شماره کتابشناسی ملی
شماره
۱۲۳۴۱پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
برآورد نفوذپذیری خاک از طریق سنجش از دور و استفاده آن در مدل LISEM برای پیش بینی فرسایش حوضه آبخیز لیقوان
نام نخستين پديدآور
/مهدی رحمتی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده کشاورزی
مشخصات ظاهری
نام خاص و کميت اثر
۲۵۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
در رشته‌ی علوم خاک - گرایش فیزیک و حفاظت خاک
زمان اعطا مدرک
۱۳۹۲/۱۰/۲۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تحقیق حاضر در حوضه آبخیز لیقوان واقع در استان آذربایجان شرقی و در سه محور عمده ۱) دورسنجی ویژگی‌صهای سطحی خاک مانند رطوبت، بافت، کربن آلی و شوری خاک و نقشه کاربری اراضی، ۲) دورسنجی خصوصیات هیدرولیکی خاک و ۳) ارزیابی دقت مدل LISEM در پیش‌صبینی تولید رسوب با استفاده از داده‌صهای اندازه‌صگیری شده در مزرعه و آزمایشگاه و نیز با استفاده از اطلاعات استخراج شده از تصاویر ماهواره‌صای انجام شد .برای انجام این تحقیق از تصاویر سنجنده‌صهای MODIS وETM + استفاده شد .نمونه-برداری‌صهای خاک و اندازه‌صگیری‌صهای مزرعه‌صای نیز در اواخر بهار سال ۱۳۹۱ صورت گرفت .در مجموع ۲۲۵ نمونه خاک دست خورده و ۱۳۵ نمونه خاک دست نخورده از منطقه مورد مطالعه از اعماق صفر تا ۱۰ سانتی‌صمتری تهیه شد .از جمله ویژگی های اندازه‌صگیری شده در تحقیق حاضر می‌صتوان به بافت، جرم مخصوص ظاهری و حقیقی، رطوبت اولیه و اشباع، پایداری خاکدانه‌صها، هدایت هیدرولیکی اشباع، هدایت الکتریکی عصاره گل اشباع، کربن آلی خاک، پستی و بلندی سطح و متوسط ارتفاع پوشش گیاهی اشاره کرد .همچنین نفوذ تجمعی خاک نیز در ۱۳۵ مکان از منطقه مورد مطالعه به وسیله نفوذسنج دیسکی اندازه‌صگیری گردید .داده‌صهای هیدرولوژی منطقه مورد مطالعه شامل داده‌صهای بارندگی لحظه‌صای، رواناب و رسوب نیز از سازمان آب منطقه‌صای شهرستان تبریز تهیه شد .نتایج بخش اول تحقیق حاضر نشان داد که اطلاعات استخراج شده از تصاویر ماهواره‌صای با دقت قابل قبولی برای پیش‌صبینی نقشه کاربری اراضی) با دقت پیش‌صبینی ( ۷۳ با استفاده از روش کلاس‌صبندی و رطوبت اولیه خاک کل منطقه) با خطای پیش‌صبینی ۱۶ درصد (با استفاده از الگوریتم مثلث جهانی کاربرد دارند .همچنن تصاویر فوق از دقت متوسطی در پیش‌صبینی اجزای بافت با استفاده از شبکه عصبی مصنوعی) با R۲ متوسط ۵۹/۰) و کربن آلی با استفاده از روش رگرسیون درجه یک) با خطای پیش‌صبینی ۱۴ درصد (در کاربری خاک لخت برخوردار بودند .نتایج بخش دوم تحقیق نیز نشان داد توابع ایجاد شده بین ویژگی‌صهای خاک دورسنجی شده) رطوبت، اجزای بافت و کربن آلی خاک (و پارامترهای معادله‌صهای نفوذ گرین و امپ، کوستیاکف و کوستیاکف اصلاح شده از دقت متوسطی) با R۲ اصلاح شده کمتر از ۶۲/۰) برخوردار می‌صباشند .نتایج بخش پایانی تحقیق حاضر نیز نشان داد که مدل LISEM با بکارگیری ورودی‌صهای داده‌صهای اندازه‌صگیری شده در مزرعه و آزمایشگاه از دقت نسبتا خوبی در پیش‌صبینی میزان تولید رسوب برای هر بارش برخوردار می‌صباشد .مقایسه خاک هدر رفته اندازه‌صگیری شده و پیش‌صبینی شده نشان می‌صدهد که مدل دارای خطای کم برآوردی ۳۷ درصدی می‌صباشد .اما دقت مدل LISEM در برآورد تولید رسوب با استفاده از داده‌صهای دورسنجی شده معتبر تشخیص داده نشد .زیرا ضرایب واسنجی به دست آمده در مرحله واسنجی مدل منطقی به نظر نرسید
متن يادداشت
were employed and soil sampling and ground based measurements were done at late spring of 2012. Totally, 225 disturbed and 135 undisturbed core samples (4 +The current investigation was carried out at the Lighavn watershed area, located in East Azerbaijan, North West of Iran, regarding three aspects including 1) remote sensing of surface soil characteristics such as soil moisture, texture, organic carbon, salinity and land cover map, 2) remote sensing of the soil hydraulically properties, and 3) evaluating of the LISEM model accuracy for soil erosion prediction using ground base measurements and remotely sensed data as input variables. To this end, satellite images from MODIS and ETM transfer functions between remotely sensed data (soil moisture, soil separates, and soil organic carbon) and parameters of the Green and Ampt, Kostyakov, and modified Kostykov infiltration models showed moderate accuracy (with R2adj lower than 0.62). Results from the last section also revealed that LISEM model using ground based measured data as input variables showed relatively good accuracy for soil erosion prediction. Comparison between measured and predicted soil losses showed that the LISEM model consisted 37 underestimation in soil erosion prediction. The model accuracy for soil erosion prediction using remotely sensed data as input variables was not valid due to its unreasonable calibration coefficients-use. Results from the second section revealed that the created pedo-10 cm depths of the study area. Comulative infiltration were also measured at 135 points of the study area. Several soil characteristics consisting soil texture, bulk and particle densities, infiltration, initial and saturated moisture contents, aggregate stability, saturated hydraulic conductivity, electrical conductivity, organic carbon, surface random roughness, and crop height were determined. Hydrological and climatological data including precipitation, runoff, and sediment values were supplied by the East Azerbaijan Regional Water Company. Results from the first section indicated that information extracted from satellite images predicted land cover map (with prediction accuracy equal to 73 ) with reasonable accuracy using classification method, and surface soil moisture (with evaluating error of 16 ) using triangle method. The satellite images also showed moderate accuracy to predict soil separates by applying artificial neural network (with average R2 equal to 0.59) and soil organic carbon using first order regression method (with efficiency error of 14 ) in bare soil land- 5 cm) were taken from 0
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
رحمتی، مهدی
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
نیشابوری، محمد رضا، استاد راهنما
مستند نام اشخاص تاييد نشده
محمدی اسکوئی، مجید، استاد ارهنما
مستند نام اشخاص تاييد نشده
فاخری فرد، احمد، استاد مشاور
مستند نام اشخاص تاييد نشده
احمدی، عباس، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
