علوم آب و خاک

---

در تنوع اقلیمی ایران، سنجش حساسیت مدل‌های رایج تخمین تبخیر- تعرق قبل از انتخاب و معرفی مناسبت‌ترین مدل امری ضروری بنظر می‌رسد. در این تحقیق، حساسیت مدل‌های مختلف تبخیر- تعرق به متغیرهای مختلف هواشناسی (به منظور کاربرد در برآورد پیامدهای نوسانات تغییر اقلیم و هم‌چنین ارزیابی دامنه خطاهای احتمالی در محاسبات تبخیر- تعرق) در شرایط اقلیمی سرد نیمه خشک همدان با استفاده از آمار 35 ساله هواشناسی (84-1350) بررسی شد. بدین منظور، مدل‌های پنمن- مانتیث فائو56 (PMF56)، جنسن هیز (1,2 JH)، مک کینک (MK)، هنسن (HN)، هارگریوز- سامانی (HS)، تورک مناطق مرطوب (TH) و تورک مناطق خشک(TA) به کار گرفته شدند. در این راستا، حساسیت (sensitivity) نسبی مدل‌های فوق به پارامترهای مختلف هواشناسی بررسی و با یکدیگر مقایسه شد. محدوده تغییرات پارامترهای مذکور در راستای برنامه‌های هیئت بین الدول تغییر اقلیم (IPCC) معادل 10 و20 درصد در طول فصل رشد (اردیبهشت- آبان) انتخاب شد. نتایج حاکی از این است که در شرایط اقلیمی همدان، اغلب مدل‌های برآورد ETo بیشترین حساسیت را (تا 8/10 در صد با ازای 10 درصد تغییر در ورودی) به ترتیب به تغییرات کوتاه مدت و دراز مدت پارامترهای تابش و دما نشان می‌دهند. نتایج نشان داد که در به کارگیری داده‌های تجربی یا شبیه سازی شده تابش و ضریب آلبیدو، باید دقت کافی به عمل آید. پیش‌بینی می‌شود که در اقلیم‌های سرد نیمه خشک، افزایش دمای هوا در طول دوره رشد، به طور متوسط موجب 5/8 در صد افزایش (براساس مدل (PMF56 نیاز آبی گیاه مرجع تا سال 1429 (2050 میلادی) می‌گردد.

---

معمولاً برای ارزیابی منابع آب مرتبط با برف در حوضه های کوهستانی، از آب معادل برف استفاده می شود. در این تحقیق، با بهره گیری از داده های مشاهده ای، کاربرد رگرسیون غیرخطی، شبکه عصبی مصنوعی و هم‌چنین بهینه سازی پارامترهای شبکه با روش الگوریتم ژنتیک در برآورد ضخامت برف و آب معادل آن بررسی شد. بدین منظور مقادیر برآورد شده با شبکه عصبی مصنوعی، روش تلفیقی شبکه عصبی- الگوریتم ژنتیک و روش رگرسیونی با مقادیر مشاهده شده مقایسه گردید. بدین-منظور اندازه‌گیری‌های صحرایی در بهمن سال 1384 در سراب کارون انجام گردید. هم‌چنین ضریب هم‌بستگی، میانگین مربع خطا و میانگین خطای مطلق برای ارزیابی کارایی مدل‌های مختلف شبکه های عصبی مصنوعی و رگرسیون غیرخطی مورد استفاده قرارگرفت. با توجه به نتایج به دست آمده، روش های شبکه عصبی مصنوعی و شبکه عصبی تلفیق یافته با الگوریتم ژنتیک در برآورد آب معادل برف مناسب تشخیص داده شدند. به طور کلی از میان روش‌های به کار رفته، روش شبکه عصبی تلفیق یافته با الگوریتم ژنتیک بهترین نتیجه (84/0r=، 041/0MSE= و 051/0MAE=) را در بر داشته است. با توجه به پارامترهای مورد بررسی، ارتفاع از سطح دریا، مهم‌ترین پارامتر مؤثر جهت برآورد آب معادل برف است.

---

کودهای شیمیایی مورد استفاده در کشاورزی از منابع آلاینده محیط زیست مانند منابع آب زیرزمینی و خاک هستند. شناخت عوامل مؤثر بر حرکت آب و نمک‌ها در نیم‌رخ خاک کمک مؤثری در مدیریت منابع آب و کاهش آب‌شویی نمک‌ها از ناحیه ریشه می‌نماید. در این پژوهش برای شبیه‌سازی و ارزیابی سطح ایستابی و انتقال نیترات با داده‌های یک مزرعه برنج از نرم‌افزار DRAINMOD-N استفاده شد. برای ارزیابی کارآیی این نرم‌افزار، یکی از قطعه‌های زراعی مجهز به سیستم زه‌کش سطحی در منطقه محمود آباد (مازندران)، سطح ایستابی و غلظت نیترات در آب زیرزمینی به مدت 4 ماه (خرداد الی شهریور) در سال 1387 اندازه‌گیری شد. بافت خاک قطعه زراعی رس سیلتی بود. هم‌چنین از 160 کیلوگرم در هکتار اوره طی دو مرحله استفاده شد. نرم‌افزار با تغییر ضرایب معدنی شدن و دنیتریفیکاسیون در دامنه مقادیر پیشنهاد شده از سوی دیگر پژوهشگران واسنجی شده و برای شرایط واقعی اجرا شد. نتایج نشان داد که تغییرات سطح ایستابی و غلظت نیترات در زیر منطقه ریشه در اکثر مواقع به خوبی توسط نرم‌افزار برآورد گردید و از هماهنگی نسبی خوبی با شرایط مزرعه برخوردار است. کارآیی نرم‌افزار در پیش‌بینی سطح آب زیرزمینی منطقه ریشه 84/0 و غلظت نیترات 97/0 به-دست آمد. نتایج این پژوهش نشان داد که نرم‌افزار DRAINMOD-N برای شبیه‌سازی مدیریت سطح ایستابی و غلظت نیترات تحت شرایط اقلیمی منطقه محمودآباد (مازندران) می‌تواند مفید باشد. به‌عبارت دیگر این نرم‌افزار به‌عنوان ابزار مدیریتی برای کاهش و جلوگیری از مسائل و دشواری‌های زیست محیطی نیترات در مناطق شالی‌کاری قابل استفاده است.