زینب بیگدلی، احمد گلچین، طاهره منصوری،
جلد 21، شماره 4 - ( علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی- زمستان 1396 )
چکیده
به‌منظور بررسی تأثیر آلودگی خاک به سرب بر معدنی شدن کربن و نیتروژن آلی بقایای گیاهی گندم یک آزمایش به‌روش کیسه کلش و به‌صورت گلدانی و با آرایش فاکتوریل در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. فاکتورهای مورد بررسی شامل سطوح آلودگی خاک به سرب (صفر، 25، 50، 100 و 200 میلی‌گرم سرب در کیلوگرم خاک) و مدت زمان خوابانیدن (30، 60، 90 و 120 روز) بودند که تأثیر آنها بر معدنی شدن کربن و نیتروژن آلی بقایای گیاهی گندم مورد بررسی قرار گرفت. در پایان هر یک از زمان‌های خوابانیدن، کیسه‌های کلش از گلدان‌ها خارج و وزن بقایای گیاهی باقیمانده در کیسه‌ها و همچنین مقدار کربن آلی و نیتروژن آنها اندازه‌گیری شد. نتایج نشان داد که میزان هدررفت کربن از بقایای گندم و ثابت سرعت تجزیه کربن به‌ترتیب با افزایش غلظت سرب به بیش از 25 و 50 میلی‌گرم در کیلوگرم خاک، به‌طور معنی‌داری کاهش یافت. مقدار هدررفت نیتروژن آلی نسبت به کربن آلی بیشتر تحت تأثیر غلظت سرب خاک قرار گرفت و به مراتب افزایش غلظت سرب، مقدار هدررفت نیتروژن آلی کاهش یافت ولی ثابت سرعت تجزیه نیتروژن آلی با افزایش غلظت سرب به بیش از از 25 میلی‌گرم در کیلوگرم خاک کاهش یافت. مقدار هدررفت کربن و نیتروژن آلی در تیمار 200 میلی‌گرم سرب بر کیلوگرم خاک، به‌ترتیب 2/3 و 7/11 درصد کمتر از تیمار بدون سرب بود. نتایج این پژوهش نشان داد که آلودگی خاک به سرب مدت اقامت کربن و نیتروژن آلی را در خاک افزایش داده و باعث کند شدن چرخه این عناصر می‌شود.
ساناز بیگدلی، کیومرث ابراهیمی، عبدالحسین هورفر، علی اکبر داودی راد،
جلد 26، شماره 4 - ( علوم آب و خاک - زمستان 1401 )
چکیده
در این تحقیق تدقیق شبکه عصبی فازی (ANFIS) در ترکیب با الگوریتم گرگ خاکستری (GWO-ANFIS) برای اولین بار در پیش‌بینی تراز آب زیرزمینی با کاربرد داده‌های چاپ نشدۀ مشاهده‌ای 1397-1377 از آبخوان زرندیه ارزیابی شد. سه چاه مشاهده‌ای بصورت تصادفی برای تجزیه و تحلیل انتخاب شد. بررسی معیارهای ارزیابی نشان داد که از بین سناریوهای بکار رفته با کاربرد مدل ترکیبی، سناریوی D با ترکیب داده‌های ورودی، تراز آب‌زیرزمینی ماه قبل، بارش، دما و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه مدل ترکیبی انتخاب شد. برای سناریو D، چاه مشاهده‌ای اوّل پارامترهای MAPE، RMSE، NASH به‌ترتیب مساوی 0/29، 0/47 متر و 0/99 به‌دست آمد. برای چاه مشاهده‌ای دوّم سناریوی C با ترکیب داده‌های ورودی، تراز آب زیرزمینی ماه قبل، بارش و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه انتخاب شد و برای همان پارامترها مقادیر 0/20 ، 0/26 متر و 0/99 به‌دست آمد. برای چاه سوّم سناریوی A با داده‌های ورودی، تراز آب زیرزمینی ماه قبل به‌عنوان سناریو بهینه مدل ANFIS-GWO انتخاب شد و مقادیر همان پارامترها برای این سناریو برابر 0/29، 0/41 متر و 0/99 به‌دست آمد. بر اساس نتایج، الگوریتم گرگ خاکستری در آموزش مدل ANFIS توانست میانگین خطای پیش‌بینی را به مقدار 03/ 0 (RMSE) و 0/02 (MAPE) متر کاهش و مقدار میانگین NASH را به میزان 0/01 افزایش و سبب افزایش دقت پیش‌بینی‌ها شود.
