بررسی انتشارپذیری یون نیترات در خاک ماسه ای با استفاده از مدل HYDRUS-۱D
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 47، شماره: 4
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-47-4_012
تاریخ نمایه سازی: 3 آبان 1402
چکیده مقاله:
افزایش استفاده از کودهای ازته به دلیل پویایی زیاد نیترات در خاک تهدیدی جدی برای آبهای زیرزمینی و درنتیجه سلامت انسان است. هدف از این پژوهش بررسی مقادیر انتشارپذیری نیترات در خاکهای ماسهای درشت، متوسط و ریز در فواصل انتقال ۲۰، ۴۰ و ۸۰ سانتیمتری در شرایط آزمایشگاهی با مدل HYDRUS-۱D میباشد. بدین منظور محلول نمک خالص نیترات پتاسیم به عنوان آلاینده پایدار تحت رژیم ماندگار با غلظت ۱۶۰ میلیگرم بر لیتر به ستونهای خاک اضافه شد، سپس به منظور استخراج پارامترهای موردنیاز برای رسم منحنی رخنه غلظت نیترات خروجی در حجمهای تخلخل متفاوت اندازهگیری و منحنی رخنه برای هر ستون رسم گردید. نتایج نشان داد با افزایش اندازه ذرات خاک انتشارپذیری افزایش مییابد. همچنین با افزایش متوسط فاصله انتقال در ماسه درشت و متوسط، مقدار انتشارپذیری نیترات بیشتر شد. اما در ماسه ریز مقدار انتشارپذیری با افزایش فاصله انتقال کاهش یافت. مقادیر انتشارپذیری برای ماسه ریز از ۵۰/۳۰ تا ۵۵/۴۲ سانتیمتر، ماسه متوسط ۰۶/۵۷ تا ۵۱/۶۸ سانتیمتر و ماسه درشت ۰۸/۶۸ تا ۲۶/۹۷ سانتیمتر، محاسبه شد. درصد متوسط خطای مدل (Er) در تخمین پارامتر ضریب انتشارپذیری برای خاک ماسهای ریز کمتر و مقدار ضریب تعیین (R۲) در آن نسبتا بیشتر از خاکهای ماسهای درشت و متوسط بهدست آمد که به معنای پایینتر بودن روند کلی مقدار خطا و بالاتر بودن دقت در شبیهسازی انتقال نیترات در این مدل برای خاک ماسهای ریز میباشد.
کلیدواژه ها:
نویسندگان
عاطفه آزادی فر
دانشگاه شهید چمران اهواز
امیر سلطانی محمدی
استادیار، گروه آیاری و زهکشی، دانشگاه شهید چمران اهواز
هادی معاضد
استاد، گروه محیط زیست، دانشگاه شهید چمران اهواز
احمد فرخیان فیروزی
استادیار دانشگاه شهید چمران اهواز ، گروه علوم خاک
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :