
تعداد نشریات | 32 |
تعداد شمارهها | 739 |
تعداد مقالات | 7,170 |
تعداد مشاهده مقاله | 11,719,417 |
تعداد دریافت فایل اصل مقاله | 8,048,339 |
پهنه بندی شوری خاک سطحی در اراضی شور بولاق ساوه با استفاده از روش های زمین آماری | ||
مخاطرات محیط طبیعی | ||
مقاله 2، دوره 8، شماره 19، فروردین 1398، صفحه 1-14 اصل مقاله (1.61 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2017.20672.1273 | ||
نویسندگان | ||
عباس احمدی* 1؛ حمید ترنج زر1؛ آزاده کاظمی2 | ||
1استادیار، گروه علوم مرتع، واحد اراک، دانشگاه آزاد اسلامی، اراک | ||
2استادیار، گروه محیط زیست، دانشگاه اراک | ||
چکیده | ||
پدیده شوری، یکی از مخرب ترین فرآیندها بهویژه در خاکهای مناطق خشک و نیمه خشک میباشد. لذا به منظور استفاده و بهره بردارى از این خاک ها، پایش و تهیه نقشه شوری خاک ضرورت دارد. در این تحقیق به منظور پیش بینی و پهنه بندی خاک اقدام به برداشت 100 نمونه از خاک سطحی اراضی شوره منطقه بولاق ساوه به روش شبکه ای شد. سپس در آزمایشگاه، مقادیر هدایت الکتریکی (EC) عصاره اشباع خاک به عنوان معرف شوری اندازه گیری گردید. سپس با انتقال داده ها به محیط نرم افزار ArcGIS 10 اقدام به تهیه نقشه پهنه بندی EC شد. بدین منظور از مدل سمی واریوگرام کریجینگ استفاده شد. از طرفی مقدار نسبت اثر قطعه ای به حد آستانه برابر 84/43 درصد به دست آمد که حاکی از همبستگی مکانی متوسط مقادیر EC خاک در منطقه مطالعاتی است. همچنین دامنه تأثیر واریوگرام حدود 261 متر به دست آمد. برآیند ارزیابی شاخص های مذکور مؤید این مطلب است که زمین آمار توانسته است با دقت و صحت متوسطی اقدام به پهنه بندی EC کند. نتایج تحقیق نشان داد از 5 کلاس شوری خاک، EC خاک منطقه بولاق ساوه در چهار کلاس شامل غیرشور، تا اندازه ای شور، شوری متوسط و شوری زیاد قرار گرفته است که بیشترین مقادیر مربوط به میانه جنوبی منطقه مطالعاتی می باشد. این نتایج نشان می دهد که شوری خاک در محدوه مطالعاتی از تغییرپذیری بالایی برخوردار است | ||
کلیدواژهها | ||
پهنه بندی خاک؛ زمین آمار؛ شوری خاک؛ کریجینگ؛ واریوگرام | ||
مراجع | ||
تقی زاده مهرجردی، روح اله.، سرمدیان، فریدون؛ امید، محمود.؛ ثواقبی، غلامرضا.، روستا، محمد جواد و رحیمیان، محمد حسن، (1391). پهنه بندی شوری خاک با استفاده از تکنیک زمین آمار و دستگاه القاءگر الکترومغناطیس در منطقه اردکان. مجله پژوهش های خاک (علوم خاک و آب)، جلد 26، شماره 4. صص 369-380. دائم پناه، راضیه؛ حق نیا، غلامحسین، علیزاده، امین؛ کریکی کارویه، علیرضا، (1390). تهیه نقشه شوری و سدیمی خاک سطحی با روش های دورسنجی و زمین آماری در جنوب شهرستان مه ولات. نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 25 ، شماره 3، صص 498-508. دیانی، محمود؛ جعفری، سیروس؛ خلیل مقدم، بیژن؛ دهقانی، امیراحمد، (1391). پهنه بندی خطر شور و سدیمی شدن خاک سطحی با استفاده از زمین آمار (مطالعه موردی: اراضی غرب رودخانه کارون در استان خوزستان), پژوهش های آبخیزداری (پژوهش و سازندگی)، شماره 94، صص 95-86. ذاکری انارکی، سحر، (1391). پهنه بندی برخی خصوصیات خاک با استفاده از روش های زمین آماری (مطالعهی موردی: منطقه بیابانی طراز ناهید شهرستان ساوه)، پایان نامه کارشناسی ارشد مدیریت مناطق بیابانی، دانشگاه آزاد اسلامی اراک، 93 صفحه. سکوتی اسکویی، رضا. و مهدیان، محمد حسین، (1386). مقایسه کارایی برخی روش های زمین اماری برای پیش بینی پراکنش مکانی شوری خاک سطحی، مطالعه موردی دشت ارومیه. نهمین سمینار سراسری آبیاری و کاهش تبخیر، ص 6. صدر، سمیه؛ افیونی، مجید؛ موحدی راد، زهرا، (1392). استخراج پهنه های شوری خاک در مناطق خشک و نیمه خشک با استفاده از نظریه زمین آمار (استان اصفهان)، نشریه جغرافیا و مخاطرات محیطی، جلد 2، شماره 7، صص 27-30. قانعی مطلق، غلامرضا؛ پاشایی اول، عباس؛ خرمالی، فرهاد؛ و مساعدی، ابوالفضل، (1387). تهیه نقشه شوری خاک به منظور مدیریت ویژه خاک های شور (مطالعه موردی: بخشی از اراضی زراعی شمال شرقی دشت آق قلا). مجله علوم کشاورزی و منابع طبیعی، جلد 15، شماره 6، صص 75-82. قرنجیک، یوسف، (1376). طرح بیابان زایی بولاق، اداره منابع طبیعی ساوه. کایدانی، مهدی؛ دلبری، معصومه، (1391). پهنه بندی شوری خاک و ارزیابی ریسک شوری در منطقه میانکنگی (سیستان) با استفاده از روشهای زمین آماری. علوم و مهندسی آبیاری (مجله علمی کشاورزی)، جلد 35 ، شماره 1. صص 49-59. محمدی، جهانگرد، (1377). مطالعه تغییرات مکانی شوری خاک در منطقه رامهرمز (خوزستان) با استفاده از نظریه ژئواستاتیستیک کریجینگ. مجله علوم و فنون کشاورزی و منابع طبیعی، جلد 2، شماره 4، صص 49-63.
Akramkhanov, A., Brus, D.J., Walvoort, D.J.J. (2014). Geostatistical monitoring of soil salinity in Uzbekistan by repeated EMI surveys. Geoderma ,213, pp. 600–607. Aldabaa, A.A. A., Weindorf , D. C., Chakraborty, S., Sharma, A., Li, B., (2015). Combination of proximal and remote sensing methods for rapid soil salinity quantification, Geoderma 239–240, pp. 34–46. Bouaziz, M., Matschullat, J. and Gloaguen, R. (2011). Improved remote sensing detection of soil salinity from a semi-arid climate in Northea st Brazil. Geoscience 343, 795–803. Corwin, D.L. and Lesch, S.M. (2005). Characterizing soil spatial variability with apparent soil electrical conductivity Part II. Case study. Computers and Electronics in Agriculture, 46:135–152. Douaoui, A.E.K., Nicolas, H. and Walter, C. (2006). Detecting Salinity hazard within a semi-arid context by means of combining soil and remote – sensing data. Geoderma, 134, pp. 217-230. Eldeiry, A. and Garcia, L.A. (2009). Comparison of regression kriging and cokriging techniques to estimate soil salinity using LANDSAT images. Hydrology Days, pp. 27-37. Geostatistical Analyst Tutorial. Copyright © 1995-2010 Esri. Johnston K, Ver Hoef, J.M., Krivoruchk, Krivoruchko, K., Lucas, N. (2001). Using ArcGis Geostatistical Analyst. ESRI, 48 p. Juan P., Mateu, J. Jordan, M.M, Mataix-Solera, J., Meléndez-Pastor, I., Navarro-Pedreño. J. (2011). Geostatistical methods to identify and map spatial variations of soil salinity. Journal of Geochemical Exploration, 108, pp. 62–72. Khaksaran, D., Waismoradi, A., Moradi, S., Rahmati, H. (2013). Spatial and temporal changes in soil salinity with geostatistics: A case study in Urmia Plain. International Journal of Agriculture and Crop Sciences, IJACS, 5-3, pp. 285-291. Larka, F. (2004). Mapping risk of soil nutrient deficiency or excess by disjunctive and indicator kriging, Geoderma, 118, pp. 39–53. Li, H.Y., Webster, R., Shi, Z. (2015). Mapping soil salinity in the Yangtze delta: REML and universal kriging (E-BLUP) revisited, Geoderma 237–238, pp. 71–77. Moustafa, M. M., Yomota., A. (1998). Spatial modeling of soil properties fir subsurface drainage projects. Journal of Irrigation and Drainage Engineering, 124(4), pp. 218-228. Nawar, S., Reda, M., Farag, F., El-Nahry, A. (2011). Mapping soil salinity in El-Tina plain in Egypt using geostatistical approach. Geoinformatics Forum, Salzburg, Austria. PP. 211-216. Ranjbar, F., Jalali, M. (2016). The combination of geostatistics and geochemical simulation for the site-specific management of soil salinity and sodicity, Computers and Electronics in Agriculture 121, pp. 301-312. Triantafilis, J. I., Odeh, O. A., Mc Bratney, A. B. (2001). Five geostatistical methods to predict soil salinity from electromagnetic induction data across irrigated cotton. Soil Sci. Soc. Am. J., 65, pp. 869-878. Watt, M., S., Palmer, D. J. (2010). Use of regression kriging to develop a Carbon:Nitrogen ratio surface for New Zealand. Geoderma 183–184, pp. 49–57. Zhang,Y. M., Chen, T. B., G. Z., He. (2008). Multivariate Geostatistical analysis of heavy metals in topsoils from Beijing, China. J. Soil Sediments 8(1), pp. 51:58. | ||
آمار تعداد مشاهده مقاله: 1,113 تعداد دریافت فایل اصل مقاله: 847 |