آسیه ناروئی؛ جواد زمانی؛ شاپور کوهستانی؛ فریده عباس زاده افشار
چکیده
این پژوهش در شرایط گلخانهای بر رشد گیاه ذرت در دو نوع خاک (شنی و لوم شنی) در 5 سطح کاربرد از دو نوع بیوچار، بیوچار برگ خرما و بیوچار ضایعات برداشت پسته (صفر، 1، 2، 3 و 5 درصد وزنی) انجام شد. کشت گیاه در خاک حاوی انجام و در زمان برداشت ارتفاع گیاه، وزن خشک اندام هوایی و ریشه اندازهگیری شدند. همچنین غلظت فلزات سنگین در اندام هوایی گیاه مورد ...
بیشتر
این پژوهش در شرایط گلخانهای بر رشد گیاه ذرت در دو نوع خاک (شنی و لوم شنی) در 5 سطح کاربرد از دو نوع بیوچار، بیوچار برگ خرما و بیوچار ضایعات برداشت پسته (صفر، 1، 2، 3 و 5 درصد وزنی) انجام شد. کشت گیاه در خاک حاوی انجام و در زمان برداشت ارتفاع گیاه، وزن خشک اندام هوایی و ریشه اندازهگیری شدند. همچنین غلظت فلزات سنگین در اندام هوایی گیاه مورد ارزیابی قرار گرفت. نتایج نشان داد که رشد گیاه ذرت در اثر کاربرد بیوچارها کاهش یافت و در این بین تأثیر منفی بیوچار پسته به ویژه در خاک شنی بر رشد گیاه بیشتر بود و سطوح متوسط و بالای این بیوچار سبب توقف رشد ذرت در خاک شنی شد. بررسی شوری خاکها نشان داد که افزودن بیوچارها به خاکها، موجب افزایش شوری و در نتیجه تأثیر منفی بر رشد گیاه شده بود. نتایج غلظت عناصر موجود در اندام هوایی گیاه نشان داد که غلظت اکثر عناصر سنگین چندان تحت تاثیر کاربرد بیوچار قرار نگرفت، هرچند افزایش جذب آهن در خاک شنی در اثر کاربرد بیوچار پسته و نیز افزایش جذب منگنز در اثر کاربرد سطح 1 درصد بیوچار برگ خرما مشاهده شد، از طرفی بیوچار خرما در سطوح بالاتر تاحدی سبب کاهش غلظت منگنز در گیاه شده بود. نتایج نشان میدهد با وجود محاسن زیادی که از کاربرد بیوچارها در منابع علمی مختلف بیان شده است، لازم است قبل از کاربرد بیوچارها در خاک، تأثیر آنها بر ویژگیهای خاک و رشد گیاه مورد ارزیابی قرار گیرد.
پیدایش و طبقه بندی خاکها
فریده عباس زاده افشار؛ شمس اله ایوبی؛ اعظم جعفری
چکیده
نقشه توزیع مکانی کلاسهای خاک برای استفاده مناسب از خاک و تصمیمگیریهای مدیریتی مهم است. نقشهبرداری رقومی خاک میتواند توزیع مکانی از کلاسهای خاک را به صورت کمّی پیشبینی کند. ماشین یادگیری اصطلاح کلی برای مجموعه گستردهای از مدلها برای کشف الگوهای موجود در دادهها و پیشبینی متغیرهای مورد مطالعه است. این ...
بیشتر
نقشه توزیع مکانی کلاسهای خاک برای استفاده مناسب از خاک و تصمیمگیریهای مدیریتی مهم است. نقشهبرداری رقومی خاک میتواند توزیع مکانی از کلاسهای خاک را به صورت کمّی پیشبینی کند. ماشین یادگیری اصطلاح کلی برای مجموعه گستردهای از مدلها برای کشف الگوهای موجود در دادهها و پیشبینی متغیرهای مورد مطالعه است. این مطالعه با هدف مقایسه سه مدل رگرسیون لجستیک چندجملهای، رگرسیون درختی توسعهیافته و درخت تصمیم و کارایی آنها در پیشبینی گروه بزرگهای خاک در منطقه بم استان کرمان طراحی گردید. یک طرح نمونهبرداری طبقهبندی شده تصادفی در منطقهای به مساحت صد هزار هکتار تعریف شد و در نهایت، ۱۲6 خاکرخ حفر و بر اساس سیستم طبقهبندی آمریکایی تشریح و طبقهبندی گردید. نتایج حاصل از مدلسازی نشان داد که نقشه سطوح ژئومرفولوژی، یک ابزار مهم در روشهای نقشهبرداری رقومی خاک است که به افزایش دقت پیشبینی کمک میکند. پس از سطوح ژئومرفیک، اجزای سرزمین و شاخصهای سنجش از دور بهعنوان پارامترهای کمکی مؤثر شناخته شدند. نتایج مقایسه دقت ارزیابی مدلها نشان داد که بهترین پیشبینی مربوط به مدل درخت تصمیم است. این نتایج نشان میدهد که ساختار درختی ایجادشده بین متغیر هدف و متغیرهای انتخابشده در مدل باعث افزایش دقت این مدل نسبت به مدلهای رگرسیونی شده است. نتایج کلی نشان داد که نقشهبرداری رقومی خاک، میتواند به عنوان یک روش ارزیابی منابع خاک استفاده شود. علاوه بر این، قابلیت اطمینان نقشههای برآوردشده میتواند شروع یک بحث جدید بین متخصصان منابع زمین و خاکشناسان باشد. این اطلاعات همچنین میتواند برای تکمیل مجموعه دادههای موجود در کشور نیز استفاده شوند.