پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,761 |
| تعداد مقالات | 72,826 |
| تعداد مشاهده مقاله | 131,643,119 |
| تعداد دریافت فایل اصل مقاله | 103,419,630 |
ارزیابی عملکرد سیستم‌های زهکشی با استفاده از نقشه‌برداری رقومی شوری خاک | ||
| تحقیقات آب و خاک ایران | ||
| دوره 56، شماره 3، خرداد 1404، صفحه 753-770 اصل مقاله (1.69 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2025.387219.669857 | ||
| نویسندگان | ||
| فرهاد دهقانی* 1؛ یوسف هاشمی نژاد2؛ امیر پرنیان3؛ نادیا بشارت4 | ||
| 1عضو هیئت علمی مرکز ملی تحقیقات شوری، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد، ایران | ||
| 2عضو هیئت علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران | ||
| 3عضو هیات علمی مرکز ملی تحقیقات شوری، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد، ایران. | ||
| 4مرکز ملی تحقیقات شوری، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد، ایران | ||
| چکیده | ||
| به‌منظور ارزیابی عملکرد سیستم زهکشی در اراضی تجهیز و نوسازی شده تنورلاهور استان یزد و بر اساس روش فرامکعب لاتین موقعیت 49 نقطه برای اخذ 147 نمونه خاک، 28 نمونه آب و 225 نقطه قرائت دستگاه هدایت‌گر الکترومغناطیس تعیین شد. مقادیر شوری و ترکیب یونی نمونه‌های آب و خاک در آزمایشگاه نیز برای درون‌یابی و تهیه نقشه تغییرات شوری خاک در منطقه ریشه تعیین شد. رابطه بین هدایت الکتریکی و هدایت الکترومغناطیسی قرائت شده توسط دستگاه در دو حالت افقی و عمودی با استفاده از روش‌های رگرسیون چندگانه بررسی شد. نتایج رگرسیون گام به گام نشان داد که در هر دو مورد تنها قرائت دستگاه در وضعیت افقی با میانگین شوری خاک دارای رابطه رگرسیونی معنی‌داری است. بر اساس نتایج ارزیابی شوری خاک تنها بر اساس نمونه‌گیری سنتی و تجزیه آزمایشگاهی نمی‌تواند تصویری واقعی از وضعیت شوری و عملکرد سیستم زهکشی ارایه نماید. در حالی‌‌که برآورد مقدار شوری خاک با استفاده از مقادیر هدایت الکتریکی ظاهری خاک، با وضعیت گیاه و عملکرد سیستم زهکشی رابطه بهتری نشان داد. بر این اساس، شوری خاک در قسمت‌های میانی پروژه کاملاً کنترل شده به‌نحوی که شوری خاک حتی به کمتر از شوری آب آبیاری نیز رسیده است، این در حالی است که در حاشیه پروژه و جایی که وظیفه زهکشی بر عهده زهکش اصلی بوده، مقادیر شوری خاک زیاد است. از لحاظ شوری زهاب نیز در قسمت‌های پایاب افزایش تجمعی شوری مشاهده شد. تغییرات زمانی شوری زهاب در مقاطع مختلف شبکه زهکشی نشان می‌دهد که شوری زهاب در هر محل با زمان تقریباً ثابت است. شوری زهاب در جمع‌کننده‌ها (نقاط P1 و P2) در حدود 20 دسی‌زیمنس بر متر و در زهکش اصلی (نقطه P3) در حدود 33 دسی‌زیمنس بر متر باقی مانده است. این شرایط نشان می‌دهد که سیستم زهکشی به شرایط ماندگار یا شبه ماندگار نزدیک شده است. | ||
| کلیدواژه‌ها | ||
| شوری؛ زهکشی؛ پسته؛ القای الکترومغناطیس؛ ارزیابی | ||
| عنوان مقاله [English] | ||
| Evaluation of drainage systems performance using digital soil salinity mapping | ||
| نویسندگان [English] | ||
| Farhad Dehghani1؛ Yosef Hasheminejhad2؛ Amir parnian3؛ Nadia Besharat4 | ||
| 1Faculty member, National Salinity Research Center (NSRC), Agricultural Research, Education and Extension Organization (AREEO), Yazd, Iran | ||
| 2Faculty member, Khorasan Razavi Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Mashhad, Iran | ||
| 3Faculty member, National Salinity Research Center (NSRC), Agricultural Research, Education and Extension Organization (AREEO), Yazd, Iran | ||
| 4National Salinity Research Center (NSRC), Agricultural Research, Education and Extension Organization (AREEO), Yazd, Iran | ||
| چکیده [English] | ||
| A Latin hypercube sampling approach was employed to evaluate the drainage system performance in rehabilitated and modernized lands in Tanour-Lahour, Yazd Province. This determined the locations for collecting 147 soil samples, 28 water samples, and 225 electromagnetic conductivity readings. Soil and water salinity and ionic composition used to interpolate and create root zone soil salinity variation maps. The regression results showed that in both cases, only the device measurement in the horizontal position has a significant relationship with the average root zone soil salinity. Accordingly, the assessment of soil salinity based only on traditional sampling and laboratory analysis cannot provide a proper view of the salinity and also an overview of the performance of the drainage system. The land’s soil salinity estimation using apparent electrical conductivity data showed a better relationship between the plant health status and the performance of the land’s drainage system. Accordingly, the soil salinity in the middle lands has been completely controlled in such a way that the ECe has even reached less than the irrigation water EC, while in the marginal lands equipped by the drainage system and where the drainage occurred only by the main drainage ditch, the soil salinity values were higher than middle lands. The time sequence of drainage salinity indicates that the drainage water salinity was almost constant in time. The drainage salinity in the collectors remained constant about 20dS/m and in the main drain ditch about 33 dS/m. These conditions indicate that the drainage system has approached steady or quasi-steady conditions. | ||
| کلیدواژه‌ها [English] | ||
| Drainage, Electromagnetic Induction, Evaluation, Pistachio, Salinity | ||
| مراجع | ||
|
Ahmad, A. Y., Saleh, I. A., Balakrishnan, P., & Al-Ghouti, M. A. (2021). Comparison GIS-Based interpolation methods for mapping groundwater quality in the state of Qatar. Groundwater for Sustainable Development, 13, 100573. Akram, S., Kashkouli, H. A., & Pazira, E. (2008). Sensitive variables controlling salinity and water table in a bio-drainage system. Irrigation and drainage systems, 22(3-4), 271-285. Ayars, J. E., & Corwin, D. L. (2024). Salinity management. In Microirrigation for Crop Production (pp. 133-155). Elsevier Science. Ayars, J. E., Hoffman, G. J., & Corwin, D. L. (2012). Leaching and root zone salinity control. In K. Tanji (Ed.), Agricultural Salinity Assessment and Management .Vol. 12, pp. 371-403. Bivand R, Pebesma E, Gomez-Rubio V (2013). Applied spatial data analysis with R, Second edition. Springer, NY. https://asdar-book.org/. Ferreira, C. S., Soares, P. R., Guilherme, R., Vitali, G., Boulet, A., Harrison, M. T., & Ferreira, A. J. (2024). Sustainable water management in horticulture: problems, premises, and promises. Horticulturae, 10(9), 951. FAO. (2024). Global status of salt-affected soils–Main report. Rome.https://doi.org/10.4060/cd3044en. Farzamian, M., Bouksila, F., Paz, A. M., Santos, F. M., Zemni, N., Slama, F., & Triantafilis, J. (2023). Landscape-scale mapping of soil salinity with multi-height electromagnetic induction and quasi-3d inversion in Saharan Oasis, Tunisia. Agricultural Water Management, 284, 108330. Gräler B, Pebesma E, Heuvelink G .(2016). “Spatio-Temporal Interpolation using gstat.” The R Journal, 8, 204-218. https://journal.r-project.org/archive/2016/RJ-2016-014/index.html. Hasheminejhad, Y., Homaee, M., Noroozi, A.A. (2015). Determining Proper Sampling Density and Strategy for Soil Salinity Assessment before Sampling. Journal of Soil Research. 29(3), 1282-1293. (In Persian). Hasheminejhad, Y., Homaee, M., Noroozi, A.A. (2016). Sensitivity Analysis of Electromagnetic Induction Technique to Determine Soil Salinity in Large –Scale. Journal of Water and Soil. 30(4), 335-350. (In Persian). Hasheminejhad, Y., Homaee, M., Noroozi, A.A. (2017). Statistical Modeling of Soil Salinity on Large Scale. Journal of Water and Soil. 31(3), 929-942. (In Persian). Herrero, J., & Pabuayon, I. L. B. (2021). The problem with “apparent electrical conductivity” in soil electromagnetic induction studies. Advances in Agronomy, 165, 161-173. Hijmans R. (2024). Raster: Geographic Data Analysis and Modeling. R package version 3.6-30, https://rspatial.org/raster. Ivushkin, K., Bartholomeus, H., Bregt, A. K., Pulatov, A., Kempen, B., & De Sousa, L. (2019). Global mapping of soil salinity change. Remote Sensing of Environment, 231, 111260. Marino, G., Zaccaria, D., Snyder, R.L., Lagos, O., Lampinen, B.D., Ferguson, L., Grattan, S.R., Little, C., Shapiro, K., Maskey, M.L. and Corwin, D.L. (2019). Actual evapotranspiration and tree performance of mature micro-irrigated pistachio orchards grown on saline-sodic soils in the San Joaquin Valley of California. Agriculture, 9(4), 76. Mehdi-Tounsi, H., Chelli-Chaabouni, A., Mahjoub-Boujnah, D., & Boukhris, M. (2017). Long-term field response of pistachio to irrigation water salinity. Agricultural Water Management, 185, 1-12. Mendicino, G., Akram, M., & Senatore, A. (2018). Numerical evaluation of the effects of increasing ratio of cropped to uncropped width on dry drainage efficiency in salty soils. Irrigation and Drainage, 67, 91-100. Minasny, B., & McBratney, A. B. (2006). A conditioned Latin hypercube method for sampling in the presence of ancillary information. Computers & Geosciences, 32(9), 1378–1388. Mulder, V. L., Roudier, P., & Arrouays, D. (2023). Digital soil mapping-advancing the knowledge frontiers. Frontiers in Soil Science, 3, 1225672. Noory, H., Liaghat, A. (2008). The effect of water table management on soil salinity distribution in plant rhizosphere in semi-arid climatic conditions of Iran. Journal of Agriculture, 10(1), 175-189. (In Persian) Oosterbaan, R. (1994). Agricultural drainage criteria. In Drainage Principles and Applications. ILRI Publ .Vol. 16, pp. 635-688). Oosterbaan, R., & Abu Senna, M. (1989). Using Saltmod to predict drainage and salinity in the Nile Delta. In ILRI Annual Report (pp. 63-75). Oster, J. D., Quinn, N. W., Daigh, A. L., & Scudiero, E. (2022). Agricultural subsurface drainage water. In Unconventional water resources (pp. 157-195). Cham: Springer International Publishing. Parsinejad, M., & Akram, M. (2018). A Fresh Look at Drainage for Agriculture. Irrigation and Drainage, 67, 8-16. Pathirana, S., Lambot, S., Krishnapillai, M., Cheema, M., Smeaton, C., & Galagedara, L. (2023). Ground-penetrating radar and electromagnetic induction: Challenges and opportunities in agriculture. Remote Sensing, (11), 2932. Petsetidi, P. A., & Kargas, G. (2023). Assessment and Mapping of Soil Salinity Using the EM38 and EM38MK2 Sensors: A Focus on the Modeling Approaches. Land, 12(10), 1932. Rhoades, J.D. (1982). Soluble salts. In: Page AL (ed) Methods of soil analysis, part II, 2nd ed., ASA, Monograph No. 9, Madison, WI, pp 167–179. https://doi.org/10.2134/agronmonogr 9.2.2ed.c10. Selim, T., Amer, A., Farzamian, M., Bouksila, F., Elkiki, M., & Eltarabily, M. G. (2025). Prediction of temporal and spatial soil salinity distributions using electromagnetic conductivity imaging and regional calibration. Irrigation Science, 1-19. Shamsi, S., Kamali, A., & Hasheminejhad, Y. (2022). An approach to predict soil salinity changes in irrigated pistachio orchards (Ardakan, Yazd Province): A case study. Journal of Soil Science Society of Iran, 1(1), 1-10. Sharifipour, M., Hassanoghli, A., Liaghat, A. and Naseri, A. A. (2020). Installation Depth of Subsurface Drains in Arid and Semi-Arid Regions; Challenges and Solutions. Iranian Journal of Soil and Water Research, 51(3), 737-752. doi: 10.22059/ijswr.2019.292663.668397. (In Persian) Sharifipour, M., Alizadeh, H. A., Naseri, A., Liaghat, A. M. and Hasanoghli, A. (2015). Agricultural, Environmental and Economic Considerations in Determining Pipe Drain Depth in Arid and Semi-Arid Regions- Case Study Azadegan Plain. Water Management in Agriculture, 2(1), 71-80.Soltani, M., Rahimikhoob, A., Sotoodehnia, A., (In Persian) Taghizadeh-Mehrjardi, R., Sarmadian, F., Omid, M., Savaghebi, G.R., Toomanian, N., Rousta, M.J., Rahimian, MH. (2013). Comparison of artificial neural network and decision tree methods for mapping soil units in Ardakan region. Iranian Journal of Soil and Water Research, 44(2), 173-182. (In Persian) Taghizadeh-Mehrjardi, R., Sarmadian, F., Tazeh, M., Omid, M., Toomanian, N., Rousta, M.J., Rahimian, MH. (2014). Comparison of different sampling methods for digital soil mapping in Ardakan region. Watershed Engineering and Management, 6(4), 353-363. (In Persian) Visconti, F., & De Paz, J. M. (2021). A semi‐empirical model to predict the EM38 electromagnetic induction measurements of soils from basic ground properties. European Journal of Soil Science, 72(2), 720-738. Wang, W., & Sun, J. (2024). Estimation of soil salinity using satellite-based variables and machine learning methods. Earth Science Informatics, 1-13. Wang, F., Yang, S., Wei, Y., Shi, Q., & Ding, J. (2021). Characterizing soil salinity at multiple depth using electromagnetic induction and remote sensing data with random forests: A case study in Tarim River Basin of southern Xinjiang, China. Science of the Total Environment, 754, 142030. Zeraatpisheh, M., Jafari, A., Bodaghabadi, M. B., Ayoubi, S., Taghizadeh-Mehrjardi, R., Toomanian, N., Xu, M. (2020). Conventional and digital soil mapping in Iran: Past, present, and future. Catena, 188, 104424. | ||
|
آمار تعداد مشاهده مقاله: 53 تعداد دریافت فایل اصل مقاله: 52 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب