علوم آب و خاک

کنترل شب‌پره بزرگ موم توسط روش نرسترونی با استفاده از پرتو گاما، و روش شیمیایی بررسی و مقایسه گردید. به منظور تعیین دوز مناسب پرتو گاما در سترون نمودن شفیره‌های نر شب‌پره بزرگ موم، آزمایشی در چارچوب طرح کامل تصادفی با پنج تیمار صفر، 250، 300، 350 و 400 گری) در سه تکرار انجام شد. بررسی نتایج مشخص نمود که بهترین دوز سترون کننده، دوز 350 گری پرتو گاما می‌باشد. برای مشخص نمودن نسبت رهاسازی نرهای سترون به نرهای سالم در برابر تعداد مساوی از حشرات ماده طبیعی، آزمایشی در چارچوب طرح کامل تصادفی با پنج تیمار (1:1:1؛ 1:1:2؛ 1:1:3؛ 1:1:4؛ 1:1:5) در سه تکرار انجام گرفت.

نتایج به دست آمده نشان داد چنانچه نسبت رهاسازی نرهای سترون در جمعیت‌های سالم 1:1:4 باشد، نتیجه مطلوب حاصل می‌گردد. به منظور بررسی امکان بکرزایی این حشره، طرح آزمایشی کامل تصادفی با دو تیمار (ماده‌های باکره و ماده‌های جفت‌گیری نموده)، در سه تکرار انجام شد. نتایج نشان داد که حشره ماده توانایی بکرزایی ندارد. بـرای مقایـسه عملکرد روش کـنترل نـرسترونی بـا روش شیمیایـی، آزمایشی بـا سه تیـمار و سه تـکرار در انبـارهای موم بـه ابعاد 100×115×176 سانتی‌متر، که هر کدام حاوی 20 شان سیاه رنگ در یک کندوی دوطبقه و عاری از هر گونه آلودگی بود، انجام گردید.

تیمارهای آزمایشی شامل کنترل به روش نرسترونی، شیمیایی و بدون کنترل بود. برای کنترل شیمیایی، به ازای هر متر مکعب فضا یک قرص سه گرمی فستوکسین 56%، و برای تیمار نرسترونی به نسبت رهاسازی (1:1:4) در هر انبار، 134 نرسترون، 33 نر سالم و 33 ماده سالم استفاده شد. پس از بررسی میزان کنترل در روش‌های مختلف، مشخص شد که به احتمال 95% بین کنترل شیمیایی و کنترل ژنتیکی (نرسترونی) این آفت تفاوتی وجود ندارد.

استفاده از داده‌های کمکی رقومی و ارتباط آنها با داده‌های مشاهداتی صحرایی از طریق روش‌های کامپیوتری که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، نسبت به روش‌های سنتی نقشه‌برداری خاک قابل‌اعتمادتر و کم ‌هزینه‌تر است. بنابراین در مطالعه حاضر، از مدل‌های شبکه عصبی مصنوعی و k نزدیک‌ترین همسایگی جهت پیش‌بینی مکانی شوری خاک در منطقه‌ای خشک به وسعت 700 کیلومتر مربع در شمال شهرستان اردکان استفاده گردید. در این منطقه براساس روش شبکه‌بندی منظم 180 نمونه خاک مشخص‌شده و سپس نمونه‌برداری و خصوصیات فیزیکی- شیمیایی خاک اندازه‌گیری شدند. متغیرهای محیطی استفاده ‌شده در این مطالعه شامل پارامترهای استخراج‌ شده از مدل رقومی ارتفاع، داده‌های تصویر ETM⁺ ماهواره لندست و هدایت الکتریکی ظاهری (اندازه‌گیری شده توسط دستگاه هدایت‌گر الکترومغناطیس) بودند. نتایج این تحقیق نشان داد که مدل k نزدیک‌ترین همسایگی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به‌منظور پیش‌بینی شوری خاک است. به‌طوری‌که این مدل به‌خوبی توانسته ارتباط قوی بین داده‌های شوری خاک و اطلاعات محیطی برقرار کند. مجموع ریشه مربعات خطا و ضریب تبیین مدل k نزدیک‌ترین همسایگی به‌ترتیب 73/18 و 92/0 است. نتایج نشان داد که برای پیش‌بینی شوری خاک، هدایت الکتریکی ظاهری، شاخص‌های سنجش ‌از دور و شاخص خیسی مهم‌ترین پارامترها بودند.