عنوان

برآورد تبخیرتعرق گونه های مختلف گیاه چمن بر اساس اندازه گیری های لایسیمتر وزنی برای بافت های گوناگون خاک و مقایسه آن با تبخیرتعرق گیاه مرجع

Number

پ۲۶۸۴۵

.Language of Text, Soundtrack etc

per

Title Proper

برآورد تبخیرتعرق گونه های مختلف گیاه چمن بر اساس اندازه گیری های لایسیمتر وزنی برای بافت های گوناگون خاک و مقایسه آن با تبخیرتعرق گیاه مرجع

First Statement of Responsibility

وحدت احمدی فر

Name of Publisher, Distributor, etc.

کشاورزی

Date of Publication, Distribution, etc.

۱۴۰۱

Specific Material Designation and Extent of Item

۱۵۱ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

مهندسی آب گرایش آبیاری و زهکشی

Date of degree

۱۴۰۱/۰۲/۱۹

Text of Note

برآورد دقیق تبخیرتعرق گیاه مرجع (ET0) یک عامل تعیین کننده در برآورد نیاز آب آبیاری است. از آنجایی که روش‌های اندازه‌گیری مستقیم پرهزینه و زمان‌بر هستند، روش¬های مختلفی توسط محققان برای تخمین ET0 پیشنهاد شده است. ولی عملکرد آنها در اقلیم¬ها و مناطق مختلف با هم متفاوت است. بنابراین بررسی عملکرد این مدل¬ها در مناطق مختلف با اقلیم¬های متفاوت از موضوعات اساسی در تحقیقات بشمار می¬رود. ارزیابی دقت مدل‌ها با داده‌های واقعی (اندازه‌گیری شده با لایسیمتر) به طور محدود در برخی مطالعات انجام شده است. از طرفی در مطالعات انجام شده، یک گونه چمن و یک نوع بافت خاک در لایسیمترها استفاده شد، در حالی که مقادیر ET0 برای بافت¬های خاک و گونه¬های مختلف چمن متفاوت می¬باشند. در این مطالعه، 23 مدل فیزیکی- تجربی و تجربی در گروه‌های ترکیبی، تابشی، دمایی، انتقال جرم و تشت¬تبخیر برای سه سال متوالی (2017-2019) با اندازه‌گیری‌های لایسیمتری در منطقه نیمه‌خشک ایران مورد ارزیابی قرار گرفت. همچنین جهت بررسی تأثیر گونه‌های گیاهی مرجع و بافت خاک بر میزان ET0، دو گونه چمن شامل فستوکا آروندیناسه و لولیوم پرنه در سه بافت خاک لوم شنی، رسی و لوم سیلتی در لایسیمترهای وزنی در طول سه سال اندازه¬گیری شدند. در این تحقیق از چهار روش هوشمند شامل: برنامه‌ریزی بیان ژن (GEP)، ماشین‌های بردار پشتیبان (SVM)، روش اسپلاین رگرسیونی چند متغیره تطبیقی (MARS) و جنگل¬های‌ تصادفی (RF) برای تخمین ET0 حاصل از اندازه¬گیری¬های لایسیمتری استفاده شد. عملکرد مدل¬ها فیزیکی-تجربی و تجربی در مقایسه با مقادیر اندازه¬گیری شده در تمامی لایسیمترها مطابقت معنی¬داری داشتند و مدل¬های Kimberly Penman-1996 (KP)، Penman-1963، FAO.ppp.17 Penman (FAO.ppp.17)، FAO24 Blaney Criddle (FAO24BC)،FAO56 Penman Monteith (FAO 56 PM) بهترین عملکرد را در بین مدل¬های مورد استفاده نشان دادند. عملکرد مدل¬های هوشمند نشان دهنده مطابقت بالای مقادیر تخمین زده شده توسط آنها با مقادیر اندازه-گیری شده بود. روشRF با ترکیب ورودی¬های مختلف دقت بالاتری نسبت به بقیه روش¬های هوشمند از خود نشان داد ولی در حالت کلی دقت مدل¬های هوشمند نسبت به مدل¬های تجربی بیشتر بود. مقایسه گروهی مدل¬ها‌ تجربی و هوشمند نشان داد که گروه ترکیبی بهترین عملکرد را بین گروه¬های مطالعه شده دارند. مدل¬های تجربی و هوشمند در تخمینET0 اندازه¬گیری شده برای لایسیمترهایی که با خاک لوم شنی پر شده¬اند دقت بیشتری داشتند. بررسی تاثیر گونه چمن و بافت¬ خاک¬های استفاده شده در لایسیمتر¬ها بر عملکرد مدل¬ها نشان داد دقت مدل¬های تجربی در لایسیمترهایی که چمن کشت شده در آنها لولیوم است بالاتر از چمن فستوکا می¬باشد. ولی مقایسه عملکرد مدل¬های هوشمند برای گونه¬های چمن کاشته شده در لایسیمترها متفاوت به دست آمد به طوری که برای لایسیمترهای فستوکا در خاک¬های شنی دقت بالاتر از چمن لولیوم بود اما در خاک¬های رسی و لوم سیلتی نتیجه برعکس هست. در این مطالعه با توجه به استفاده از سه نوع بافت مختلف خاک در لایسیمترها اثر بافت خاک بر توزیع تراکم ریشه و عمق توسعه آن در روزهای بعد از کشت به کمک جعبه پایش ریشه و تکنیک پردازش تصویر با بهره گیری از روش هوشمند منطق فازی انجام گرفت. میزان تراکم و عمق ریشه دوانی در خاک رسی بیشتر از خاک¬های لوم سیلتی و شنی به دست آمد. در نهایت تجزیه، تحلیل و مقایسه اثرات گونه¬های چمن و بافت خاک بر ET0به صورت آماری در غالب طرح فاکتوریل اسپلیت پلات در زمان انجام شد. نتایج نشان داد اثرات بافت خاک و گونه¬های چمن بر میزان ET0معنی¬دار (01/0P < ) است. مقدار ET0 در خاک¬های با بافت ریز بیشتر از بافت درشت می¬باشد. همچنین مقدار آن برای چمن فستوکا بیشتر از چمن لولیوم است.

Text of Note

Accurate estimation of reference crop evapotranspiration (ET0) is a determining factor in irrigation water requirement estimation, therefore, several methods have been proposed by researchers to estimate ET0, where each relationship performance is not similar in different regions and climates. As direct measurement methods are laborious costly and time-consuming, the estimation methods are often used to determine the ET0 amount. Therefore, evaluating the performance of these models in different climatic conditions is a fundamental issue in research. Evaluation of the models’ accuracy with the real data (measured by lysimeters) has limitedly been done in some studies. In most studies, one grass species and a type of soil texture were used in the lysimeters, while different values of ET0 were expected for different soil textures and species of grass. In this study, 23 models in the combination, radiation, temperature, pan evaporation and mass transfer or aerodynamics groups for three consecutive years (2017-2019) were evaluated with lysimetric measurements in a semi-arid region of Iran. To investigate the effects of reference plant species and soil textures on the amounts of ET0, two grass species including Festuca Arundianacea Schreb and Lolium perenne in three soil textures of sandy loam, clay, and silt loam were planted in the weighing lysimeters. In this study, four intelligent methods including Genetic Expression Programming (GEP), Support Vector Machines (SVM), Multivariate Adaptive Regression Splines (MARS) and Random Forests (RF) were used to estimate ET0 obtained from lysimetric measurements. All studied models had a significant correlation (P <0.01) with lysimetric measurements for both grass species and three soil textures. Kimberly Penman-1996 (KP), Penman-1963, FAO.ppp.17 Penman (FAO.ppp.17), FAO24 Blaney Criddle (FAO24 BC), FAO56 Penman-Monteith (FAO 56 PM) had the best performance among physical-empirical models. The RF method with all input combinations was more accurate than other intelligent methods, but in general, the accuracy of intelligent models was higher than experimental models. Empirical and intelligent models were more accurate in estimating the measured ET0 for lysimeters filled with sandy loam soil. The study of the effect of grass species and soil texture used in lysimeters on the performance of models showed that the accuracy of empirical models in lysimeters with Lolium is higher than Festuca grass. However, comparing the performance of intelligence models for grass species planted in lysimeters was different, so that for Festuca lysimeters in sandy soils the accuracy was higher than Lolium grass, but in clay and silty loam soils, the result is the opposite. In this study, due to the use of three different soil textures in lysimeters, the effect of soil texture on root density distribution and depth of development after planting time with the help of Rhizotron and Image processing technique using the fuzzy logic method. Root density and rooting depth in clay soil were higher than silty and sandy loam soils. Analysis and comparisons of the effects of grass species and soil textures on ET0 were performed statistically. The experiment was performed as a factorial split-plot in time in the form of randomized complete blocks design. The effects of soil texture and grass species on the amount of ET0 are significant (P <0.01). ET0 amount in fine-textured soil is more than that in coarse texture. Also, its amount for the Festuca grass is more than that for the Lolium grass.

Variant Title

The evaluation of evapotranspiration of grass different species based on weighing lysimeter measurements for soil different textures and comparison with reference crop evapotranspiration

Entry Element

احمدی فر،

Part of Name Other than Entry Element

وحدت

Relator Code

تهيه کننده

Entry Element

دلیر حسن‌نیا،

Entry Element

صدرالدینی،

Part of Name Other than Entry Element

رضا

Part of Name Other than Entry Element

علی اشرف

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز