهوری مصرف آب خواهد شد.
https://idj.iaid.ir/article_76510_f7cec54d05a6fcfe8a9c1eaf394f5b18.pdf
2017-09-22
403
411
بهرهوری مصرف آب
تنش
عملکرد دانه
معین
هادی
moeinhadi70@gmail.com
1
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
سعید
جلیلی
2
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب دانشگاه تبریز
AUTHOR
ابوالفضل
مجنونی هریس
3
استادیار گروه علوم و مهندسی آب دانشگاه تبریز
AUTHOR
آبخضر،ح.ر.، قهرمان،ب. 1382. تعیین ضریب حساسیت گندم زمستانه به تنش رطوبتی. نشریه پژوهشهای زراعی ایران. 1: 13-3.
1
امیدینسب،د.، قرینه،م.ح.، بخشنده،ع.، شرفیزاده،م.، شافعینیا،ع.ر و سقلی،ع. 1394. اثر میزان بذر و کود نیتروژن بر عملکرد و اجزای عملکرد ارقام گندم(Triticum aestivum) در بقایای گیاهی ذرت (Zea mays) (بیخاکورزی). نشریه پژوهشهای زراعی ایران. 13(3): 610-598.
2
بابازاده،ح.، شاهرخی،ف.، منشوری،م و داوودی،ف.1390. بررسی تاثیر آبیاری تکمیلی بر عملکرد و اجزای عملکرد گندم دیم منطقه ابهر، استان زنجان. مجله مهندسی منابع آب. 4: 84-75.
3
توکلی، ع.ر. 1392. کمآبیاری و مدیریت آبیاری تکمیلی گندم آبی و دیم در شهرستان سلسله. نشریه پژوهش آب در کشاورزی. 27.4: 600-589.
4
چگنی،ه. 1393. بررسی اثر تراکم بوته بر عملکرد و اجزای عملکرد گندم. نشریه زراعت (پژوهش و سازندگی). 104: 21-9.
5
حسینپناهی،ف.، کافی،م.، پارسا،م.، نصیریمحلاتی،م و بنایان،م. 1390. ارزیابی عملکرد و اجزای عملکرد ارقام گندم مقاوم و حساس به خشکی تحت شرایط تنش رطوبتی با بهرهگیری از مدل پنمن- مونتیث فائو. نشریه تنشهای محیطی در علوم زراعی. 4.1: 63-47.
6
رستگار،م.ع. 1387. دیمکاری. انتشارات برهمند. 368 صفحه.
7
سالمی،ح.ر و افیونی،د. 1384. اثر تیمارهای کمآبیاری بر عملکرد و اجزای عملکرد دانه ارقام جدید گندم. فصلنامه علوم کشاورزی و منابع طبیعی.12.3: 20-11.
8
فرمهینی فراهانی،م.، میرزاخانی،م و ساجدی،ن.ع. 1392. اثر تنش کم آبی و کاربرد مواد جاذب رطوبت بر عملکرد و اجزای عملکرد گندم پاییزه در اراک. نشریه یافتههای نوین کشاورزی. 7.3: 274-263.
9
محسنیموحد،س.ا.ا و اکبری،م. 1390. اثر حذف آبیاری در مراحل مختلف رشد بر عملکرد گندم رقم الوند (مطالعه موردی: همدان). نشریه آب و خاک (علوم و صنایع کشاورزی). 25.6: 1394-1386.
10
نورمحمدی،ق.، سیادت،ع و کاشانی،ع. 1380. زراعت غلات، جلد اول. انتشارات دانشگاه شهید چمران اهواز. 444 صفحه.
11
Chen,R., Cheng,W., Cui,J., Liano,J., Fan,H., Zheng,Z., Ma,F. 2015. Lateral spacing in drip-irrigated wheat: The effect on soil moisture, yield, and water use efficiency. Field Crop Research.179:52-69.
12
Li,Q., Bian,C., Liu,X., Ma,C., Liu,Q. 2015. Winter wheat grain yield and water use efficiency in wide-precision planting pattern under deficit irrigation in North China Plain. Agriculture Water Management. 152:71-76.
13
Liu,E.K, Mei,X.R., Yan,C.R., Gong,D.Z., Zhang,Y.Q. 2015. Effects of water stress on photosynthetic characteristics, dry matter translocation and WUE in two winter wheat genotypes. Agriculture Water Management. 167: 75-85.
14
Mahmood,A., Oweis,T., Ashraf,M., Majid,A., Aftab,M., Aadal,N.K., Ahmad,I. 2015. Performance of improved practices in farmers’ fields under rainfed and supplemental irrigation systems in a semi-arid area of Pakistan. Agriculture Water Management. 155:1-10.
15
Oweis,T. 1997. Supplemental Irrigation: A highly efficient water-use practice. International Center for Agricultural Research in the Dry Areas (ICARDA), Aleppo, Syria.
16
Oweis,T., Hachum,A., Kine,J. 2000. Water harvesting and supplementary irrigation for improved water use efficiency in dry areas. System-wide initiative on water management paper 7. Colombo, Srilanka: International water management institute.
17
Stone,L.R., Schlegel,A.J. 2006. Yield–water supply relationships of grain sorghum and winter wheat. Agronomy journal. 98:1359-1366.
18
Zhang,B., Li,F.M., Huang,G., Cheng,Z.Y., Zhang,Y. 2006. Yield performance of spring wheat improved by regulated deficit irrigation in an arid area. Agricultural Water Management. 79: 28-42.
19
ORIGINAL_ARTICLE
شبیهسازی حل تحلیلی، عددی و آزمایشگاهی نشت جریان ترانشهای در زهکشی
در این پژوهش حل تحلیلی و عددی جریان ماندگار زهکشی در سه ترانشه مستطیلی، نیمدایرهای و مثلثی ارائه شد. حل تحلیلی بهکمک نگاشت همدیس و تئوری پتانسیل مختلط و حل عددی در برنامه SEEP/W بهروش اجزا محدود صورت گرفت. همچنین با طراحی یک مدل فیزیکی در آزمایشگاه مقدار جریان خروجی از لوله زهکش در پنج عمق10، 20، 30، 40 و 50 سانتیمتر هر سه ترانشه اندازهگیری شد. بهطوریکه بیشینه تخلیه در شرایط آزمایش در ترانشههای مستطیلی، نیمدایرهای 40 سانتیمتر و در ترانشه مثلثی 30 سانتیمتر بهدست آمد. دقت نتایج از اختلاف بین دو دبی بیبعد نشت از ترانشه (qs/ks) برای حل تحلیلی و عددی با مقادیر آزمایشگاهی در قالب دو آماره جذر میانگین مربعات خطا (RMSE) و ضریب تعیین(R2) سنجیده شد. مقدار RMSE حل تحلیلی در ترانشه مثلثی 048/0، نیمدایره 061/0، مستطیلی071/0 با ضریب تعیین 99/0، 98/0 و 98/0 و در حل عددی بهترتیب 045/0، 056/0 041/0، با ضریب تعیین87/0، 97/0 و 97/0 بهدست آمد. مقایسه بین نتایج شبیهسازی تحلیلی و عددی با آزمایشگاهی نشان داد که هر دو روش توانستند با دقت بالایی جریان ترانشهای را شبیهسازی کنند. با این حال دقت حل عددی در آزمایش حاضر بهدلیل در نظر گرفتن عمق ماندابی و شکل واقعی لوله زهکش میتواند بیش از حل تحلیلی باشد. در حل تحلیلی لحاظ برخی سادهسازیها و فرضیات مانند ناچیز بودن اثر عمق ماندابی روی خاک و بهصورت خط در نظر گرفتن محیط دایرهای لوله میتواند عامل کمتر بودن دقت کار باشد. ضمن آنکه هیدرولیک جریان ورودی از منافذ به لوله زهکش در حل تحلیلی و حل عددی نسبت به روش آزمایشگاهی لحاظ نشده است.
https://idj.iaid.ir/article_76511_2076ec0d4ccb2f9773989ce7d6767b0a.pdf
2017-09-22
412
423
جریان ترانشهای
زهکشی
شکل ترانشه
شبکه جریان
عمق نصب لوله
SEEP/W
حمید
زارع ابیانه
zareabyaneh@gmail.com
1
دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
LEAD_AUTHOR
زهرا
مشارع
2
دانشآموخته کارشناسی ارشد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
AUTHOR
علی
افروزی
3
دانشجوی دکتری گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
AUTHOR
اصلانی،ف.، ناظمی،ا.ح.، صدرالدینی،ع.ا.، فاخریفرد،ا و قربانی،م.ع. 1389. برآورد عمق و فاصله مناسب زهکشهای زیرزمینی بر اساس کیفیت زهآب. مجله تحقیقات آب و خاک ایران.2 . 41: 139 - 146.
1
رضی،ف. 1390. بررسی اثر عمقهای مختلف نصب زهکشها بر کیفیت آب خروجی. پایاننامه کارشناسی ارشد رشته آبیاری و زهکشی، دانشکده فنی و مهندسی، دانشگاه بینالمللی امام خمینی (ره) قزوین.
2
رضی،ف.، ستودهنیا،ا.، دانشکارآراسته،پ.، اکرم،م. 1391. بررسی آزمایشگاهی اثر عمق نصب زهکشها بر شوری زهآب. مجله تحقیقات آب و خاک. 43.3: 288-281.
3
ستودهنیا،ع و جعفری،م. 1395. بررسی اثر زهکش حائل شورهزار قزوین برسطح ایستابی منطقه با استفاده از مدلSeep/w. تحقیقات آب و خاک ایران. 47 .2: 245-237.
4
ستودهنیا،ع. نوروزپور اصل،ا و دانشکار آراسته،پ. 1393. بررسی آزمایشگاهی اثر عمق نصب زهکشهای زیرزمینی در شستوشوی نیترات از خاک شنلومی. نشریه پژوهش آب در کشاورزی 28 .3 ب: 634-625.
5
سلیمانی ننادگانی،م.، پارسینژاد،م و نوری،ح. 1392. برآورد هزینههای نصب زهکشهای زیرزمینی لولهای. پژوهشهای آبخیزداری. 98:34 تا 41.
6
شاهنظری،ع.، ضیا تباراحمدی،ع،. ضیاءتباراحمدی،م.خ و آقاجانی مازندرانی،ق. 1392. بررسی کارایی زهکشهای زیرزمینی در شرایط جلوگیری از ورود آب از سطح فوقانی. نشریه آب و خاک. علوم و صنایع کشاورزی. 27 .2: 440-432.
7
شیری،ج.، ناظمی،ا.ح.، صدرالدینی،ع.ا و فاخریفرد،ا. 1389. تأثیر مقاومت ورودی بر مشخصههای هیدرولیکی جریان در زهکشی زیرزمینی. دانش آب و خاک. 4.20: 67-47.
8
ضیاتبار احمدی،ع. 1390. بررسی کارایی زهکشهای زیرزمینی در شرایط جلوگیری از ورود جریان عمودی. پایاننامه دوره کارشناسی ارشد رشته آبیاری و زهکشی. دانشگاه علوم کشاورزی و منابع طبیعی ساری. دانشکده مهندسی زراعی. گروه مهندسی آب.
9
مازندرانیزاده،ح. 1395 طراحی سیستم زهکشی با استفاده از الگوریتم بهینهسازی چند هدفه NSGA-II با رویکرد اقتصادی- زیست محیطی. تحقیقات منابع آب ایران. 12 .3: 152-142.
10
مجتهدی،س.ح و فغفور مغربی،م. 1389. روش تحلیلی محاسبه نشت از کانال نیمه بیضی به روش نگاشت کانفرمال. آبیاری و زهکشی ایران. 4.1: 30-22.
11
نظری،ب.، لیاقت،ع.، پارسینژاد،م و ناصری،ع. 1387. بهینهسازی عمق نصب زهکشهای زیرزمینی با ملاحظات اقتصادی و زیست محیطی. پنجمین کارگاه فنی زهکشی و محیط زیست، 16 آبان ماه ، تهران، صفحههای 108 تا 122.
12
نوذری،ح.، زالی،ع و آزادی،س. 1395. بررسی آزمایشگاهی تغییرات شوری زهآب در فواصل و اعماق مختلف زهکش در حضور آب زیرزمینی شور. دانش آب و خاک. 29 .2/2: 150-139.
13
Afruzi,A., Nazemi,A.H and Sadraddini,A.A. 2014. Steady-state subsurface drainage of ponded fields by rectangular ditch drains. Irrigation and Drainage. 63.5: 668-681.
14
Arnold,L.A. 2004. Effects of drain depth on nitrogen losses in drainage in shallow water table soils. MSc. Thesis. North Carolina State University. North Carolina.
15
Christen,E and Skehan,D. 2001. Design and management of subsurface horizontal drainage to reduce salt loads. Journal of Irrigation and Drainage Engineering. 127.3: 148-155.
16
Corey,AT. 1986. Mechanics of immiscible fluids in porous media. Water Resources Publications. Littleton, Colorado. Pp. 255.
17
Dennis,C.W and Trafford,B.D., 1975. The effect of permeable surrounds on the performance of clay field drainage pipes. Journal of Hydrology. 24.3:239-249.
18
Deverel,S.J., Fio,J.L. 1991. Groundwater flow and solute movement to drain laterals, western San Joaquin Valley, California: 1. Geochemical assessment. Water resources research. 27.9: 2233-2246.
19
Dierickx,W. 1993. Research and developments in selecting subsurface drainage materials. Irrigation and Drainage Systems. 6:291-310.
20
Geo-Slope, 2009. Seepage modeling with SEEP/W 2007. 4th edi, Geo-Slope International ltd, Calgary, Canada, 319 pp.
21
Harr,ME. 1962. Groundwater and Seepage. McGraw-Hill: New York.
22
Iqbal,M and Ahmad,M. 2007. Optimal design of a subsurface pipe drainage system. Pakistan Journal of Agricultural Sciences (Pakistan) 44.1:159-163.
23
Jacobsen,O.H and Kjaer,J. 2007. Is tile drainage water representative for root zone leaching of pesticides–a review. Pest Management Science. 63:417-428.
24
Klute,A and Dirksen,Ch. 1986. Hydraulic conductivity and diffusivity: Laboratory methods. Methods of Soil Analysis: Part 1—Physical and Mineralogical Methods-Agronomy Monograph no.9, pp 687-734.
25
Nangia,V., Gowda,P.H., Mulla,D.J and Sands GR. 2010. Modeling impacts of tile drain spacing and depth on nitrate-nitrogen losses. Vadose Zone. 9.1: 61-72.
26
Peukert,S., Griffith,B.A., Murray,P.J., Macleod,C.J.A., Brazier,R.E. 2016. Spatial variation in soil properties and diffuse losses between and within grassland fields with similar shortterm management. European Journal of Soil Science. 67.4: 386-396.
27
Rimidis,A., Dierickx,W. 2004. Field research on the performance of various drainage materials in Lithuania. Agricultural water management. 68.2: 151-175.
28
Schwab,G.O., Kirkham,D. 1951. The effect of circular perforations on flow into subsurface drain tubes. Part II. Experiments and results, Agricaltural Engineering. 32.5:270-4.
29
Smith,D.R., Livingston,S.J., Zuercher,B.W., Larose,M., Heathman,G.C., Huang,C. 2008. Nutrient losses from row crop agriculture in Indiana. Journal of Soil and Water Conservation. 63.6: 396-409.
30
Stuyt,L.C., Dierickx,W. 2006. Design and performance of materials for subsurface drainage systems in agriculture. Agricultural Water Management. 86.1:50-9.
31
Tao,Y., Wang,S., Xu,D., Qu,X. 2016. Experiment and analysis on flow rate of improved subsurface drainage with ponded water. Agricultural Water Management. 177:1-9.
32
Tod,I.C., Grismer,M.E. 1991. Drainage of Clay Overlying Artesian Aquifer. II: Technical Analysis. Irrigation and Drainage Engineering. 117.2:271-84.
33
Youngs,E.G. 1982. Calculations of ponded water drainage for flow regions of various geometries to demonstrate effect of disturbed soil-zone shape on drain performance. Agricultural Engineering Research. 27.541-54.
34
ORIGINAL_ARTICLE
بررسی راهکارهای افزایش پایداری شیبهای خاکی در کانالهای خاکی
از دیدگاه مهندسی ژئوتکنیک، روشهای افزایش پایداری شیبهای خاک به سه دسته کلی روشهای مکانیکی، تسلیح خاک و شیمیایی، تقسیم میشوند. اصلاح رفتار خاک به کمک افزودنیها که جز روشهای شیمیایی طبقهبندی میشود، همواره به عنوان یکی از روشهای موثر در افزایش پایداری شیبهای خاکی، مدنظر پژوهشگران در مهندسی ژئوتکنیک بوده است. در این پژوهش اثر افزودن چهار ماده سدیمکلرید3، کلسیمکلرید4، آهک5 و مخلوط آهک و خاکستر تفاله نیشکر، در سه سطح 5، 5/7 و 10 درصد وزنی طی دو دوره عملآوری 7 و 21 روز، مورد بررسی قرار گرفت. نتایج بدست آمده از این پژوهش نشان داد که سدیمکلرید، پایداری شیبهای خاکی را کاهش و کلسیمکلرید، آهک و مخلوط آهک و خاکستر تفاله نیشکر موجب افزایش پایداری در شیبهای خاکی میشوند. همچنین نتایج بیانگر آن بود که دوره عملآوری 21 روزه نسبت به دوره عملآوری 7 روزه تاثیر بیشتری در افزایش یا کاهش پایداری شیبهای خاکی داشت.
https://idj.iaid.ir/article_76516_5bca3f2d283ab40a17e8c092f7261411.pdf
2017-09-22
424
434
آهک
خاکستر تفاله نیشکر
سدیمکلرید
کلسیمکلرید
کانال خاکی
قاسم
پناهی
gahsempanahi71@mail.um.ac.ir
1
دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه فردوسی مشهد
AUTHOR
سعیدرضا
خداشناس
khodashenas@ferdowsi.um.ac.ir
2
استاد گروه مهندسی آب،دانشگاه فردوسی مشهد- مشهد،ایران
LEAD_AUTHOR
شهسواری،ا و عباسی،ن. 1390. ارزیابی تاثیر کلرید سدیم بر چسبندگی و زاویه اصطکاک داخلی خاکهای رسی. همایش ملی سازه، راه، معماری. چالوس. ایران.
1
شهسواری،ا و عباسی،ن. 1390. تاثیر نمک سولفات سدیم بر مقاومت برشی خاکهای ریزدانه. اولین کنفرانس ملی عمران و توسعه. زیباکنار. ایران.
2
صداقت،ا و خمیریثانی،م. 1394. بررسی افزایش مقاومت خاکهای رسی با وارد کردن محلول کلرید کلسیم. دومین کنفرانس ملی توسعه علوم و مهندسی. تنکابن. ایران.
3
طاهرخانی،ح و جوانمرد،م. 1394. مقایسه تاثیر سیمان، آهک و نانو پلیمر CBR PLUS در کاهش تورم خاکهای رسی بستر روسازیها. نشریه زمین شناسی مهندسی. 9-4.
4
عابدیکوپایی،ج.، نوروزیان،ک و عباسی،ن. 1394. ارزیابی دوام و پایداری خاکهای رسی تثبیت شده با آهک هیدراته در مجاورت سازههای آبی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. 19-73.
5
Abadi,A.N., Aliasgharzadeh,M., Mirmohammadsadeghi,M., Hanifi,S. 2015. Effects of Adding Lime to Improve Levee Soil Layer Using Numerical Method (Case Study: Part VI of Bijar–Zanjan Four-Lane). Cumhuriyet Science Journal. 36:2079-2087.
6
Abood,T.T., Kasa,A.B., Chik,Z.B. 2007. Stabilisation of silty clay soil using chloride compounds. Journal of engineering science and technology 2:102-110.
7
Ali,R., Khan,H., Shan,A.A. 2014. Expansive Soil Stabilization Using Marble Dust and Bagasse Ash. International Journal of Science and Research, 3:2812-2816.
8
Amu,O., Salami,B.A. 2010. Effect of common salt on some engineering properties of eggshell stabilized lateritic soil. ARPN journal of Engineering and applied sciences 5:64-73.
9
Asgari,M.R., Baghebanzade,D.A., Bayat,M. 2015. Experimental study on stabilization of a low plasticity clayey soil with cement/lime. Arabian Journal of Geosciences. 8:1439-1452.
10
Aziz,M., Saleem,M., Irfan,M. 2015. Engineering behavior of expansive soils treated with rice husk ash. GEOMECHANICS AND ENGINEERING. 8:173-186.
11
Calik,U., Sadoglu.E. 2014. Classification, shear strength, and durability of expansive clayey soil stabilized with lime and perlite. Natural hazards. 71:1289-1303.
12
Chong,S.Y., Kassim,K.A. 2015. Effect of Lime on Compaction, Strength and Consolidation Characteristics of Pontian Marine Clay. Jurnal Teknologi. 72:41-47.
13
Danso,H., Martinson,D.B., Ali,M., and Williams,J.B. 2015. Effects of sugarcane bagasse fibre on the strength properties of soil blocks. p. 1-7. First International Conference on Bio-based Building Materials, 22-24 june. 2015. Clermont-Ferrand, France.
14
Di Sante,M., Fratalocchi,E., Mazzieri,F., Brianzoni,V. 2015. Influence of delayed compaction on the compressibility and hydraulic conductivity of soil–lime mixtures. Engineering Geology. 185:131-138.
15
Jafer,H.M. 2013. Stabilization of Soft Soils Using Salts of Chloride. Babylon University/Engineering Sciences. 21:1546-1554.
16
Jha,A.K., Sivapullaiah,P.V. 2015. Mechanism of improvement in the strength and volume change behavior of lime stabilized soil. Engineering Geology. 198:53-64.
17
KumarA., Gupta,D. 2015. Behavior of cement-stabilized fiber-reinforced pond ash, rice husk ash–soil mixtures. Geotextiles and Geomembranes. 9:1-9
18
Kusim,A.S., Abdullah,N.E., Hashim,H., Beeran,K.S. 2013. Effects of salt content on measurement of soil resistivity. p. 124-128. Power Engineering and Optimization Conference, 3-4 June. 2013. Langkawi, Malaysia.
19
Makki-Szymkiewicz L., Hibouche A., Taibi,S., Herrier,G. 2015. Evolution of the properties of lime-treated silty soil in a small experimental embankment. Engineering Geology. 191:8-22.
20
Malik,M., Iqbal,A., Manzoor,J., Nazir,H., Iqbal,T. 2015. Effect of Coal Ash on Strength and CBR Properties of Lacustrine Soil. International Journal of Engineering Research and Technology. 3:37-42
21
Naeini,S.A., Gholampoor,N., Najmosadaty,S.A. 2015. The Effect of Wetting-Drying Cycles and Plasticity Index on California Bearing Ratio of Lime Stabilized Clays. Journal of Engineering Geology. 9:2818.
22
Qu,J., Li,B., Wei,T., Li,C., Liu,B. 2014. Effects of rice-husk ash on soil consistency and compactibility. Catena. 122: 54-60.
23
Sadeeq,J.A., Ochepo,J., Salahudeen,A.B., Tijjani,S.T. 2015. Effect of Bagasse Ash on Lime Stabilized Lateritic Soil. Jordan Journal of Civil Engineering. 9:203-213.
24
Shariatmadari,N., Salami,M., Karimpourfard,M. 2011. Effect of inorganic salt solutions on some geotechnical properties of soil-bentonite mixtures as barriers. International Journal of Civil Engineering. 9:103-110.
25
ORIGINAL_ARTICLE
شبیهسازی عددی و تحلیل تأثیر پارامترهای بیلان و نیروگاه شهید مفتح بر افت سطح آب زیرزمینی دشت کبودرآهنگ
با توجه به کمبود بارندگی در کشور ایران، صاحبان صنایع و مشاغل وابسته به آب، جهت تامین این کمبود از منابع آب زیرزمینی استفاده میکنند. این امر در دشتهای ایران ازجمله دشت کبودرآهنگ واقع در استان همدان منجر به افت شدید سطح آب در آبخوانها شده و پیامدهای جبرانناپذیری را در پی داشته است. در این پژوهش، ابتدا در محیط ARC GIS حداکثر عمق بستر تعیین گردیده است. سپس، با کمک مدل هیدرولیکی MODFLOW در نرمافزار GMS در بازه زمانی 1381 تا 1390 افت سطح آبهای زیرزمینی دشت کبودرآهنگ مدلسازی و تحلیلشده است. همچنین ضرایب هدایت هیدرولیکی و ضریب آبدهی مخصوص واسنجی و سپس صحتسنجی شده است. نتایج معیارهای ارزیابی مدل نشان داد که مدل استفاده شده با دقت مناسب افت سطح آبهای زیرزمینی دشت کبودرآهنگ را شبیهسازی مینماید. در ادامه، آنالیز حساسیت برای پارامترهای تغذیه سطحی و آبدهی ویژه صورت گرفته است. بر اساس نتایج حاصله، پارامتر آبدهی ویژه مؤثرتر میباشد. در انتها، افت آب زیرزمینی در چاهها تا سال 1401 مورد پیشبینی قرار گرفت که بیشترین افت در چاههای مشاهدهای در حدود 5 متر برآورد گردید.
https://idj.iaid.ir/article_66162_0cb2ebab71ff70eaee71486e2eb553fa.pdf
2017-09-22
435
447
آب زیرزمینی
دشت کبودرآهنگ
پارامترهای بیلان
نرمافزار GMS
نیروگاه شهید مفتح
سعید
فرزین
saeed.farzin@semnan.ac.ir
1
استادیار، دانشکده مهندسی عمران، دانشگاه سمنان
LEAD_AUTHOR
حجت
کرمی
2
استادیار، گروه مهندسی آب و سازههای هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
AUTHOR
محمدرضا
حسنوند
mohammad.hassanvand@semnan.ac.ir
3
دانشجوی کارشناسی ارشد مهندسی آب و سازههای هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان.
AUTHOR
امیرحسین
سلیمی
4
دانشجوی کارشناسی ارشد مهندسی آب و سازههای هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان.
AUTHOR
الهام
ضمیری
5
دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه سمنان.
AUTHOR
صادقی طبس،ص.، اکبرپور،ا.، پوررضا بیلندی،م و صمدی،س.ز. 1394. کاربرد الگوریتم فاخته در واسنجی پارامترهای هیدرودینامیکی آبخوان با استفاده از مدل ریاضی. نشریه آبیاری و زهکشی ایران. 2.9: 345-356.
1
سازمان آب منطقهای همدان. 1390، وزارت نیرو. http://www.hmrw.ir/
2
علیزاده،ا. 1387، اصول هیدرولوژی کاربردی، دانشگاه امام رضا(ع)، مشهد.
3
فلاح،س.، قبادینیا،م.، شکرگزار دارابی،م.، و قربانی دشتکی،ش. 1391، بررسی پایداری منابع آب زیرزمینی دشت داراب استان فارس، مجله پژوهش آب در کشاورزی. 26.2: 172-161
4
مالمیر،م.، و دلبری،م. 1393، بررسی تغییرات مکانی سطح سفره آب زیرزمینی دشت برخوار اصفهان، مجله آب و توسعه پایدار. 1.3: 73 -82.
5
موذنزاده،ر و علیزاده،ا. 1394. تعادل بخشی منابع آب زیرزمینی دشت فریمان تربتجام با رویکرد مدیریتی در سطح مزرعه، نشریه آبیاری و زهکشی ایران. 3.9: 418-408
6
نکوآمال کرمانی،م. 1386، مدلبندی آبهای زیرزمینی و بررسی مشکلات ناشی از پمپاژ در دشت بوچیر- حمیران در استان هرمزگان، پایاننامه کارشناسی ارشد. دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات اهواز.
7
نیکبخت،ص و دلبری،م. 1392، برآورد سطح ایستابی آبهای زیرزمینی با استفاده از روشهای زمینآماری، مجله آب و توسعه پایدار. 1.1: 49-56.
8
Almedeij,J and AL-Ruwaih,F. 2006. Periodic behavior of groundwater level fluctuations in residential areas. Journal of Hydrology. 328: 677-684.
9
Bhat,S., Motz,L., Pathka,C and Kuebler,L. 2012, Designing Groundwater Level Monitoring Network Using Geostatistical A Case Study and Central Florida, U.S.A.World Environmental and Water Resources Congress.48-58.
10
Gholami,V., Chau,K.W., Fadaee,F., Torkaman,J and Ghaffari,A. 2015, Modeling of groundwater level fluctuations using dendrochronolog in alluvial aquifers, Journal of Hydrology. 529: 1060-1069.
11
Hong,N., Hama,T., Suenaga,Y., Aqili,W., Huang,X., Wei,Q., Kawagoshi,Y. 2015. Application of a modified conceptual rainfall –runoff model to simulation of groundwater level in an undefined watershed. Science of the Total Environment. 541: 383 -390.
12
McDonald, M.G., and Harbaugh, A.W., 1988, A modular three-dimensional finite-difference ground-water flow model: Techniques of Water-Resources Investigations of the United States Geological Survey, Book 6, Chapter A1, 586 p.
13
Zhang, W., Yan, Y., Zeng, J., Li, L., Dong, X., and Cai, H. (2009), Temporal and spatial Variability of annual extreme water level in the Pearl River Delta region, China. Journal of Global Planetary Change. 69: 35-47.
14
ORIGINAL_ARTICLE
ارزیابی مقایسهای سیستم استنتاج فازی-عصبی (ANFIS) و روشهای متداول درونیابی در تخمین بارش در استان فارس
در بررسی مسایل هیدرولوژیکی و منابع آب، تحلیل اطلاعات بارندگی از اهمیت ویژهای برخوردار است. کمبود نقاط برداشت و تعداد قرائت، به دلیل محدودیتهای مختلف، دسترسی به این اطلاعات را محدود مینماید. بنابراین کاربرد روشهای میانیابی و تخمین سطح آب در نقاط مشخص بر اساس اطلاعات نقاط همجوار از جایگاه ویژهای در مطالعات مختلف برخوردار است. در این پژوهش روشهای متداول میانیابی، روش زمین آمار کریجینگ و سیستم استتناج عصبی-فازی تطبیقی در استان فارس مورد ارزیابی قرار گرفتند. در این مطالعه از بیست ایستگاه سینوپتیک استان فارس با طول دوره آماری 29 ساله از سال 1982-1981 الی2010-2009 استفاده شده است. طی بررسیهای انجام شده دی ماه سالهای 1993- 1992 و 2005- 2004 به عنوان بهترین الگوی دوره ترسالی و ماه اردیبهشت سالهای 2009 -2008 و 2010 –2009 به عنوان بهترین الگوی دوره خشکسالی و همچنین ماههای اردیبهشت و آذر سال 2007- 2006 به عنوان الگوی سالانه نرمال انتخاب شد. در سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) برای هر کدام از سالهای ذکر شده تعداد توابع عضویت، نرون و نوع تابع عضویت Gsussmf، Gauss2mfو Gbellبه تفکیک مورد ارزیابی قرار گرفت. قابل ذکر است که در این سیستم ابتدا پانزده ایستگاه به عنوان آموزش قرار داده شد و پنج ایستگاه تنگاب، شورجه، بابا عرب، شیراز و چمریز مورد ارزیابی قرار گرفت. طی این پژوهش از دو روش کریجینگ و سیستم استنتاج فازی عصبی تطبیقی استفاده شد و نتایج با شاخصهای ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (R) و شاخص کارایی مدل (EF) مورد مقایسه قرار گرفت. با توجه به نتایج به دست آمده مشخص گردید در دورههای ترسالی سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)، نتایج قابل قبولتری را ارایه داده است. در دوره خشکسالی روش کریجینگ برای تخمین بارندگی پیشنهاد میشود. در دورههای نرمال در ماه اردیبهشت روش کریجینگ و در ماه آذر روش سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)، دقیقترین نتایج را نشان داد.
https://idj.iaid.ir/article_76512_900ab8736f73c1680422a6e732763c46.pdf
2017-09-22
448
460
استان فارس
تخمین بارش
سیستم استنتاج فازی-عصبی
کریجینگ
طاهره
عباسی
1
گروه مهندسی آب، واحد شیراز، دانشگاه آزاد اسلامی شیراز، شیراز، ایران
AUTHOR
سیدامیر
شمس نیا
ashamsnia_82@yahoo.com
2
گروه مهندسی آب، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
LEAD_AUTHOR
نوری،ف.، حقیزاده،ع. 1394. شبیهسازی فرایند بارش- رواناب با استفاده از شبکه عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چند متغیره (مطالعه موردی: حوضه آبخیز خرمآباد). صفحه 233-243
1
نورانی،و صالحی،ک. 1387. مدلسازی بارش- رواناب با استفاده از شبکه عصبی فازی تطبیقی و مقایسه آن با روشهای شبکه عصبی و استنتاج فازی، مطالعه موردی حوضه آبخیز لیقوانچای واقع در استان آذربایجانشرقی. چهارمین کنگره ملی مهندسی عمران، دانشگاه تهران اردیبهشت 1387.
2
Banik,S., Anwer,M., Khodadad Khan,A.F.M., Ara Rouf,R., Chanchary,F. 2009. Forecasting Bangladeshi monsoon rainfall using neural network and genetic algorithm approaches. International Technology Management Review.2.1:1-18.
3
Dehghani,A.A., Asgari,M., Mosaedi,A. 2009. Comparison of Geostatistics, Artifitial Neural Networks and Adaptive Neuro-Fuzzy Inference System Approaches in Groundwater Level Interpolation (Case study: Ghazvin aquifer). J. Agric. Sci. Natur. Resour., Vol. J.6: 517-529.
4
Farahmand,A.R., Manshouri,M., Liaghat,A and Sedghi,H. 2010. Comparison of kriging, ANN and ANFIS models for spatial and temporal distribution modeling of groundwater contaminants. Journal of Food, Agriculture and Environment.8.3-4: 1146-1155.
5
Ghalhari,G.A., Shakeri,F. 2015. Prediction of winter rainfall using Adaptive Fuzzy Neural Networks, Case study: Khorasan Razavi Province, Iran. Advances in Environmental and Geological Science and Engineering. 2: 412-427
6
Jang,J.S.R., Sun,C.T and Mizutani,E. 1997. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. Prentice-Hall International. New Jersey.
7
Kurtulus,B and Nicolas,F. 2012. Hydraulic head interpolation using ANFIS-model selection and sensitivity analysis. Computers and Geosciences. 38.1: 43-51.
8
ORIGINAL_ARTICLE
بررسی نیاز آبیاری و روند آندر باغات مرکبات در شهرستان رامسر
مرکبات یکی از محصولات عمده استان مازندران میباشد ودر فصول بهار و تابستان به دلیل کاهش بارندگی و حساسیت این محصول به تنش آبی آبیاری آن از اهمیت ویژهای برخوردار است. این پژوهش جهت مدیریت آبیاری باغات مرکبات شهرستان رامسر انجام گرفت. در این تحقیق بر اساس معادله بیلان آب خاک که در محیط اکسل تهیه شد، زمان و تعداد آبیاریهای مورد نیاز برای باغ مرکبات برای مدت 30 سال با استفاده از اطلاعات هواشناسی ایستگاه سینوپتیک شهرستان رامسر محاسبه گردید. نتایج نشان داد که در فروردین ماه 100% نیاز آبی مرکبات توسط بارش تامین میشود. برای ماههای اردیبهشت و شهریور 63% از 30 سال نیازی به آبیاری نبوده است. در ماههای خرداد، تیر و مردادبه ترتیب 67%، 73% و 73% از سالها یک آبیاری مورد نیاز بوده است نتایج نشان داده است که احتمال نیاز به آّبیاری برای ماههای خرداد، تیر و مرداد به ترتیب در دهههای سوم، دوم-سوم و اول در این ماهها بیشتر است. مقدار آب آبیاری محاسبه شده 84 میلیمتر برای هر آبیاری بود. مطابق نتایج این تحقیق ماههای تیر و مرداد از نظر نیاز آبیاری گرمترین ماههای شهرستان رامسر میباشند. نتایج آزمون روندیابیMan-Kendall نشان داد که طی 30 سال اخیر تعداد آبیاریهای فصول بهار و تابستان به دلیل افزایش دما و تبخیر-تعرق و کاهش بارندگی، افزایش یافتند، اما هیچ روند معنیداری در این افزایش مشاهده نگردید.لکن برای تغییرات دما و تبخیر-تعرق در فصل پاییز روند افزایشی معنیدارمشاهده شد.
https://idj.iaid.ir/article_76513_bb0232e2ce313058cd09c1d31a3fe1b3.pdf
2017-09-22
461
470
بیلان آب
تحلیل روند
تغییر اقلیم
مدیریت آبیاری
عصمت
شاهمرادی
esmat.shahmoradi@yahoo.com
1
دانشجوی سابق کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه شیراز، ایران
LEAD_AUTHOR
علیاکبر
کامگارحقیقی
2
استاد بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، ایران
AUTHOR
علیرضا
سپاسخواه
3
استاد بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، ایران
AUTHOR
داور
خلیلی
dkhalili@shirazu.ac.ir
4
استاد بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، ایران
AUTHOR
مسعود
حقیقت
5
کارشناس ارشدشبکه پایش سازمان هواشناسی کشور
AUTHOR
آقاجانلو،م.ب. و طبری،ح. 1390. آشکارسازی روند تغییرات زمانی تبخیر-تعرق گیاه مرجع ماهانه در شمال و شمالغرب ایران، اولین کنگره ملی علوم و فناوریهای نوین کشاورزی، زنجان، دانشگاه زنجان.
1
احمدنژاد،ا.ر.، گلمائی،س.ح و احمدی،م.ض. 1389. شبیهسازی فرآیند بارش-رواناب و مولفههای بیلان آب در حوضه آبخیز رودخانهها (مطالعه موردی حوضه آبخیز کورکورسر). پژوهشنامه مدیریت حوضه آبخیز. 1. 1. : 87-74.
2
پورمحمدی،س.، دستورانی،م.ت.، چراغی،س.ع.، و مختاری،م.ح.،رحیمیان،م.ح. 1390. ارزیابی و برآورد اجزا بیلان آبی در حوضههای مناطق خشک با بهکارگیری سنجش از دور و سیستم اطلاعات جغرافیایی (مطالعه موردی حوضه آبخیز منشاد یزد)، مجله آب و فاضلاب. 3: 108-99.
3
رحیمی،ج.، بذرافشان،ج و خلیلی،ع. 1392. مطالعه تطبیقی روشهای برآورد بارش موثر در زراعت گندم دیم در اقلیمهای مختلف ایران. پژوهشهای جغرافیای طبیعی. 45. 3:46-31.
4
عزیزی،ق. 1379. برآورد بارش موثر در رابطه با کشت گندم دیم (مطالعه موردی دشت خرمآباد)، پژوهشهای جغرافیایی. 39: 123-115.
5
مجرد،ف و نصیری،ش. 1385. برآورد دورههای بازگشت و فواصل اطمینان بارش موثر برای کشت برنج در جلگه مازندران، فصلنامه مدرس علوم اسلامی. 10. 2: 181-159.
6
موسویزاده مجرد،ر.س.، کامگارحقیقی،ع.، سپاسخواه،ع.ر.، گنجی،ا و زندپارسا،ش و هاشمی طامه،م. 1393. پهنهبندی برنامهبندی آبیاری گندم زمستانه در استان فارس با استفاده از اطلاعات بارندگی (استوکاستیک)، نشریه آبیاری و زهکشی ایران. 4. 8: 785-774.
7
موسوی،س.م.، هوشمند،ع.، برومندنسب،س.، یزدانی،م.ر. 1391. بررسی تغییرات نفوذ عمقی در یک ترانسکت از اراضی شالیزاری در طول دوره کشت، مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. 16. 60 : 44-33.
8
مهبد،م.، سپاسخواه،ع.ر.، منفرد،م. 1388. توسعه و کاربرد مدل رایانهای مدیریت و برنامهریزی آبیاری مزرعه گندم بر اساس بیلان آب در خاک و بارش موثر، مجله علوم آب و خاک. 13. 49: 11-1.
9
Allen,R.G., Pereira,L.S., Raes,D and Smith,M. 1998. Crop evapo transpiration. Guidelines for computing crop water requirements. Irrigation and Drainage Paper. No. 56. FAO. United Nations, Rome, Italy.
10
Baily,R.J. 1990. Irrigated Crop and Their Management. Farming Press, Ipswich (UK), 192 pp.
11
Brisson,N., Seguin,B and Bertuzzi,P. 1992. Agrometeorological soil water balance for crop simulation models. Agricultural and Forest Meteorology. 59:267-287.
12
Hess,T.M. 1994. IMS irrigation scheduling program. Unpublished, Silsoe College, UK.
13
Li,J., Nanaga,S., Li,Z and Eneji,A.E. 2005. Optimization irrigation scheduling for Winter Wheat in North China Plain. Agricultural Water Management. 76: 8-23.
14
humid climate. Hort Science, 35(6): 1043-1045.
15
Sadler,J.S., Carl,B., Hook,J.E. 2003. Irrigation management in humid regions. Encyclopedia of Water Science.10: 478-482.
16
Sanchez-Cohen,I., Lopes,V.L.,. Slack,D.C and Fogel,M.M. 1997. Water balance model for small scale water harvesting systems. Journal of Irrigation and Drainage Engineering. 123:123-131.
17
Sepaskhah,A.R., Bazrafshan-Jahromi,A.R and Shirmohamadi,A. 2006 a. Development and evaluation of a model for yield production of wheat, maize and sugarbeet under water and salt stresses.Biosystems Engineering. 93.2: 139-152.
18
Sepaskhah,A.R., Kashefipour,S,R. 1994. Relationships between leaf water potential, CWSI, yield and fruit quality of sweet lime under drip irrigation. Agricultural Water Management. 25.1: 13-21.
19
Sepaskhah,A.R., Kashefipour,S.R. 1995. Evapotranspiration and crop coefficient of sweet lime under drip irrigation. Agricultural Water Management. 27.3: 331-340.
20
Sepaskhah,A.R., Rezaee-pour,S.h and Kamgar-Haghighi,A.A. 2006 b. Water budget approach to quantify cowpea yield using crop characteristic equation. Biosystems Engineering. 95.4: 583-596.
21
Zand-Parsa,S.h., sepaskhah,A.R and Ronaghi,A. 2006. Development and evaluation of integrated water and nitrogen model for maize. Agricultural Water Management. 81: 227-256.
22
ORIGINAL_ARTICLE
شبیه سازی مشخصههای سیل رودخانه آجی چای با استفاده از یک ساختار چند متغیره
در این مطالعه ابتدا سری زمانی دادههای سیل ایستگاه و نیار در رودخانه آجیچای با استفاده از روش مینیمم موضعی جداسازی شدند و بدین ترتیب 34 رویداد سیل شناسایی گردید و سپس مشخصههای اصلی رویدادهای سیل (دبی اوج، زمان اوج، حجم کل و زمان پایه) استخراج شدند و سپس ساختار وابستگی بین مشخصههای اصلی با استفاده از ساختار دی-واین تشخیص داده میشود و در نهایت مشخصههای مذکور با استفاده از مناسبترین ساختار دی-واین شبیهسازی میشوند. بهترین ساختارهای دی-واین بواسطه جایگشتهای مختلف ویژگیهای سیل ایجاد میشوند و سپس مفصلهای مختلف از بین خانوادههای مفصل ارشمیدسی و بیضوی بر جفت-مفصلها برازش مییابند. در مرحله بعد دقیقترین مفصلها با توجه به معیارهای اطلاعات آکائیکه و بیزی برای هر جفت-مفصل انتخاب میگردند و بدین ترتیب برای هر ساختار دی-واین مناسبترین ترکیب حاصل میگردد. پس از تشکیل ساختارهای مختلف دی-واین با استفاده از جایگشتهای مختلف متغیرها مشاهده شد که لزوما استفاده از جفت-متغیرهای با بیشترین همبستگی موجب ایجاد بهترین ساختار نمیشود و ساختار (V-P-B-TP) مطابق با معیارهای مختلف بهعنوان دقیقترین ساختار شناسایی شد. در نهایت بهترین ساختار دی-واین جهت شبیهسازی ویژگیهای سیل انتخاب گردید و به منظور بررسی کارایی ساختار برگزیده در شبیهسازی هر یک از ویژگیهای سیل، آمارههای مهم دبی اوج، زمان اوج، حجم کل و زمان پایه نظیر میانگین، چولگی، انحراف معیار، کمینه و بیشینه محاسبه گردیدند. در نهایت نتایج نشان دادند که میانگین و انحراف معیار همه ویژگیهای سیل به خوبی حفظ شدهاند. با این حال کمینه، بیشینه و چولگی دادههای شبیهسازی شده در برخی از ویژگیهای سیل به خوبی حفظ شدهاند و در بعضی نیز نسبتا خوب میباشند. در آخر میتوان نتیجه گیری نمود که جهت دستیابی به بهترین ساختار دی-واین بایستی همه جایگشتهای متغیرها اجرا شوند و همچنین ساختار دی-واین قادر به شبیهسازی دقیق مشخصههای سیل حتی در سریهای زمانی کوتاه مدت باشد.
https://idj.iaid.ir/article_76514_2374b0702704dc8e5b11f99c49ff2db4.pdf
2017-09-22
471
483
جفت-مفصل
دی-واین
سیل
شبیهسازی
مفصل ارشمیدسی
مفصل بیضوی
مریم
شفائی
m.shafaei@tabrizu.ac.ir
1
دانشجوی دکتری مهندسی منابع آب، گروه مهندسی آب، دانشگاه تبریز، تبریز، ایران
LEAD_AUTHOR
احمد
فاخریفرد
2
استاد گروه مهندسی آب، دانشگاه تبریز
AUTHOR
یعقوب
دینپژوه
3
دانشیار گروه مهندسی آب، دانشگاه تبریز
AUTHOR
رسول
میرعباسی نجفآبادی
4
استادیار گروه مهندسی آب، دانشگاه شهرکرد
AUTHOR
شفائی،م.، فاخریفرد،ا.، دینپژوه،ی.، میرعباسی،ر. 1395. مدلسازی تابع توزیع توام چهار بعدی ویژگیهای مهم سیل با استفاده از ساختار سی-واین. نشریه آبیاری و زهکشی ایران. 3.10: 327-337
1
Aas,K., Czado,C.,. Frigessi,A and Bakken,B. 2009. Pair-copula constructions of multiple dependence, Insurance: Mathematics and Economics 44182-198.
2
Bedford,T., Cooke,R. 2001. Probability density decomposition for conditionally dependent random variables modeled by vines, Ann. Math. Artif. Intel 32 245-268.
3
Bedford,T., Cooke,R. 2002, Vines. A new graphical model for dependent random variables, Annals of Statistics. 30 1031-1068.
4
Brechmann,E.C. 2010. Truncated and simplified regular vines and their applications. Diploma thesis, Technische Universitaet Muenchen.
5
De Michele, C., Salvadori, G. 2003, A generalized Pareto intensity-duration model of storm rainfall exploiting 2-copulas, Journal of Geophysical Research. 108 (D2):4067:1-15.
6
De Michele, C., Salvadori, G., Canossi,M., Petaccia,A., Rosso,R. 2005. Bivariate statistical approach to check adequacy of dam spillway, Journal of Hydrologic Engineering. 10: 50-57.
7
Favre, A., Adlouni, S.E., Perreault,L., Thiemonge,N., Bobee B. 2004. Multivariate hydrological frequency analysis using copulas, Water Resources Research. 40:1-12.
8
Genest, C., Favre, A., Beliveau, J.and Jacques, J. 2007. Metaelliptical copulas and their use in frequency analysis of multivariate hydrological data, Water Resources Research. 43:1-12.
9
Gräler, B. 2014. Modelling skewed spatial random fields through the spatial vine copula. Spatial Statistics. 10: 87-102.
10
Grimaldi, S., Serinaldi, F., 2006. Design hyetograph analysis with 3-copula function. Hydrological Sciences Journal. 51.2: 223-238.
11
Gyasi-Agyei, Y., Melching, C. 2012. Modelling the dependence and internal structure of storm evens for continuous rainfall simulation. Journal of Hydrology. 464: 249-261.
12
Kao, S., Govindaraju, R. 2008. Trivariate statistical analysis of extreme rainfall events via the Plackett family of copulas. Water Resources Research. 44:1-19.
13
Kurowicka, D., Cooke, R. 2007. Sampling algorithms for generating joint uniform distributions using the vine-copula method. Computational Statistics and Data Analysis. 51.6: 2889-2906.
14
Mirabbasi,R., Fakheri-Fard,A., Dinpashoh,Y. 2012, Bivariate drought frequency analysis using the copula method, Theor Appl Climatol 108:191-206.
15
Mirabbasi,R., Anagnostou,EN., Fakheri-Fard,A., Dinpashoh,Y., Eslamian,S. 2013. Analysis of meteorological drought in Northwest Iran using the joint deficit index. Journal of Hydrology. 4.92:35-48.
16
Salvadori,G and De Michele,C. 2004. Analytical calculation of storm volume statistics involving Pareto-like intensityduration marginal, Geophysical Research Letters, 31:1-4.
17
Salvadori,G., De Michele,C. 2006. Statistical characterization of temporal structure of storms, Advnces in Water Resources. 29:827-842.
18
Serinaldi, F and Grimaldi S. 2007. Fully nested 3-copula: procedure and application on hydrological data. Journal of Hydrologic Engineering. 12:420-430.
19
Shafaei,M., Fakheri-Fard,A., Dinpashoh,Y., Mirabbasi,R and De Michele,C. 2016. Modeling flood event characteristics using D-vine structures. Theoretical and Applied Climatology.1-12.
20
Sklar,A. 1959. Fonction de re’partition a’ n dimensions et leurs marges, vol. 8. Publications de L’Institute de Statistique, Universite’ de Paris: Paris: 229-231.
21
Sloto,R., Crouse,A. 1996. HYSEP: A computer program for streamflow hydrograph separation and analysis. U.S. Geological Survey, Water-Resources Investigations, Report 96-4040. Pennsylvania. 46.
22
Song,S., Singh,V. 2010. Meta-elliptical copulas for drought frequency analysis of periodic hydrologic data, Stochastic Environmental Research and Risk Assessment. 24: 425-444.
23
Vernieuwe,H., Vandenberghe,S., De Baets,B., Verhoest,N.E.C. 2015. A continuous rainfall model based on vine copulas, Hydrology and Earth System Sciences. 19.6:2685-2699.
24
ORIGINAL_ARTICLE
شبیهسازی تجربی وعددی انتقال کوپل حرارت و آب در محیط متخلخل خاک
علم انتقال حرارت یکی از مهمترین و پرکاربردترین علوم مهندسی است. محیط متخلخل به خاطر ساختار خود، سطح انتقال حرارت بزرگی را در یک حجم مشخص فراهم میکند ازاینرو بررسی انتقال حرارت در محیط متخلخل خاک به خاطر اهمیت در لایههای زیرین خاک و جذب آب و ریشه در سالهای اخیر مورد توجه قرارگرفته است. در این مطالعه، انتقال کوپل حرارت و آب در محیط متخلخل خاک که انتقال حرارت به طریق همرفت با استفاده از ترموگراف (IRT) و در شرایط آزمایشگاهی بررسیشد، آزمایشها در مدل فیزیکی ساختهشده در گروه فنی و مهندسی دانشگاه شهر پادوا5 در کشور ایتالیا انجامگرفت. آنالیز عددی بر اساس تفاضلات محدود و معادله انتقال حرارت در محیط متخلخل و با استفاده از مدل کومسول صورت گرفت. اندازهگیری درجه حرارت در محیط متخلخل اشباعشده از شن با استفاده از ترموکوپل و در نقاط تعیینشده محیط و در کوپلهای مختلف حرارت و دبی جریان آب (q1,q2,T1,T2,T3,T4,T5) انجام شد. مقایسه نتایج تجربی و عددی نشان میدهد که مدل کامسول با دقت زیادی انتقال کوپل حرارت و آب و نیز پخشیدگی سطحی حرارت را در محیط متخلل خاک شبیهسازی میکند. در انتقال کوپل حرارت و آب در محیط متخلخل در مقدار جریان آب بیشتر، زمان کمتری برای رسیدن به حالت پایدار سپری میشود. نتایج تجربی نشان داد که در انتقال کوپل حرارت و آب، دیفیوژن طولی پروفیل حرارت در محیط متخلخل با افزایش حرارت بیشتر خواهد شد. هرچه مقدار دبی جریان آب بیشتر باشد دیفیوژن طولی پروفیل حرارت در طول محیط نیز کمتر خواهد بود (دیفیوژن طولی پروفیل حرارت کوپل q2T4 بیشتر از کوپل q1T4نشان داده شد). هرچه درجه حرارت بیشتر شود زمان توسعهیافتگی پروفیل حرارت و رسیدن به حالت پایدار در محیط متخلخل افزایش مییابد. با ثابت ماندن مقدار جریان و افزایش دما، زمان توسعهیافتگی پروفیل حرارت برای رسیدن به حالت پایدار در طول محیط متخلخل و در فواصل طولی تعیینشده کاهش مییابد.
https://idj.iaid.ir/article_76515_33142f45aafd3e4122155cfd79b45a0d.pdf
2017-09-22
484
495
انتقال حرارت
کوپل انتقال آب و حرارت
محیط متخلخل
همرفت-مدل کمسول
علی اصغر
میرزایی
amirzaiee@yahoo.com
1
دانشجوی دکتری آبیاری و زهکشی دانشگاه تبریز
LEAD_AUTHOR
امیرحسین
ناظمی
2
استاد گروه مهندسی آب، دانشگاه تبریز
AUTHOR
سیدعلی اشرف
صدرالدینی
3
استاد گروه مهندسی آب، دانشگاه تبریز
AUTHOR
رضا
دلیرحسننیا
4
استادیار گروه مهندسی آب، دانشگاه تبریز
AUTHOR
چالکش امیری،م.، رحیمی،ا. 1387. مفاهیم انتقال حرارت، چاپ دوم، انتشارت ارکان دانش
1
خشنودی،م.، باغبان،ح. 1381. اصول و کاربرد انتقال حرارت، چاپ هفتم، انتشارات دانشگاه فردوسی مشهد
2
کیهانی.م.ح.، محبی،ر. 1392. فصلنامه مکانیک هوافضا (انتقال حرارت و پیشرانش). 9. 1: 63 – 76.
3
نظری.م.، محبی،ر و کیهانی،م.ح. 1392. مکانیک سازهها و شارها. 1: 119-105.
4
نظری،م.، جلالی وحید،د.، خانجانی.س. 1394. مجله مهندسی مکانیک مدرس. 15.1:-216 203
5
Ercan,M. 2009. Multiphysics Topology Optimization of Heat Transfer and Fluid Flow SystemsExcerpt from the Proceedings of the COMSOL Conference Boston
6
Jahanshai Javaran,E., Gandjalikhan Nassab,S.A., Jafari,S. 2010 Thermal analysis of a 2-D heat recovery system using porous media including lattice Boltzmann simulation of fluid flow. Internation Journal Thermal Science. 49.6: 1031–1041
7
Meng,X,Z and Sun,X. 2013. Single-phase convection heat transfer characteristics of pebble-bed channels with internal heat generation, Nuclear Engineering and Design.252:.121- 127.
8
Organ,A.E. 1952. The Physics of Flow Through Porous Media” Principles of Heat Transfer in Porous Media, Springer. 51.11:. 2211-5526.
9
QiLi,N., Kazumasa,I., Zhishen,W., Christopher,S., Steven,P. 2009. Loheide IICOMSOL Multiphysics: A Novel Approach to Ground Water Modeling. ISI Journal Groundwater. 47. 4: 480-487
10
Patankar,S.V. 1980. Numerical Heat Transfer and Fluid Flow. Hemisphere Publishing Corporation, Washington
11
Salvia,D., Boldora,B., Aitab,G.M., Sabliova,C.M. 2011.COMSOL Multiphysics model for continuous flow microwave heating of liquids. Journal of Food Engineering. 104.3:422-429.
12
Shokouhmand,H., Jam,F., Salimpour,M.R. 2009. Simulation of Laminar Flow and Convective Heat Transfer in Conduits Filled With Porous Media Using Lattice Boltzmann Method”, In. J Communications in Heat and Mass Transfer. 36. 4: 378-384.
13
Tarikua,F., Kumar,K., Fazioc,P. 2010. Transient model for coupled heat, air and moisture transfer through multilayered porous media. International Journal of Heat and Mass Transfer. 53.15-16:3035-3044.
14