اخبار و اعلانات

 آمار

تعداد نشریات12
تعداد شماره‌ها567
تعداد مقالات5,878
تعداد مشاهده مقاله8,659,421
تعداد دریافت فایل اصل مقاله5,597,207
دلبری, معصومه, افراسیاب, پیمان, سالاری, مژده. (1392). پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان. دوماهنامه علمی - پژوهشی رهیافتی نو در مدیریت آموزشی, 6(شماره 16), 11-24.
معصومه دلبری; پیمان افراسیاب; مژده سالاری. "پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان". دوماهنامه علمی - پژوهشی رهیافتی نو در مدیریت آموزشی, 6, شماره 16, 1392, 11-24.
دلبری, معصومه, افراسیاب, پیمان, سالاری, مژده. (1392). 'پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان', دوماهنامه علمی - پژوهشی رهیافتی نو در مدیریت آموزشی, 6(شماره 16), pp. 11-24.
دلبری, معصومه, افراسیاب, پیمان, سالاری, مژده. پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان. دوماهنامه علمی - پژوهشی رهیافتی نو در مدیریت آموزشی, 1392; 6(شماره 16): 11-24.

پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان

فصلنامه علمی مهندسی منابع آب
مقاله 2، دوره 6، شماره 16، فروردین و اردیبهشت 1392، صفحه 11-24    اصل مقاله (272.53 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
معصومه دلبری* 1؛ پیمان افراسیاب1؛ مژده سالاری2
1استادیار مهندسی آب، دانشکده آب و خاک، دانشگاه زابل
2دانشجوی کارشناسی ارشد مهندسی آب، دانشکده آب و خاک، دانشگاه زابل
تاریخ دریافت: 25 شهریور 1392،  تاریخ پذیرش: 25 شهریور 1392 
چکیده
طراحی و مدیریت درست روشهای آبیاری مستلزم داشتن آگاهی از وضعیت نفوذپذیری خاک که خود متأثر از فراسنجهای کیفی (شوری و سدیمی) آب است، می‌باشد. از این‌رو در این تحقیق به بررسی تغییرات مکانی و پهنه‌بندی فراسنجهای کیفی آب زیرزمینی شامل هدایت الکتریکی (EC) و نسبت جذبی سدیم (SAR) با استفاده از روشهای زمین‌آماری پرداخته می‌شود. هدف نهایی پیش‌بینی تغییرپذیری میزان نفوذ آب به خاک در سطح منطقه‌ی مورد مطالعه‌ی با توجه به وضعیت شوری و سدیمی آب زیرزمینی می‌باشد. اطلاعات مربوطه از تجزیه و تحلیل نمونه‌های مربوط به 76 حلقه چاه آب در دشت کرمان، و بر اساس آخرین نمونه‌گیری سال 1387 به‌دست آمده اند. روشهای میان‌یابی استفاده شده شامل کریجینگ معمولی و لاگ کریجینگ بوده اند. برای ارزیابی روشها از روش ارزیابی متقابل با معیارهای جذر میانگین مربعات خطا (RMSE) و میانگین قدر مطلق خطا (MAE) استفاده شده است. تجزیه و تحلیل زمین‌آماری نشان داد که داده‌هایی هدایت الکتریکی و نسبت جذبی سدیم دارای همبستگی مکانی قوی بوده و ساختار مکانی آنها از شبیه نیم‌تغییرنمای کروی تبعیت می‌کند. نتایج حاصل از ارزیابی متقابل حاکی از آن است که هر دو روش کریجینگ معمولی و لاگ کریجینگ از دقت مشابهی برای تخمین فراسنجهای شوری و سدیمی برخوردارند. از طرف دیگر، مقایسه‌ی نقشه‌های هم تراز هدایت الکتریکی و نسبت جذبی سدیم به‌دست آمده بار دیگر نشان از مشابه عمل کردن دو روش میان‌یابی دارد؛ هر چند نقشه‌های خطای تخمین مربوط به دو روش کمی متفاوتند. بنابراین، در مواردی که هدف تنها ارائه‌ی تصویری کلی از شکل توزیع مکانی یک ویژگی در سطح منطقه‌ی است، کاربرد روش کریجینگ معمولی که از نظر اجرا نیز راحت‌تر و سریعتر است، توصیه می‌گردد. بر اساس نقشه‌های EC و SAR تهیه شده باکاربرد روش کریجینگ معمولی و معیارهای موجود، وضعیت منطقه‌ی از لحاظ شدت نفوذ آب به خاک مورد پیش‌بینی قرار گرفت. با توجه به نتایج حاصله به نظر می‌رسد که قسمت اعظم منطقه‌ی مورد مطالعه‌ی شامل نواحی شمالی و غربی از نفوذپذیری خوب برخوردار باشد. مابقی منطقه‌ی، که درصد نسبتا زیادی را، بویژه در شمال شرقی و جنوب شرقی، شامل می‌شود دارای قابلیت نفوذپذیری متوسط است.
کلیدواژه‌ها
زمین آمار؛ کریجینگ معمولی؛ لاگ کریجینگ؛ هدایت الکتریکی؛ نسبت جذبی سدیم؛ نفوذپذیری
عنوان مقاله [English]
Mapping Water Salinity and Sodicity Using Selected Geostatistical Methods, Case Study: Kerman Plain
نویسندگان [English]
M. Delbari1؛ P. Afrasiab1؛ M. Salari2
چکیده [English]
Proper design and management of irrigation systems requires knowledge of soil infiltration rate, which is in turn influenced by water salinity and sodicity. The objectives of this study were to investigate the spatial variability of irrigation water electrical conductivity (EC) and sodium adsorption ratio (SAR) and to map these parameters using geostatistical methods. The main objective was to predict the spatial distribution pattern of soil infiltration rate over the study area based on water salinity and sodicity. Water samples were collected from 76 observations wells in the Kerman Plain in 2008. The geostatistical methods used were ordinary and log-normal kriging. The performance of interpolation methods was evaluated through cross-validation with comparison criteria of root mean square error (RMSE) and mean absolute error (MAE). Geostatistical analysis showed that both EC and SAR had strong spatial correlations, and these fitted a spherical model. The cross-validation results are indicated that the two methods provided similar accuracy for estimating salinity and sodicity. Furthermore, it was evident from the kriged maps generated through both methods for EC and SAR that the estimation error maps produced were only slightly different. Therefore, whenever the aim is to produce only a map of spatial distribution of soil properties, ordinary kriging, which is mathematically simpler than other methods, is preferred. Soil infiltration rate distribution pattern was also predicted based on the kriged maps of EC and SAR, and, some approved standards. The results indicated that most of that area, including northern and western regions had good infiltration rates. The rest, which cover mostly the northeastern and southeastern of the study area, had moderate infiltration rates.
کلیدواژه‌ها [English]
Geostatistics, ordinary Kriging, lognormal kriging, Electrical Conductivity, sodium absorption ratio, Infiltration
مراجع

1 .امداد، م. ر.، ح. فرداد، و ح. سیادت. 1382 .تأثیر کیفیـت-

های مختلف آب آبیاری (شوری و سدیمی) بر نفوذپـذیری

نهایی خاک در آبیاری جویچهای علـوم خـاک و آب، 17 ::

 .239-232

  1. Adhikary, P.P., H. Chandrasekharan, D.

Chakraborty, and K. Kamble. 2009.

Assessment of groundwater pollution in

West Delhi, India using geostatistical

approach. Environ. Monit Assess. DOI

10.1007/s10661-009-1076-5.

  1. Agassi, M., I. Shainberg, and J. Morin.
  2. Effect of electrolyte concentration

and soil sodicity on infiltration rate and

crust formation. Soil Sc. Soc. Am. J. 48:

848-851.

  1. Ayers, R.S., and K. Tanji. 1981. An

application from Ayers and Westcot's 1985

"Use of treated municipal wastewaters for

irrigation." FAO Irrigation and Drainage

Paper No. 29 Rev. 1. Originally published

as an ASCE 1981 Water Forum

Conference Proceedings.

  1. Ayers, R.S., and D.W. Westcot. 1989.

Water quality for agriculture. FAO

Irrigation and Drainage. Paper No: 29, pp.

1–174. Rome.

  1. Bauder, J.W., and T.A. Brock. 2001.

Irrigation water quality, soil amendment,

and crop effects on sodium leaching. Arid

Land Res. and Manage. 15: 101-113.

  1. Beltran, J.M. 1999. Irrigation with saline

water: benefits and environmental impact.

Agric. Wat. Manage.40:183-194.

  1. Bishop, T.F.A., and A.B. McBratney.
  2. A comparison of prediction methods

for the creation of field-extent soil property

maps. Geoderma 103: 149–160.

  1. Burgess, T.M., and R. Webster. 1980.

Optimal interpolation and isarithmic

mapping of soil properties: I. The

variogram and punctual kriging. J. Soil

Sci. 31: 315–331.

  1. Cambardella, C.A., T.B. Moorman, J.M.

Novak, T.B. Parkin, D.L. Karlen, R.F.

Turco, and A.E. Konopka. 1994. Fieldscale variability of soil properties in central

Iowa soils. Soil Sci. Soc. Am. J. 58: 1501–

1511.

  1. Delbari, M. 2007. Estimation and

stochastic simulation of soil properties for

case studies in Lower Austria and Sistan

plain, southeast of Iran. Doctorate thesis.

University of Natural Resources and

Applied Life Sciences, Vienna, Austria.

  1. Falstad, J. 2000. Soil Condition.

Transplant status in Burger Draw. Billings

Gazette. Prepared by D.G. Steward Page.

Burger Draw Comments and

Recommendations. 6/06/00.

  1. García-Soldado, M.J., M. Chica-Olmo,

J.A. Luque-Espinar, and V. RodríguezGaliano. 2008. A geostatistical approach to

water quality spatial analysis at municipal

level. Int. geo. Congr. Oslo, August, 6-14th

.

  1. Goovaerts, P. 1997. Geostatistics for

natural resources evaluation. Oxford

University Press, New York. 483 p.

  1. Goovaerts, P. 1998. Geostatistical tools for

characterizing the spatial variability of

microbiological and physico-chemical soil

properties. Biol. Fertil. Soils. 27: 315-334.

  1. Hadas, A., and H, Frenkel. 1982.

Infiltration as affected by long-term use of

sodic-saline water for irrigation.Soil Sci.

Soc. Am. J. 46: 524-530.

  1. Hanson, B., S.R. Grattan, and A. Fulton.
  2. Agricultural salinity and drainage.

University of California Irrigation

Program. University of California, Davis.

  1. Hu, K., Y. Huang, H. Li, B. Li, D. Chen,

and R.E. White. 2005. Spatial variability of

shallow groundwater level, electrical

conductivity and nitrate concentration, and

risk assessment of nitrate contamination in

North China Plain. Env. Int. 6: 896-903.

  1. Isaaks, E.H., and R.M. Srivastava. 1989.

An introduction to applied geostatistics.

Oxford University Press. New York. 561

p.

  1. Istok, J.D., J.D. Smyth, and A.L Flint.
  2. Multivariate geostatistical analysis

of groundwater contamination: a case

history. Groundwater. 31: 63-74.

  1. Journel, A.G., and C.J. Huijbregts. 1978.

Mining geostatistics. Academic Press. New

York. 600 p.

  1. Mailhol, J.C., M. Priol, and M. Benali.
  2. A furrow irrigation model to

improve irrigation practices in the Gharb

مجلهی مهندسی منابع آب / سال ششم / بهار 1392) صص24 -11 (23

Valley of Morocco. Agric. Wat. Manage.

42(1): 65-80.

  1. Miller, R.W., and R.L. Donahue. 1995.

Soils in our Environment. Seventh Edition.

Prentice Hall. Englewood Cliffs, NJ. 323

p.

  1. Oster, J.D., and W. Schroer. 1979.

Infiltration as influenced by irrigation

water quality. Soil Sci. Soc. Am. J. 43:

444-447.

  1. Patriarche, D., M.C. Castro, and P.

Goovaerts. 2005. Estimating regional

hydraulic conductivity fields—A

comparative study of geostatistical

methods. Math. Geol.37: 587–613.

  1. Robertson, G.P. 2000. GS+: Geostatistics

for the environment sciences. GS+ User´s

Guide Version 5: Plainwell, Gamma

design software. 200 p

  1. Rouhani, S., and T.J. Hall. 1988.

Geostatistical schemes for groundwater

sampling. J. Hydrol. 103: 85-102.

  1. Saito, H., and P. Goovaerts. 2000.

Geostatistical interpolation of positively

skewed and censored data in a dioxincontaminated site. Environ. Sci. Technol.

34: 4228–4235.

  1. Shainberg, I., and J. Letey. 1984. Response

of soils to sodic and saline conditions.

Hilgardia 61: 21-57.

  1. Slavich, P.G., G.H. Petterson, and D.

Griffin. 2002. Effects of irrigation water

salinity and sodicity on infiltration and

lucerne growth over a shallow water table.

Aus. J. of Exp. Agric. Anim. Husb. 42:

379-387.

  1. Söderström, M. 1992. Geostatistical

modeling of salinity as a basis for

irrigation management and crop

selection—A case study in central Tunisia.

Environ. Geol.20: 85-92.

  1. Taghizadeh Mehrjardi, R., M. Zareian

Jahromi, Sh. Mahmodi and, A. Heidari.

  1. Spatial distribution of groundwater

quality with geostatistics (Case Study:

Yazd-Ardakan Plain). World Appl. Sci. J.

4: 9-17.

  1. Triantafilis, J., I.O.A. Odeh, and A.B.

McBratney. 2001. Five geostatistical

models to predict soil salinity from

electromagnetic induction data across

irrigated cotton. Soil Sci. Soc. Am. J. 65:

869–878.

  1. Van de Graaff, R, and R.A. Patterson.
  2. Explaining the mysteries of salinity,

sodicity, SAR and ESP in on-site practice

p.p.361-368.

  1. Patterson, R.A., and M.J. Jones (Eds). In

Proceedings of On-site ’01 Conf:

Advancing On-site Wastewater Systems

Published by Lanfax Laboratories,

Armidale ISBN 0-9579438-0-6.

  1. Warrence, Nikos, J., E. Pearson, James.

Krista and W. Bauder. 2003. The basics of

salinity and sodicity effects on soil

physical properties [Online]. Available at

http://waterquality. montana.

edu/docs/methane.

  1. Zirschky, J., G.P. Keary, R.O. Gilbert, and

E.J. Middlebrocks. 1985. Spatial

estimation of hazardous waste site data. J.

Environ. Eng. Div. ASCE, 111: 777-789.

آمار
تعداد مشاهده مقاله: 4,768
تعداد دریافت فایل اصل مقاله: 4,306


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب