دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52823 مقاله پژوهشی تأثیر چرای بلندمدت گاو در خصوصیات مورفولوژیک ریشة گونة Brachiaria decumbens و چگونگی توزیع آن در خاک (مطالعة موردی: چراگاه استوایی در کشور مالزی) تاثیر چرای بلند مدت گاو بر خصوصیات مورفولوژیک ریشه گونه Brachiaria decumbens و چگونگی توزیع آن در خاک (مطالعه موردی: چراگاه استوایی در کشور مالزی) آجورلو مجید استادیار گروه مرتع و آبخیزداری، دانشکدة منابع طبیعی، دانشگاه زابل ابراهیمیان محبوبه دانشجوی دکتری آبخیزداری، دانشکدة جنگل‌داری، دانشگاه پوترا، مالزی عبدالله رمضانی دانشیار دانشکدة مطالعات محیط زیست، دانشگاه پوترا، مالزی 23 10 2014 67 3 333 344 28 04 2013 25 08 2013 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52823.html

هدف این مطالعه کمّی‌سازی واکنش ریشة گونة Brachiaria decumbens به چرای گاو در چراگاه استوایی در کشور مالزی بود. تیمارها عبارت بود از: چرای تناوبی با شدت متوسط (7/2 واحد دامی در هکتار) در بلندمدت (33 سال) و عدم چرا. نمونه‌های ریشه همراه با خاک تا عمق 30 سانتی‌متر برداشت شد. خصوصیات مورفولوژیک ریشه‌ـ یعنی طول، قطر، سطح، و حجم آن‌‌ـ با استفاده از دستگاه WinRhizo Root Scanner اندازه‌گیری شد. چگونگی توزیع ریشه در واحد حجم خاک با استفاده از روابط مربوطه محاسبه شد. داده‌ها با روش تجزیة واریانس، اندازه‌گیری‌های مکرر، و آزمون t تجزیه و تحلیل شد. اثر چرا در طول ریشه و توزیع آن در خاک و متوسط قطر ریشه معنی‌دار نبود) 05/0(P >. قطر ریشه در عمق میانی (10-20) و زیرین (20-30 سانتی‌متر) خاک در منطقة چراشده به‌ترتیب 50 درصد و 72 درصد بیش از مقادیر آن در سایت چرانشده بود )05/0(P <. حجم و مساحت سطح ریشه و چگونگی توزیع آن‌ها در واحد حجم خاک در هر دو منطقة چرا و عدم چرا یکسان بود) 05/0(P >. چرا، عمق خاک، و اثر متقابل آن‌ها تأثیر معنی‌داری در وزن ریشه و تراکم وزن ریشه در واحد حجم خاک داشت )05/0(P <. در هر سه عمق خاک، وزن ریشه در سایت چراشده بیش از مقدار آن در سایت چرانشده بود )05/0(P <. چرای تناوبی با شدت متوسط در بلندمدت تأثیر منفی در خصوصیات مورفولوژیک ریشة Brachiaria decumbens و نحوة توزیع آن‌ها در واحد حجم خاک نداشته است.

 چراگاه استوایی حجم ریشه سطح ریشه طول ریشه قطر ریشه وزن ریشه [1] Arredondo, J.T. and Johnson, D.A. (1998). Clipping effects on root architecture and morphology of three range grasses. Journal of Range Management, 51, 207-214. [2] Arredondo, J.T. and Johnson, D.A. (1999). Root architecture and biomass allocation of three range grasses in response to non-uniform supply of nutrients and shoot defoliation. New Phytologist, 143, 373-385. [3] Arredondo, J.T. and Johnson, D.A. (2009). Root responses to short-lived pulses of soil nutrients and shoot defoliation in seedlings of three rangeland grasses. Rangeland Ecology and Management, 62, 470-479. [4] Beyrouty, C.A., West, C.P. and Gbur, E.E. (1990). Root development of bermudagrass and tall fescue as affected by cutting interval and growth regulators. Plant and Soil, 127, 23-30. [5] Bilotta, G.S., Brazier, R.E. and Haygarth, P.M. (2007). The impacts of grazing animals on the quality of soils, vegetation, and surface waters in intensively managed grasslands. Advances in Agronomy, 94, 237-280. [6] Chen, Y., Lee, P., Lee, G., Mariko, S. and Oikawa, T. (2006). Simulating root responses to grazing of a Mongolian grassland ecosystem. Plant Ecology, 183, 265-275. [7] Dawson, L.A., Grayston, S.J. and Paterson, E. (2000). Effects of grazing on the roots and rhizosphere of grasses. 61-84. In: Grassland Ecophysiology and Grazing Ecology, CABI Publishing, New York. [8] Delgado, G.H.J., Aviless, L.R. and Vera, J.K. (2004). Root density in Panicum maximum cv. Tanzania monoculture and in a mixture with Leucaena leucocephala with different densities in Mexico. 20th International Grassland Congress, Dublin, Ireland, p.129. [9] Derner, J.D. and Briske, D.D. (1999). Does a tradeoff exist between morphological and physiological root plasticity? A comparison of grass growth forms. Acta Oecology, 20, 519-526. [10] Deutsch, E.S., Bork, E.W. and Willms, W.D. (2010). Soil moisture and plant growth responses to litter and defoliation impacts in parkland grasslands. Agriculture, Ecosystem and Environment, 135, 1-9. [11] Engel, R.K., Nichols, J.T., Dodd J.L. and Brummer, J.E. (1998). Root and shoot responses of sand bluestem to defoliation. Journal of Range Management, 51, 42-46. [12] Greenwood, K.L. and Hutchinson, K.J. (1998). Root characteristics of temperate pasture in New South Wales after grazing at three stocking rates for 30 years. Grass and Forage Science, 53, 120-128. [13] Hendrickson, J. and Olson, B. (2006). Understanding plant response to grazing. 32-39. In: Launchbaugh, K. (ed.), Targeted grazing: A natural approach to vegetation management and landscape enhancement. American Sheep Industry Association, Denver, Colorado. [14] Lodge, G.M. and Murphy, S.R. (2006). Root depth of native and sown perennial grass-based pastures, North-West Slopes, New South Wales. 1. Estimates from cores and effects of grazing treatments. Australian Journal of Experimental Agriculture, 45, 337-345. [15] Milchunas, D.G. and Lauenroth, W.K. (1993). Quantitative effects of grazing on vegetation and soils over a global range of environments. Ecololgy Monograph, 63, 327-366. [16] Miles, J.W., Maass, M.L. and Do Valle, C.B. (1996). Brachiaria: Biology, Agronomy, and improvement. CIAT publication. No. 259, Colombia. [17] Mousel, E.M., Schacht, W.H., Zanner, C.W. and Moser, L.E. (2005). Effects of summer grazing strategies on organic reserves and root characteristics of big bluestem. Crop Science, 45, 2008-2014. [18] Oliveira, M.R.G., Van Noordwijk, M. and Gaze, S.R. (2000). Auger sampling, ingrowth cores and pinboard methods. In Smit, A.L. et al. (ed.) Root methods. Springer-Verlag, Berlin. [19] Piccolo, M.C. and Augusti, K.C. (2004). Root systems in tropical pasture restoration treatments inRondonia, Brazil. 20th International Grassland Congress, Dublin, Ireland, p. 187. [20] Richards, J.H. (1984). Root growth response to defoliation in two Agropyron bunchgrasses: Field observations with an improved periscope. Oecologia, 64, 21-25. [21] Van der Maarel, E. and Titlyanova, A. (1989). Above-ground and below-ground biomass relations in steppes under different grazing intensities. Oikos: Journal of Ecology, 56, 364-370.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52824 مقاله پژوهشی ارزیابی شدت بیابان‏زایی حوزة آبخیز درخت سنجد با استفاده از مدل IMDPA ارزیابی شدت بیابان‌زایی حوزه آبخیز درخت سنجد با استفاده از مدل IMDPA ابریشم الهام السادات ابریشم دکتری بیابان‏ زدایی، دانشکدة منابع طبیعی دانشگاه تهران فیض نیا سادات استاد دانشکدة منابع طبیعی دانشگاه تهران 23 10 2014 67 3 345 358 19 09 2012 31 01 2014 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52824.html

در این تحقیق از روش ایرانی ارزیابی پتانسیل بیابانی‏زایی اراضی(IMDPA)  برای ارزیابی پتانسیل بیابان‏زایی منطقة درخت سنجد استفاده شد. پس از بررسی‏ها و ارزیابی‏های اولیه، چهار معیار اقلیم، پوشش‏ گیاهی، خاک، زمین‏شناسی و ژئومورفولوژی مهم‌ترین معیارهای مؤثر در بیابان‏زایی این منطقه انتخاب شدند. با استفاده از روش فوق، امتیازات شاخص‏های هر معیار تعیین شد و ارزش آن معیار با محاسبة میانگین هندسی امتیاز شاخص‏های آن محاسبه گردید. سپس، با استفاده از GIS، نقشة شدت بیابان‏زایی منطقه تهیه شد. برای این منظور، لایه‏های رستری معیارهای مذکور روی‏هم‏گذاری و تلفیق شد و میانگین هندسی معیارها محاسبه گردید. در نهایت، با تجزیه و تحلیل نتایج به‌دست‌آمده، به کمک مدل IMDPA نقشة شدت بیابان‏زایی منطقه به‌دست آمد. نتایج حاصل از این ارزیابی نشان می‏دهد که کلاس شدت بیابان‏زایی در 37/0 درصد از منطقه کم، در 80 درصد از منطقه متوسط، و در 63/19 درصد از منطقه شدید است. معیار پوشش گیاهی، با ارزش عددی 05/3، بیشترین تأثیر و معیار زمین‏شناسی، با ارزش عددی 8/1، کمترین تأثیر را در بیابان‏زایی منطقه دارند. همچنین، معیارهای اقلیم و خاک به‌ترتیب، با ارزش عددی 04/2 و 21/2، شدت بیابان‏زایی متوسط را نشان می‏دهند.

 درخت سنجد شاخص شدت بیابان‏زایی مدل IMDPA معیار [1] Abrisham, E. (2004). Assessment and mapping of desertification using MICD, ICD, FAO-UNEP (Case study, fakhraba, mehriz). MSc. Thesis, University of Tehran, 204p. [2] Abrisham, E. (2011). Assessment of desertification potential using IMDPA model in Derakhte Senged water shed. PH.D. Seminar, University of Tehran, 70p. [3] Ahmadi, H. (2006). Iranian model of desertification potential assessment in (East of Esfahan). Faculty of natural resources university of Tehran, 178p. [4] Ahmadi, H. (2009).Geomorphology. 2ed Edition, University of Tehran press, 180p. [5] Bahreini, F., Pahlavanravi, A., Moghaddamnia, A. and Rahi, Gh. (2012). Spatial prioritization of land degradation using IMDPA model with emphasis on wind erosion and climate (Case study: Bordekhun Region of Boushehr). Journal of Water and Soil, 26, 897-907. [6] Danfeng, S. (2006). Agricultural causes of desertification risk in Minqin,China. Journal of Environmental Management, 79, 348-356. [7] Esfandiari, M. and Hakimzadeh Ardakani, M.A. (2011). Evaluation of active desertification with emphasis on the soil degradation by IMDPA model (case study: Abadeh-Tashk, Fars). Journal of Range and Desert Reseac, 17, 624-631. [8] Khosravi, H. (2004). Assessment of desertification using MEDALUS (Case study: Kashan). MSc. thesis, Tehran University, 140 p. [9] Kharin, N. (1985). A methodological principles of desertification processes assessment and mapping, arid lands of Turkmenistan taken as example, Ashkhabad. Australian journal of basic and applied sciences, 2, 157-164. [10] Ladisa, G., Todorovic, M. and Trisorio_liuzzi, G. (2002). Characterization of area sensitive to desertification in southern Italy. Eco-compatible solutions for Aquatic Environmental, 87-99. [11] Lavado Conntador, J.F. and Schnabel, S. (2008). Mapping sensitivity to land degradation Extremadura. SW Spain, 1, 25-41. [12] Mesbah zade, T. (2007). Assessment and mapping of desertification using IMDPA, base on geology criteria (case study, Aboozobeid abad). MSc. Thesis, Tehran University, 154p. [13] Mohamad Ghasemi, S. (2007). Investigation of criteria and indicators of desertification, based on soil and water to assess and mapping desertification (Case study, Zabol). MSc. Thesis, Tehran University, 163 p. [14] Nateghi, S., Zehtabian, G. H. and Ahmadi, H. (2009). Evaluation of desertification intensity in Sagzi plain using IMDPA model. Journal of Range and Watershed Management, 62, 419-430. [15] Rafii Emam, A. (2003). Evaluation of desertification intensity in Varamin plain, base on Soil and water criteria. MSc. Thesis, Tehran University, 152 p. [16] Raisi, A. (2008). Evaluation of effective factors on desertification, using IMDPA model in Kahir Konarak area. MSc. Thesis, Tehran University, 180 p. [17] Reynolds J. F. (2009). Cutting through the confusion Desertification an old problem viewed through the lens of a new framework, the dry lands development paradigm. Dry lands, Deserts & Desertification, 45, 65-78. [18] TabaTabaii zade, M. (2010). Compare of desertification potential using IMDPA and MICD, base on wind erosion criteria (case study: Fakhrabad plain). MSc. Thesis, Tehran University, 160 p. [19] Zehtabian, Gh., Khosravi, H. and Ghodsi, M. (2007). Evaluation of desertification intensity in Kashan area, using IMDPA model. Desert journal, 54, 67-78. [20] Zolfaghari, F., Shahriari, A., Fakhireh, A., Rashki, R. and Noori, S. (2011). Assessment of desertification potential using IMDPA model in Sistan plain. Watershed Management Research, Pajouhesh and Sazandegi, 91, 97-107.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52826 مقاله پژوهشی طبقه‌بندی نیمه‌اتوماتیک ژئومورفومتریکی یاردانگ‌های لوت با شبکه‌های عصبی مصنوعی طبقه بندی نیمه اتوماتیک ژئومورفومتریکی یاردانگهای لوت با شبکه های عصبی مصنوعی احسانی امیر هوشنگ دانشیار دانشکدة محیط زیست، دانشگاه تهران فروتن مرضیه دانشجوی دکتری جغرافیا، دانشگاه کلگری کانادا 23 10 2014 67 3 359 380 09 01 2013 14 11 2014 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52826.html

یاردانگ‌های منطقة فراخشک لوت یکی از منحصربه‌فردترین لندفرم‌های آّبی- بادی مناطق بیابانی است. شناخت و پهنه‌بندی ژئومورفومتریک این یاردانگ‌ها، با توجه به میسرنبودنِ بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگ‌های دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روش‌های شبکه‌های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقه‌بندی شد. نخست 22 پارامتر مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازة سلول 10 متر بر اساس برنامه‌نویسی و با کمک برازش سطوح درجة دوم و درجة سوم در نرم‌افزار مت‌لب محاسبه و استخراج شد. در مرحلة بعد، 7 پارامتر مورفومتریک مؤثر در طبقه‌بندی و همین طور تعداد کلاس‌های بهینة طبقه‌بندی طی دو مرحله با استفاده از شاخص فاکتور ضریب بهینه و ضریب داویس‌- بولدین (ضریب دی- بی) تعیین گردید. سپس، از آنالیز حساسیت به منظور تعیین میزان تأثیر هر یک از پارامترهای مورفومتریک ورودی بر روی نتایج استفاده شد. در نهایت، پارامترهای بهینة مورفومتریک با الگوریتم شبکة خودسازمانده طبقه‌بندی شد و نتایج با استفاده از اطلاعات موجود و نقشه‌‌های توپوگرافی مقایسه گردید. نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاع‌سنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینه‌ترین پارامترهای مورفومتریک در جدایی یاردانگ‌ها هستند. همچنین، پارامترهای فوق یاردانگ‌های لوت را به هفت پهنه تقسیم می‌کنند؛ این پهنه‌ها عبارت‌اند از: درة گردنه‌ای، گودی بیضوی، کریدور کم‌شیب، شانة یاردانگ با شیب مقعر، شانة یاردانگ با شیب محدب، رأس یاردانگ، و آبراهة کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقه‌بندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاع‌سنجی دارای بیشترین حساسیت‌اند و جفت پارامترهای انتگرال ارتفاع‌سنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاس‌ها هستند. به طور کلی، شبکة خودسازمانده به عنوان یک الگوریتم نظارت‌نشدة شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه‌اتوماتیک لندفرم‌های بیابان بسیار کارآمد است.

 دشت لوت ژئومورفولوژی کمّی ضریب دی- بی فاکتور ضریب بهینه مدل رقومی ارتفاع نقشه‌های خودسازمانده [1] Bue, B.D. and Stepinski, T.F. (2006). Automated classification of landforms on Mars. Computers & Geosciences, 32, 604-661. [2] Dikau, R. (1989). The application of a digital relief model to landform analysis in geomorphology. In: Raper, J. (Ed.), Three Dimensional Applications in Geographical Information Systems. Taylor & Francis, London, pp. 51-77. [3] Darvishzadeh., A. (1991). Geology of Iran, Amirkabir Press, Tehran, Iran. [4] Davies, D.L. and Bouldin, D.W. (1979). A cluster separation measure. IEEE Trans. Patt. Anal. Machine Intelligence, 1, 224-227. [5] Ehsani, A.H. and Quiel, F. (2008). Geomorphometric feature analysis using morphometric parameterization and artificial neural networks. Geomorphology, 99, 1-12. [6] Ehsani, A.H. and Quiel, F. (2008). Application of self organizing map and SRTM data to characterize yardangs in the Lut desert, Iran. Remote Sensing of Environment, 112, 3284-3294. [7] Ehsani, A.H. and Quiel, F. (2009). Self-organizing maps for multi-scale morphometric feature identification using shuttle radar topography mission data. Geocarto International, 24, 335-355. [8] Ehsani, A.H. et al. (2010). Effect of SRTM resolution on morphometric feature identification using neural network-self organizing map. Geoinformatica, 14, 405-424. [9] Evans, I.S. (1972). General geomorphology, derivatives of altitude and descriptive statistics. In R.J. Chorley (Ed.), Spatial Analysis in Geomorphology (pp. 17-90). London: Methuen & Co. Ltd. [10] Florinsky, I.V. (1998). Accuracy of local topographic variables derived from digital elevation models. International Journal of Geographical Information Science, 12, 47-61. [11] Florinsky, I.V. (1998). Combined analysis of digital terrain models and remotely sensed data in landscape investigations. Progress in Physical Geography, 22, 33-60. [12] Florinsky, I.V. (2002). Errors of signal processing in digital terrain modelling. International Journal of Geographical Information Science, 16, 475-501. [13] Florinsky, I.V. (2009). Computation of the third-order partial derivatives from a digital elevation model. International Journal of Geographical Information Science, 23, 2: 213-231. [14] Frankel, K.L. and Dolan, J.F. (2007). Characterizing arid region alluvial fan surface roughness with airborne laser swath mapping digital topographic data. Journal of Geophysical Research-Earth Surface, 112, F02025. [15] Grebby, S (2010). Lithological mapping of the Troodos ophiolite, Cyprus, using airborne LiDAR topographic data. Remote Sensing of Environment, 114, 713-724. [16] Hengel. T. and Router, H. (2008). Geomorphometry, Concepts, Software, Applications. Elsevier. [17] Ji, C.Y. (2000). Land-use classification of remotely sensed data using Kohonen Self- Organizing Feature Map neural networks. Photogrammetric Engineering and Remote Sensing, 66, 1451-1460. [18] Kohonen, T. (2001). Self Organizing Maps. 3rd Ed. Springer, New York. [19] Prima, O.D.A., Echigo, A., Yokoyama, R. and Yoshida, T. (2006). Supervised landform classification of Northeast Honshu from DEM-derived the maticmaps. Geomorphology, 78, 373-386. [20] Saux, E., et al.( 2004). A New Approach for a Topographic Feature-Based Characterization of Digital Elevation Data. GIS’04, 73-81. [21] Shary, P.A., Sharaya, L.S. and Mitusov, A.V. (2002). Fundamental quantitative methods of land surface analysis. Geoderma, 107, 1-32. [22] Wood, J. (1996). The Geomorphological Characterization of Digital Elevation Models. Ph.D. Thesis, Department of Geography, University of Leicester, UK. [23] Zevenbergen, L.W. and Thorne, C.R. (1987). Quantitative analysis of land surface topography. Earth Surface Processes and Landforms, 12, 47-56.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52827 مقاله پژوهشی مقادیر عناصر معدنی هشت گونة مرتعی در مراتع ییلاقی طالقان مقادیر عناصر معدنی 8 گونه مرتعی در مراتع ییلاقی طالقان ارزانی حسین استاد دانشکدة منابع طبیعی دانشگاه تهران معتمدی (ترکان) جواد استادیار دانشکدة منابع طبیعی دانشگاه ارومیه حمیدیان محمود کارشناس ارشد مرتع‌داری، دانشکدة منابع طبیعی دانشگاه تهران ارزانی زهرا دانشگاه فرهنگیان، حکیم فردوسی کرج آخشی مجید دانشکدة منابع طبیعی دانشگاه تهران 23 10 2014 67 3 381 391 11 03 2013 06 06 2014 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52827.html

برای رسیدن به عملکرد دام در سطح مطلوب تأمین نیاز غذایی دام از نظر عناصر معدنی ضروری است. به همین منظور، عناصر معدنی هشت گونة مهم مرتعی و مورد چرای دام‌ـ شامل Ferula ovina، Prangus uloptera، Medicago sativa، Lotus goeblia، Trifolium montanum، Melilotus officinalis، Sanguisorba minor،و Stachys inflate در مراتع ییلاقی طالقان در مراحل مختلف رشد (رشد رویشی، گل‌دهی، و بذردهی) اندازه‏گیری شد. بدین منظور، در هر مرحلة رشد از هر گونه 3 نمونه و برای هر نمونه حداقل 5 پایة گیاهی از نقاط مختلف تیپ‏های گیاهی برداشت شد. تجزیه و تحلیل داده‏ها با استفاده از تجزیة واریانس یک‌طرفه انجام شد و به ‏منظور مشاهدة منابع تغییرات درون‌گروهی از آزمون دانکن استفاده شد. همچنین، با استفاده از آزمون t مقدار عناصر مذکور با حد بحرانی‌شان برای تأمین نیاز روزانة واحد دامی در حالت نگه‌داری مقایسه شد. نتایج نشان می‏دهد مقادیر عناصر معدنی گونه‏ها در مراحل اولیة رشد بیشتر از مقدار آن‌ها در مراحل پایانی رشد (مرحلة بذردهی) است. ضمن اینکه مقادیر مذکور در هر مرحله از رشد بین گونه‏های مورد بررسی یکسان نیستند. به طور کلی، گونه‏های مورد بررسی از حیث مقادیر کلسیم، آهن، مس، منگنر، و کبالت، به منظور تأمین نیاز روزانة دام، در وضعیت مطلوبی قرار دارند، ولی از نظر عناصر پُرمصرف مانند مقادیر سدیم و منیزیم در مراحل مختلف رشد و به‌ویژه در مراحل پایانی رشد از وضعیت مطلوبی به منظور تأمین نیاز روزانة واحد دامی برخوردارند. این امر بیانگر آن است که مطلوبیت علوفة مرتع در زمان‌های مختلف چرا از حیث عناصر معدنی یکسان نیست. طبیعی است که بسته به شرایط سال ممکن است مقادیر عناصر معدنی گیاهان قدری تغییر یابد، ولی، به دلیل هزینه‌بربودن تعیین عناصر معدنی، می‏توان از نتایج مذکور به منظور برآورد نیاز روزانة دام در سال‏های مختلف استفاده کرد.

 حد بحرانی عناصر معدنی مراتع طالقان مرحلة رشد نیاز روزانة دام [1] AOAC (2000). Official methods of analysis, 17th Ed., Association of Official Analytical Chemists (Animal Feed, chapter 4, p.54): Arlington: AOAC International. [2] Arzani, H. (2009). Forage quality and daily requirement of grazing animal, University of Tehran press, 350pp. [3] Arzani, H., Yousefi, SH., Jafari, M. and Farahpour, M. (2005). Model for determination of range suitability for sheep grazing using GIS (Case study: Taleghan region in Tehran province). Journal of Environmental Studies, 31, 59-68. [4] Arzani, H., Kaboli, H., Nikkhah, A. and Jalili, A. (2004). Introduction of important forage quality index, Journal of Natural Resources, 57 (4): 777-789. [5] Baghestani meybodi, N., Arzani, H., Shokat fadaii, M., Nikkhah, A. and Baghestani meybodi, M.A. (2004). Study of changes in soluble carbohydrates reserves in important rangeland spieces in Nir region (Yazd Province), Natural Resources Journal, 57 (2): 779-811. [6] Brekken, A. and Steinnes, E. (2004). Seasonal concentrations of cadmium and zinc in native pasture plants: consequences for grazing animals, Science of the Total Environment, 181-195. [7] Ebn Abbasi, E. and Saeedi, K. (2009). Quantitative study of some micro elements of three important range species in different phonological stages in Saral, Kurdistan Province, Journal of Rangeland, 3 (1): 78-89. [8] Eghbali, N. (2007). Determination forage quality of range plants in north of Fars Province, M.Sc. thesis of range management, Faculty of Natural Resources. University of Tehran, 120pp. [9] Garcia-Ciudad, A., Ruano-Ramos, A., Vhquez de Aldana, B.R. and Garcia-Criado, B. (1996). Interannual variations of nutrient concentrations in botanical fractions from extensively managed grasslands, Institute de Recursos Nahwalesy Agrobiologia, CSIC, Apdo 257, E-37071 Salamanca, Spain. [10] Holechek, J.L., Pieper, R.D. and Herbel, C.H. (2004). Range management principles and practices, Prentice Hall, Englewood Cliff, 587pp. [11] Jafari, A. and Navid Shad, B. (2007). Principal of animal nutrient, Hagh Shenas press, 420pp. [12] Mathis, C.P. and Sawyer, J.E. (2004). New Mexico forage mineral survey, Proceedings, Western Section, American Society of Animal Science, Vol. 55, 35pp. [13] Motamedi, J. (2011). A model of estimating short-term and long-term grazing capacity for animal and rangeland forage equilibrium, Ph.D., thesis of Range Management, Faculty of Natural Resources. University of Tehran, 352pp. [14] Neville, F.S. (2010). Mineral Nutrition of Livestock, 4th Edition, 354pp. [15] Pulina, G. and Bencini, R. (2004). Dairy sheep nutrition, CABI publishing, London, UK., 222pp. [16] Ram´ırez, R.G., González-Rodr´ıguez, H. and Haenlein, G.F.W. (2005). Mineral content of browse species from Baja California Sur, Mexico, Small Ruminant Research, 57,1-10. [17] Ram´ırez, R.G., Haenleinb, G.F.W. and NuÂnÄez-GonzaÂlez, M.A. (2001). Seasonal variation of macro and trace mineral contents in 14 browse species that grow in northeastern Mexico, Small Ruminant Research, 39, 152-159. [18] Ranjbari, A.R., Rasti, M., Yazdi, K.R. and Sadegian, M. (2001). Investigation effect of two kind supplemental mineral on weight and parts of quarry lamb grazing in pasture, 3th conference of feeding animal and brids, pp: 92-100. [19] Safari, J., Mushic, D.E., Kifaro, G.C., Mtenga, L.A. and Eik, L.O. (2010). Seasonal variation in chemical composition of native forages, grazing behaviour and some blood metabolites of Small East African goats in a semi-arid area of Tanzania, Animal Feed Science and Technology,25,128-135. [20] Sanjay, K. Uniyal, Anjali Awa Sthi and Gopal S. Rawat, (2005). Biomass availability and forage quality of Eurotia ceratoides Mey in the rangelands of Changthang, eastern Ladakh, Current Science, 89 (1): 201-204. [21] Shadnoush, G.H. (2006). Mineral determination of some range plants for grazing sheep in semi-arid areas of Chaharmahal and Bakhtiari Province, Journal of Rangeland & Desert Reserchers of Iran, 13 (4): 285-295. [22] Shemaa, M., Saeedi, H. and Nikpour Tehrani, K. (2003). Principal feeding of animal and brids. University of Tehran press, Vol. 1, 269pp. [23] Sofi Siyavash, R. (1990). Animal nutrient. Aamidi press, 235pp. [24] Varmaghani, S., Moosavi, M.A. and Jafari, H. (2005). Determination of minerals in range plants of Ilam Province, Research & Construction, 73, 103-109. [25] Zafar, I.K., Muhammad, A.K. and Ahmad, F.A. (2010). Seasonal assessment of selenium as a hazardous element in pasture and animal system: A case study of Kajli sheep in Sargodha, Pakistan, Journal of Hazardous Materials, 179: 1111-1114.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52829 مقاله پژوهشی بررسی تغییرات مکانی برخی شاخص‌های فرسایندگی باران با استفاده از زمین‌آمار در استان خوزستان بررسی تغییرات مکانی برخی شاخص های فرسایندگی باران با استفاده از زمین آمار در استان خوزستان اسلامی حسین دانش‌آموختة دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه آبخیزداری، تهران، ایران سلاجقه علی استاد دانشکدة منابع طبیعی، دانشگاه تهران خلیقی سیگارودی شهرام دانشیار دانشکدة منابع طبیعی، دانشگاه تهران احمدی حسن استاد دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه آبخیزداری، تهران، ایران ایوبی شمس الله دانشیار گروه خاک‌شناسی، دانشکدة کشاورزی، دانشگاه صنعتی اصفهان 23 10 2014 67 3 393 406 12 07 2010 31 05 2011 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52829.html

فرسایندگی باران توانایی باران برای جداسازی ذرات خاک است. هدف از این تحقیق تهیة نقشة فرسایندگی باران در استان خوزستان با استفاده از بهترین شاخص فرسایندگی باران است. بدین منظور، اطلاعات نقطه‌ای شاخص‌های EI30‌، AIm، هادسون، و اونچو در 74 ایستگاه باران‌نگاری و باران‌سنجی با استفاده از روش‌های میان‌یابی قطعی عکس فاصلة وزن‌دار و توابع شعاعی پایه و روش‌های زمین‌آماری کریجینگ و کوکریجینگ به اطلاعات ناحیه‌ای تبدیل شد. نتایج نشان‌دهندة آن است که روش کوکریجینگ دارای کمترین خطا و بیشترین همبستگی در میان‌یابی شاخص‌های EI30‌، AIm، هادسون، و اونچو با ضرایب تبیین 89/0، 89/0، 48/0، و 49/0 است. بر اساس ضریب همبستگی بین متوسط شاخص‌های EI30‌، AIm‌، هادسون، و اونچو در حوضه‌های بالادست ایستگاه‌های رسوب‌سنجی با میزان رسوب‌دهی ویژة این حوضه‌ها‌، شاخص EI30 با ضریب همبستگی 98/0 بهترین شاخص فرسایندگی باران انتخاب شد. بر اساس نقشة تهیه‌شده با استفاده از شاخص EI30 با روش میان‌یابی کوکریجینگ و متغیر کمکی حداکثر بارندگی متوسط ماهانه‌، بیشترین مقادیر فرسایندگی باران در شرق و شمال خوزستان دیده می‌شود و کمترین مقادیر فرسایندگی در جنوب و غرب استان خوزستان وجود دارد. این مقادیر از 404 تا 2414(Mj.mm.ha-1.h-1) متغیر است.

 زمین‌آمار فرسایندگی باران کوکریجینگ میان‌یابی [1] Arnoldus, H.M.J. (1980). An approximation of the rainfall factor in the universal soil loss equation. In: de Boodt, M., Gabriels, D. (Eds.), Assessment of erosion, Wiley, New York, 127-132. [2] Capolongo, D., Diodato, N., Mannaerts, C.M., Piccarreta, M. and Strobl, R.O. (2008). Analyzing temporal changes in climate erosivity using a simplified rainfall erosivity model in Basilicata (southern Italy). Journal of Hydrology, 356, 119-130. [3] Ceglar, A., Crepinsek, Z., Zupanc, V. and Kajfez-Bogataj, L. (2008). A comparative Study of rainfall erosivity for eastern and western Slovenia. Acta Agriculturae Slovenia, 91(2), 331-341. [4] Goovaerts, P. (1999). Using elevation to aid the geostatistical mapping of rainfall erosivity. Catena, 34, 227-242. [5] Hadley, R.F., Lal, R., Onstad, C.A., Walling, D.E. and Yair, A. (1985). Recent developments in erosion and sediment yield studies. UNESCO, Paris, 127p. [6] Hakimkhani, Sh., Mahdian, M.H., Arab Khedri, M. and Ghorbanpour, D. (2005). Investagating rain erosivity using Modified Fournier for Iran. Third National Conference of Erosion and Sediment, Tehran, 281-288. [7] Hasani Pak, A. (1998). Geostatistics. Tehran University Press, 314p. [8] Hoghoughi, M. (1995). Khouzestan and its development capacities, Water and Development Journal, 4,17-25. [9] Hosini Zare, N. and Saadati, N. (2005). Estimating of erosion and sediment using of sedimentology data and computation of suspended load in Khouzestan Province rivers catchments. Third National Conference of Erosion and Sediment, Tehran, 273-280. [10] Hoyos, N., Waylen, P.R. and Jaramillo, A. (2005). Seasonal and spatial patterns of erosivity in a tropical watershed of the Colombian Andes. Journal of Hydrology, 314, 177–191. [11] Hudson, N. (1971). Soil conservation. Billing & Sons Ltd, Great Britain, 320p. [12] Isaaks, E.H. and Serivastava, R.M. (1989). An introduction to applied geostatistics. Oxford University Press, 561p. [13] Lal, R. (1976). Soil erosion problems on Alfisols in western Nigeria. Effects of rainfall characteristics. Geoderma, 16, 389-401. [14] Lal, R. and Elliot, W. (1994). Erodibility and erosivity. In Lal, R. (ed), Soil erosion research methods. Soil and Water Conservation Society, Ankeny, 181-208. [15] Mohammadi, J. (1998). Rain erosivity map providing for Iran using Fournier Index and Kriging method. Agricultural Science and Natural Resources Journal, 3&4, 35-44. [16] Morgan, R.P.C. (1986). Soil erosion and conservation. Logman Group Limited, Hong-London, 210p. [17] Onchev, N.G. (1985). Universal index for calculating rainfall erosivity. In: El-Swafify, S.A., Moldenhauer, W.C and Lo, A. (eds), Soil Erosion and Conservation, Soil Conservation Society of America, Ankeny, IO, 242-431. [18] Renard, k. and Freimund, J.R. (1994). Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of Hydrology, 157, 287-306. [19] Salles, C. and Poesen, J. (2000). Rain properties controlling soil splash detachment. Hydrological Process, 14, 271-282. [20] Salako, F.K., Ghuman, B.S. and Lal, R. (1995). Rainfall erosivity in south-central Nigeria. Soil Technology, 7, 279-296. [21] Shesh Angosht, S., Alimohammadi, A. and Soltani, M.J. (2005). Geostaistics models evaluation in GIS for erosivity map providing in Latian watershed. Geographical Information System Conference, National Cartographic Center of Iran, 113-123. [22] Silva, A.M. (2004). Rainfall erosivity map for Brazil. Catena, 57, 251-259. [23] Taj Ali Pour, Z., Mahdian, M.H., Pazira, A. and Heidarizadeh, M. (2009). Spatial variations investigation of erosivity index in Daryacheh Namak watershed. 11th Soil Science Conference of Iran, Gorgan, 43-47. [24] Wang, G., Gertner, G., Singh, V., Shinkareva, S., Parysow, P. and Anderson, A. (2002). Spatial and temporal prediction and uncertainty of soil loss using the revised universal soil loss equation: a case study of the rainfall–runoff erosivity R factor. Ecological Modelling, 153 , 143–155. [25] Wischmeier, W.H. and Smith, D.D. (1978). Predicting rainfall erosion losses: a guide to conservation planning. USDA, Agriculture Handbook No. 537. Government printing office, Washington, DC, 58p.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52830 مقاله پژوهشی ارزیابی کمّی شدت فرسایش آبی با استفاده از مدل منطقه‌ای برآورد فرسایش و تولید رسوب (مطالعه موردی: حوزه آبخیز نیر، اردبیل) ارزیابی کمّی شدت فرسایش آبی با استفاده از مدل منطقه‌ای برآورد فرسایش و تولید رسوب (مطالعه موردی: حوزه آبخیز نیر، اردبیل) اسمعلی اباذر استادیار دانشکدة کشاورزی، دانشگاه محقق اردبیلی احمدی حسن استاد دانشگاه آزاد اسلامی، واحد علوم و تحقیقات طهمورث محمد دانشجوی دکتری تخصصی آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تهران 23 10 2014 67 3 407 417 07 11 2009 14 03 2011 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52830.html

در مطالعات فرسایش خاکْ نحوة ارزیابی خطر فرسایش و پهنه‌بندی اراضی به درجات با شدت‌های مختلف فرسایش از طریق مدل‌سازی اهمیت فراوانی دارد. در این تحقیق، مدل منطقه‌ای ارائه‌شده برای ارزیابی رفتار و خطر فرسایش آبی و نیز برآورد فرسایش و رسوب منطبق با ویژگی‌های منطقة تحقیق ارزیابی شد. این مدل نخست در حوزة آبخیز بالغلی‌چای، در مجاورت منطقة تحقیق، ارائه شد. مدل‌سازی فرسایش و تولید رسوب منطقه با ‏الگوگرفتن از مدل ‏MPSIAC‏ به انجام رسید و در فرمول‌بندی مدل ‏جدید از هشت عامل مؤثر در فرسایش آبی منطقه استفاده شد. این عوامل عبارت‌اند از: حساسیت به ‏فرسایش سازند زمین‌شناسی، فرسایش‌پذیری خاک، فرسایندگی باران، فرسایندگی رواناب، پستی و بلندی، ‏تراکم آبراهه‌ها، شاخص تفاوت پوشش ‌گیاهی (‏NDVI‏)، و وضعیت زمینی فرسایش. در ‏مدل ارائه‌شده، از مجموع امتیازات عوامل هشتگانه مقدار ‏M‏ به‌دست می‌آید که با استفاده از رابطة نمایی آن با مقدار رسوب، در نهایت، مقدار فرسایش و رسوب تولیدی ‏منطقه محاسبه می‌شود.‏ مقدار متوسط رسوب ویژة برآوردشده با استفاده از مدل ارائه‌شده برای حوزة آبخیز نیر 29/70 تن بر کیلومتر مربع در سال است. مقایسة این مقدار رسوب برآوردشده با مقدار اندازه‌گیری‌شدة آن در ایستگاه هیدرومتری نیر نشان‌دهندة وجود اختلاف 11/7 تن بر کیلومتر مربع در سال است، که در واقع بیشتر برآورد شده است. بنابراین، درصد خطای مدل در منطقة مطالعاتی 25/11+ درصد است.

 اردبیل فرسایش آبی مدل‌سازی نقشة خطر نیر [1] Ahmadi, H. (1999). Applied Geomorphology. Vol. 1 (Water Erosion), 3rd Edition. University of Tehran Press, 688 p. (In Persian). [2] Esmali, A. (2007). Modeling and mapping erosion risk prediction (Case study: Baleghli Chay, Ardebil). PhD Thesis, 250 p. (In Persian). [3] Feyznia, S. (1995). Rocks resistance to erosion in different climates of Iran. Journal of Natural Resources, 47(1), 95-116 (In Persian). [4] Ghodoosi, J. (2003). Morphological Modeling and gully erosion hazard. PhD Thesis, University of Tehran, 224 p. (In Persian). [5] Barthes, B. and Roose, E. (2002). Aggregate stability as an indicator of soil susceptibility to runoff and erosion, Catena, 47, 133-149. [6] Bissonnais, Y.L., Monitor, C., Jamagne, M., Daroussin, J. and King, D. (2001). Mapping erosion risk for cultivated soil in France, Catena, 46, 207-220. [7] Bou Kheir, R., Cerdan, O. and Abdallah, C. (2006). Regional soil erosion risk mapping in Lebanon. Journal of Geomorphology, 82, 347-359. [8] Hughes, A.O. and Prosser, I.P. (2003). Gully and riverbank erosion mapping for the Murray- Darling basin, CSIRO land and water, Canberra, Technical report 3/03. [9] Miller, S.N., Semmens, D.J., Goodrich, D.C., Hernandez, M., Miller, R.C., Kepner, W.G. and Guertin, D.P. (2007). The Automated Geospatial Watershed Assessment tool. Environmental Modelling & Software, 22, 365-377. [10] Morgan, R.P.C. (2001). A simple approach to soil loss prediction, a revised Morgan–Morgan–Finney model. Catena ,44, 305-322. [11] Najmoddini, N. (2003). Assessment of Erosion and Sediment Yield Processes, Using RS & GIS, A case study in Rose Chai sub-catchment of Orumieh basin ,W. Azarbaijan, Iran. [12] Stoching, M.A. and Elwell, H.A. (1976). Rainfall erosivity over Rhodesia. Transactions of the Institute of British Geographers New Series, 1, 231-245.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52835 مقاله پژوهشی انتخاب بهترین فرمول تجربی برای برآورد زمان تمرکز در حوزه‌های آبخیز شهری (مطالعة موردی: شهر ماهدشت) انتخاب بهترین روش تجربی برآورد زمان تمرکز در حوزه آبخیز شهری (مطالعه موردی: شهر ماهدشت شهبازی علی دانشجوی دکتری آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تهران، ایران خلیقی سیگارودی شهرام استادیار دانشکدة منابع طبیعی، دانشگاه تهران، ایران ملکیان آرش استادیار دانشکدة منابع طبیعی، دانشگاه تهران، ایران سلاجقه علی استاد دانشکدة منابع طبیعی، دانشگاه تهران، ایران 23 10 2014 67 3 419 435 04 08 2013 12 02 2014 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52835.html

اتخاذ روش‌های صحیح در مدیریت آبخیزهای شهری برای کاهش خطرها امری انکارناپذیر و ضروری است. لازمة این امرْ برآورد میزان رواناب با درجة اطمینان بالاست. یکی از عواملی که بدون شک، تأثیر زیادی در دبی اوج و حجم رواناب دارد زمان تمرکز است. هدف از این تحقیق انتخاب بهترین روش از میان فرمول‏های تجربی برآورد زمان تمرکز است. برای تعیین زمان تمرکز واقعی از روش صحرایی مبتنی بر اندازه‌گیری زمان پیمایش آب با استفاده از جسم شناور استفاده شد. به منظور انتخاب بهترین فرمول تجربی از معیارهای آماری‌ـ شامل درصد خطای نسبی (RE)، میانگین مربعات خطا (RMSE)، میانگین درصد خطای نسبی (RME)، ناش‏ساتکلیف (NS)، و ضریب تبیین (R2)‌ـ استفاده شد. سپس، درصد اختلاف مقادیر به‌دست‌آمده از فرمول‏های تجربی با مقادیر واقعی اندازه‏گیری‌شده مقایسه شد. در این مطالعه، بر اساس نتایجِ مقایسة درصد خطای نسبی در هر بازه، فرمول‏های تجربی کالیفرنیا، چاو، کارتر، و فدرال به‌تربیب با درصد خطای 7/2، 9/2، 4/4، و 7/4 برای بازة ۲، رابطة کربای- هات‏وی با درصد خطای 1 برای بازة ۳، رابطة ونتورا با درصد خطای 5/8 برای بازة ۹، و، در نهایت، رابطة هیدروگراف استدلالی با درصد خطای 8/4 برای بازة ۱۰ بهترین برآورد را داشته‏اند. در نتیجه، پیشنهاد می‏‌شود در مناطقی که خصوصیاتی نظیر این بازه‏ها دارند، با توجه به اطلاعات موجود، از رابطه‏ای استفاده شود که کمترین درصد خطا را دارد. در نهایت، مشخص شد فقط روش هیدروگراف استدلالی برای کل حوضه کمترین خطا را دارد و جواب مناسبی ارائه داده است.

 آبخیز شهری زمان پیمایش زمان تمرکز فرمول تجربی هیدروگراف استدلالی [1] Abustan, I., Sulaiman, A.H., Abdul Wahid, N. and Baharudin, F. )2008(. Determination of Rainfall-Runoff Characteristics in An Urban, (Case study: Sungai Kerayong Catchment, Kuala Lumpur). 11th International Conference on Urban Drainage. [2] Alizadeh, A. )2006(. Principles of applied hydrology. 20ed Edition, University of Mashhad Press, 807p. [3] Arabi, M. and Govindaraju, R.S. and Hantush, M.M. )2007(. A probabilistic approach for analysis of uncertainty in the evaluation of watershed management practice. Journal of Hydrology, 333, 459-471. [4] Azadnia, F., Rostami, N. and Kamali Moghaddam, R. )2009(. Comparison of empirical equations for estimating time of concentration of the basin Meimeh Ilam. Iranian Water Research Journal, 3(4), 1-8. [5] Chin, D.A. )2000(. Water-resources engineering. Prentice Hall, New Jersey, 750p. [6] Dastorani, M.T., Abdullah Wand, A., Talabi, A. and Moghadamnia, A.R. ) 2014(. Evaluate the use of empirical equations for estimating the focus time navigating time streams. Journal Research and development, 103(93), 1-8. In press. [7] Dongquan, Z., Jining, C., Haozheng, W., Qingyuan, T., Shangbing, C. and Zheng, S. )2009(. GIS-based urban rainfall-runoff modeling using an automatic catchment-discretization approach, (Case study in Macau). Environ Earth Sci, 59, 465- 472. [8] Eslamian, S. and Mehrabi, A. )2005(. Empirical relations for estimating the time of concentration mountainous watersheds. Journal of Natural Resources and Agricultural Sciences, 12, 36-45. [9] Fang, X., Thompson, D.B., Cleveland, T.G., Pradhan, P. and Malla, R. )2008(. Time of concentration estimated using watershed parameters determined by automated and manual methods. Journal of Irrigation and Drainage Engineering, 134(2), 202-211. [10] Green, J. and Nelson, E. )2002(. Calculation tim of Concentration for hydrologic design and analysis using geographic information system vector objects. Journal of Hydro informatics, 4, 75-81. [11] Jamshidi, S. (2011). Compared to the estimated time of concentration using empirical relations (Case study: Watershed basin Srfyrvz Abad). 2th Geoscience Conference, 9p. [12] Li, M.H., and Chibber, P. (2008). Overland flow time of concentration on very flat terrains. Transportation Research Record 2060. Transportation Research Board, Washington, DC, 133-140p. [13] Mahdavi, M. (2011). Applied hydrology. 7ed Edition, Thesis. University of Tehran Press, 439p. [14] McCuen, R. (1984). Eestimating urban time of concentration. Hydraulic Engineering ASCE, 100, 633-638. [15] Mobaraki, J. (2006). Accuracy in the estimation of empirical relationships time to peak concentration Hydrograph (Case study: Tehran Province). MSc. Thesis. University of Tehran, 151p. [16] Moghadamnia, A.R. (1997). A comparative study on the time-delay and time to reach peak flood hydrograph based on experimental methods and analysis of two regional climate. MSc. Thesis. University of Tarbiat Modarres, 163p. [17] Motamedvaziri, B. (2004). Evaluation of some empirical relations to estimate the time of concentration (Case study: Karaj watershed). MSc. Thesis University of Tehran, 125p. [18] Najafi, A. (2009). Factors of flood basin catchment Esfahan- Sirjan the factor analysis. Journal of Geography and Environmental Planning, 4, 101-118. [19] Pavlovic, S.B. and Moglen, G.E. (2008). Discretization issues in travel time calculation. J. Hydrol. Eng., 13(2), 71-79. [20] Shafai Bajestan, M. (2005). Principles and application of physical models – hydraulic, 1ed Edition, University of Martyr Chamran Press, 292p. [21] Sharifi, S. and Hosseini, S.M. (2011) .Methodology for Identifying the Best Equations for Estimating the Time of Concentration of Watersheds in a Particular Region. Journal of Irrigation and Drainage Engineering, 137(11), 712-719. [22] Sepahvand, A., Taei Semirom, M., Myrnya, Kh. and Moradi, H.R. (2011). Evaluate the model sensitivity to the variability of soil moisture. Journal of Soil and Water, 25(2), 338-346. [23] Sourisseau, S.A., Basser, S.F. and Perie, T. (2007). Calibration, validation and sensitivity analysis of an ecosystem model applied to artificial streams. Water Research, 42, 1167-1181. [24] Wong, T.S.W. (2005). Assessment of time of concentration formulas for overland flow. J. Irrig. Drain Eng., 131(4), 383-387. [25] Wong, T.S.W. (2009). Evaluation of kinematic wave time of concentration formulas for overland flow. Journal of Hydraulic Engineering, 14(7), 739-744.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52836 مقاله پژوهشی بررسی آثار تیمار پیش‌سرما، پتانسیل اسمزی، و تنش خشکی بر رشد گیاهچه‌های جمعیت‌های دو گونة مرزه (Satureja sahendica و S. bachtiarica) در دو شرایط ژرمیناتور و گلخانه بررسی اثرات تیمارپیش سرما، پتانسیل اسمزی و تنش خشکی بر روی رشد گیاه‌چه‌های جمعیت‌های دو گونه مرزه ( Satureja sahendica و S. bachtiarica ) در دوشرایط ژرمینا شفیعی میثم کارشناس ارشد اصلاح نباتات، دانشگاه آزاد اسلامی، ‌واحد بروجرد علیزاده محمد علی استادیار مؤسسة تحقیقات جنگل‌ها و مراتع کشور جعفری علی اشرف استاد مؤسسة تحقیقات جنگل‌ها و مراتع کشور، رئیس بانک ژن کشور 23 10 2014 67 3 437 450 19 02 2013 18 09 2013 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52836.html

به منظور بررسی اثر تیمار پیش‌سرما، پتانسیل اسمزی، و تنش خشکی بر جمعیت‌های دو گونة دارویی Satureja sahendica و S. bachtiarica آزمایشی به صورت فاکتوریل بر پایة طرح کاملاً تصادفی با سه تکرار در دو شرایط ژرمیناتور و گلخانه در سال‌های 1389 ـ 1390 در بانک ژن منابع طبیعی و مؤسسة تحقیقات جنگل‌ها و مراتع کشور به‌اجرا درآمد. تیمارهای مورد استفاده در شرایط ژرمیناتور شامل تیمار پیش‌سرما و سطوح مختلف پتانسیل اسمزی ناشی از غلظت‌‌های پلی‌ اتیلن گلایکول (PEG) 6000 دالتون در پنج سطح (0، 3/0-، 6/0-، 9/0-، و 2/1- مگاپاسگال) بود. تیمارهای مورد استفاده در شرایط گلخانه شامل تیمار پیش‌سرما و تنش خشکی در پنج سطح ظرفیت زراعی (۲۰، ۴۰، ۶۰، ۸۰، و ۱۰۰ درصد) بود. نتایج نشان داد، با افزایش غلظت پتانسیل اسمزی و تنش خشکی، میانگین صفت درصد جوانه‌زنی و درصد سبزشدن به‌ترتیب آزمایشگاه و گلخانه به میزان 33 و 6 درصد کاهش یافت، در حالی که نسبت طول ریشه‌‌چه به ساقه‌چه و نسبت وزن خشک به تر گیاهچه روند افزایشی داشت. در دو شرایط ژرمیناتور و گلخانه خصوصیات جوانه‌زنی در تیمار پیش‌سرما نسبت به سایر تیمارها دارای بیشترین مقدار بود. در واکنش به پتانسیل اسمزی در ژرمیناتور و با تنش خشکی در گلخانه جمعیت بیجار 2 از مرزة سهندی و پیرانشهر از مرزة بختیاری در اکثر صفات، به‌ دلیل دارابودن بیشترین شاخص بنیه و نسبت وزن خشک به تر نسبت به جمعیت‌های دیگر، مقاوم‌تر بود. مقایسة بین جمعیت‌ها نشان داد که کم‌تحمل‌ترین جمعیت مربوط به جمعیت تاکستان از مرزة سهندی است.

 بختیاری پتانسیل اسمزی جوانه‌زنی سرما ظرفیت زراعی مرزة سهندی PEG 6000 [1] Abdul - baki, A.A. and Anderson, J.D. (1975). Vigour determination in soybean seed by multiple criteria. Crop aci, 630-633. [2] Alizadeh, M.A. and Isvand, H.R. (2004). Evaluation and the study of germination potential, speed of germination and vigour index of the seeds of two species of medicinal plant (Eruca sativa Lam.,Anthemis altissima L) under coold room anry storage condition. Iranian Journal of Medicinal and Aromatic plant Research, 20(3), 301-307. [3] Allen, S.G., Dobrenz, A.K., Schonhorst, M.H. and Stoner, J.E. (1985). Heretability of Nacl tolerance in germination of alfalfa seed. Agron, J., 77, 99-101. [4] Baba Khanlo, P., Mirza, M., Sefidkon, F., Ahmadi, L. and Asgari, F. (1998). Evaluation of the constituent composition of Essential oil in Ziziphora clinopodioides, Zataria mutaria multiflora, Z.tenuior. Iranian Journal of Medicinal and Aromat [19] Zic Plants, 2, 22-120. [5] Chuanren, D., Bochu, W., Wanqian, L., Jin, C., Jie, L., Haan, z. (2004). Effect of chemical and physical factors to imporove the germination rate of Echinacea anqustifolia seed‌. Colloids and surfaces biointer faces, 37, 101-105. [6] Emmerich, W.E. and Hardgree, S.P. (1990). Polyethylenglycol solution contact effection seed germination. Agron .J., 82, 1103-1107. [7] Faker Baher, Z., Rezai, M.B., Mirza, M.M. and Abbaszadeh, B. (2001). Evaluation of Qualitive and Quantitive changing of Essential Oil of Satureja. Iranian Journal of Medicinal and Aromatic Plants,[p1]  11, 36-51. [8] Goicochea, N., Antolin, M.C. and Sanchez, D.M. (1997). Gas exchange is related to hormone balancein mycorrhizal or nitrogen fixing alfalfa subjected to drought. Physiologia planturum, 100, 989-997. [9] Hossienpour Ghazveni, A. (2010). Evaluation germination and vigour problem in four ecotype in laboratory and greenhouse Msc Thesis. Azad university –unit of Takestan, 1-102. [10] Jamzad, Z. (2009). Thymus and Savory of Iran, Pub. Research Istitute of Forest and Rangeland, 81-132. [11] Kochaky, A., Bromand, J. and Rezazadeh, Z. (2005). Evaluation of seed germination response to osmotic and matrix potential of polyethylenglycol and sodium coloride in different temperature, J. agronomical research of Iran, 3, 207-217. [12] Lebaschi, M., Sharif Ashorabadi, H. and Mazaheri, D. (2003). Effect of dry stress on changing of hypersin. J. of Pagohesh and Sazandeghi, 58(1), 44-52. [13] Lekh, R. and Khairwal, I.S. (1993). Evaluation of pearl millet hybrids and their parents for germ inability and field emergence. Indian Jour. Plant Physiol, 125-127. [14] Lowlor, D.w. (1970). Absorption of polyethylenglycols by plants and Their effecte on plant growth, New phytol, 69. [15] Maguire, J.D. (1962). Speed of germination: Aid in selection and evaluation for seedling vigour, Crop science, 2, 176-177. [16] Michel, B.E. and Kaufman, M.R. (1973). The osmotic potential of polyethylenglycol 6000 plant physiology, 51. [17] Omidbighy, R. (1997). The obtained strategy of production and technology of plant medicine No of Issue (1, 2 and 3). Publication of Ghods. [18] Sarmadnia, Gh.H. (1996). Translation of seed technology. Published by Jahad university of Mashhad. [19] Sedighi, M. and Porkermani, M. (1983). Un-uniform figure in arid zone. Translation- Publication of Ghods. [20] Sefidkon, F., Jamzad, Z. and Barzandeh, M. (2004). Essential oil of Satureja bachtiarica as a full source of Karvakrol. Iranian Journal of Medicinal and Aromatic Plants, 20(4), 439-425. [21] Waterman, p.g. and mole, s. (1994). Analysis of phenol and secondary metabolites. black well scientific publications. oxford, new york, 44-66.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52837 مقاله پژوهشی بررسی تغییرات ماهانه و فصلی مقادیر تصاعد کربن در شدت‌های مختلف‏ چرای دام (مطالعة موردی: مراتع قوشه، استان سمنان) بررسی تغییرات ماهانه و فصلی مقادیر تصاعد کربن در شدتهای مختلف‌ چرای دام (مطالعه موردی: مراتع قوشه، استان سمنان) صادقی پور احمد استادیار دانشکدة کویرشناسی، دانشگاه سمنان کمالی نادیا دانشجوی دکتری مرتع‌داری، دانشگاه تهران کمالی پریا دانشجوی دکتری مرتع‌داری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان جنیدی حامد دانشجوی دکتری مرتع‌داری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان 23 10 2014 67 3 451 458 04 05 2013 14 11 2013 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52837.html

تحقیق حاضر به منظور بررسی تغییرات ماهانه و فصلی میزان تصاعد دی‌اکسید‌ کربن از خاک در شدت‏های مختلف چرای دام از مراتع انجام شد. سه منطقه شامل مراتع قرق (شاهد)، مراتع با چرای کم، و مراتع با چرای شدید در منطقة قوشة سمنان انتخاب شد. در هر یک از مناطق تصاعد کربن به روش تله قلیایی در اتاقک بستة ساکن به صورت ماهانه و به مدت یک سال اندازه‌گیری شد. داده‌های مربوط به مقادیر تصاعد و چرا، به صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی با چهار تکرار تجزیه و تحلیل شد. همچنین، برای بررسی ارتباط فاکتورهای دما و رطوبت خاک با تغییرات تصاعد کربن در هر منطقه، با توجه به شرایط داده‌ها، از ضریب همبستگی پیرسون استفاده شد. نتایج نشان داد در منطقة مورد مطالعه بیشترین میزان تصاعد کربن از خاک در مردادماه و کمترین آن در بهمن‌ماه صورت گرفته است. همچنین، بین میزان تصاعد در اراضی تحت شدت‌های مختلف چرا اختلاف معنی‏دار وجود دارد. بیشترین میزان تصاعد در اراضی با چرای شدید در مردادماه (34/3 گرم کربن در متر مربع در روز) و کمترین آن در بهمن‌ماه (033/0 گرم بر متر مربع در روز) در اراضی قرق اتفاق افتاده است. از نظر توزیع فصلی، بیشترین مقدار تصاعد به‌ترتیب در تابستان، پاییز، بهار، و زمستان مشاهده شد. همچنین، بین تصاعد کربن مناطق مختلف مورد مطالعه با رطوبت خاک همبستگی منفی وجود دارد.

 تصاعد کربن تله قلیایی چرای دام سمنان قرق قوشه [1] Ball, B.C., Scott, A. and Parker, J.P. (1999). Field N2O, CO2 and CH4 fluxes in relation to tillage, compaction and soil quality in Scotland. Soil and Tillage Res, 53, 29-39. [2] Batjes, N.H. (1996). Total carbon and nitrogen in the soils of the worlds. European journal of soil science, 47, 151-163 [3] Bond-Lamberty, B., Wang, C. and Gower, S. (2004). A global relationship between the hetero-trophic and autotrophic components of soil respiration? Global Change Biology, 10(10):1756-1766. [4] Eamus, D., Hutley, L.B.A. and O’Grady, P. (2001). Daily and seasonal patterns of carbon and water fluxes above a north Australian savanna. Tree Physiology, 21, 977-988. [5] FAO (2001). FAO Stat. Agricultural Production Databases. Food and Agriculture Organization of the United Nations, Rome, Italy. [6] Forest rangeland and watershed management organization (2002). National action programme of combating desertification. Rural Development Publications. 357p. [7] Frank, A.B. (2003). Evapotranspiration from northern semiarid grasslands. Agron. J., 95, 1504-1510. [8] Gupta, R.D., Sanjay, A. and Sumberia, N.M. (2010). Soil physical variability in relation to soil erodibility under different land uses in foothills of Siwaliks in N-W India. Tropical Ecology, 51(2):183-197. [9] Harvell, A.D., Wienhoil, B.J. and Black, A.L. (2002). Tillage nitrogen and cropping system effect on carbon sequestration. SSSA J., 66, 906-912. [10] Hill, M.J., Braaten, R. and Mekeon, G.M. (2003). A scenario calculator for effect of grazing land management on carbon stock in Australian rangelands. Environmental modeling and software, 18, 627-644. [11] Hirotaa, M., Tanga, Y., Hub, Q., Kat, T., Hiratad, S., Moe, W., Caob, G. and Marikoe, S. (2005). The potential importance of grazing to the fluxes of carbon dioxide and methane in an alpine wetland on the Qinghai-Tibetan Plateau. Atmospheric Environment, 39, 5255-5259. [12] Huang, C.H. and Kronrad, G.D. (2001). The Cost of Sequestration Carbon on Private Forest Lands. Forest Policy and Economics, 2, 133-142. [13] Jabro, J.D., Sainju, U., Stevens, W.B. and Evans, R.G. (2008). Carbon dioxide flux as affected by tillage and irrigation in soil converted from perennial forages to annual crops. Journal of Environmental Management, 88,1478-1484. [14] Lal, R. and Kimble, J.M. (2000). Pedogenic carbonates and the global carbon cycle. In: Lal, R., Kimble, J.M., Eswaran, H. and Stewat, B.A. (eds), Global climate change and pedogenic carbonates, CRC press, Boca Raton, 1-14. [15] Lal, R. (2004). Soil carbon sequestration to mitigate climate change, Geoderma, 123, 1-22. [16] Li, G. and Sun, S. (2011). Plant clipping may cause overestimation of soil respiration in a Tibetan alpine meadow, southwest China. Ecol. Res, 26, 497-504. [17] Luo, Y. and Zhou, X. (2006). Soil Respiration and the Environment. 320pp. [18] Morris, J. and Jensen, A. (1998). The carbon balance of grazed and non-grazed Spartina anglica salt marshes at Skallingen, Denmark. Journal of Ecology, 86, 229-242. [19] Peichla, M., Cartonc, O. and Kiely, G. (2012). Management and climate effects on carbon dioxide and energy exchanges in a maritime grassland. Agriculture, Ecosystems and Environment,158, 132-146. [20] Sadeghipour, A. (2012). The study of carbon sequestration and it's distribution in different land uses (Case study: Shahriar). Ph.D. thesis of range management, University of Tehran. 153pp. [21] Sainju, U.M., Jabro, J.D. and Stevens, W.B. (2008) . Soil carbon dioxide emission and carbon content as affected by irrigation, tillage, cropping system, and nitrogen fertilization . Plant and environment intraction, 37, 98-106. [22] Schmitt, M., Bahn, M., Wohlfahrt, G., Tappeiner, U. and Cernusca, A. (2010). Land use affects the net ecosystem CO2 exchange and its components in mountain grasslands. Biogeosciences, 7, 2297-2309. [23] Schwining, S. and Sala, O.E. (2004). Hierarchy of responses to resource pulses in arid and semi-arid ecosystems. Oecologia, 141, 211-220. [24] Sherrod, L.A., Peterson, G.A., Westfall, D.G. and Ahuja, A.R. (2003). Cropping intensity enhances soil organic carbon and nitrogen in a no till agro ecosystem. Soil Sci. Soc. Am. J., 67,1533-1543. [25] Tan, Z. and lal, R. (2005). Carbon sequestration potential estimates with changes in land use and tillage practice in ohio, USA. Agric. Ecosys. and Environ, 12, 113-12. [26] Valentini, R., Dore, S., Marchi, G., Mollicone, D., Panfyorov, M., Rebmann, C., Kolle, O. and Schulze, E.D. (2000). Carbon and water exchanges of two contrasting central Siberia landscape types: regenerating forest and bog. Funct. Ecol, 14, 87-96. [27] Vickers, D., Thomas, C.K., Pettijohn, C., Martin, J. and Law, B.E. (2011). Five years of carbon fluxes and inherent water-use efficiency at two semi-arid pine forests with different disturbance histories. International Meteorological Institute in Stonkholm 3 December 2011. [28] Wohlfahrt, G. and et al. (2008). Biotic, abiotic, and management controls on the net ecosystem CO2 exchange of European mountain grassland ecosystems. Ecosystems, 11, 1338-1351. [29] Zeeman, M.J., Hiller, R., Gilgen, A.K., Michna, P., Pluss, P., Buchmann, N. and Eugster, W. (2010). Management and climate impacts on net CO2 fluxes and carbon budgets of three grasslands along an elevational gradient in Switzerland. Agric. Forest Meteorol, 150, 519-530.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52838 مقاله پژوهشی مقایسة مدل‌های مختلف برای پهنه‌بندی خطر زمین‌لغزش در حوزة آبخیز زنگوان ایلام مقایسه مدل های مختلف برای پهنه بندی خطر زمین لغزش در حوزه آبخیز زنگوان ایلام کریمی حاجی دانشیار دانشکدة کشاورزی دانشگاه ایلام نادری فتح الله کارشناس ارشد ژئومورفولوژی و مدرس دانشگاه پیام نور ایلام ناصری بهروز عضو هیئت‌علمی دانشگاه آزاد اسلامی، واحد ایلام سلاجقه علی استاد دانشکدة کشاورزی و منابع طبیعی دانشگاه تهران 23 10 2014 67 3 459 485 11 08 2009 09 11 2011 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52838.html

شناسایی مناطق مستعد زمین‌لغزش از طریق پهنه‌بندی خطر با مدل‌های مختلف یکی از اقدامات اساسی در جهت کاهش خسارت احتمالی و مدیریت خطر است. هدف اصلی از این تحقیق مقایسه و ارزیابی چهار روش‌ـ ارزش اطلاعاتی، تراکم سطح، تحلیل سلسله‌مراتبی سیستم‌ها، و‌ روش پیشنهادی گوپتا و جوشی‌ـ برای پهنه‌بندی خطر زمین‌لغزش در حوزة آبخیز زنگوان در استان ایلام است. نخست کلیة عوامل مؤثر در وقوع زمین‌لغزش استخراج گردید. سپس، با کنترل این عوامل در منطقه، عوامل نُه‌گانة شیب، جهت، ارتفاع از سطح دریا، بارندگی، فاصله از جاده، فاصله از گسل، فاصله از شبکة آبراهه، کاربری اراضی، و سنگ‌شناسی عوامل مؤثر در وقوع زمین‌لغزش‌های منطقه شناخته شدند. پس از تهیة این عوامل در محیط GIS، با استفاده از تفسیر عکس‌های هوایی و تصاویر ماهواره‌ای، موقعیت دقیق زمین‌لغزش‌ها تعیین شد. سپس، پهنه‌بندی با چهار روش مذکور انجام گرفت. نهایتاً، به منظور بررسی و انتخاب مناسب‌ترین مدل برای پهنه‌بندی خطر زمین‌لغزش از شاخص زمین‌لغزش استفاده شد. بر اساس این شاخص، در روش ارزش اطلاعاتی بیش از 52 درصد زمین‌لغزش‌ها در طبقه با خطر خیلی بالا اتفاق افتاده‌ است. بنابراین، این روش، به لحاظ داشتن انطباق بیشتر زمین‌لغزش‌ها با پهنة خطر بالا و همچنین توانایی در تفکیک طبقه‌های خطر، کارایی بهتری نسبت به سایر روش‌ها دارد و مناسب‌ترین مدل برای پهنه‌بندی خطر زمین‌لغزش در حوزة زنگوان معرفی می‌شود.

 ایلام پهنه‌بندی شاخص زمین‌لغزش زنگوان مدل GIS [1] Ahmadi, H., Mohammadkhan, Sh., Feiznia, S. and Ghoddousi, J. (2005). A modeling of mass movement hazard, case study: Taleghan drainage catchment. Journal of the Iranian Natural Rec., 58, 1: 3-14. [2] Brabb, E., Pampegan, E.H. and Bonilla, M.G. (1972). landslide susceptibility in Sanmateo County, California, U.S Geological Survey Miscellaneous field studies map Mf-360. [3] Fanyu liu, Z. (2007). Study on Landslide Susceptibility Mapping Based GIS and with Bivariate Statistics- a Case Study in Longnan Area Highway 212, Science paper online. [4] Faraji Sabokbal, H. (2005). Location of trade servicing units using AHP. Journal of the Geography Rec., 51, 32-37. [5] Gupta, R.P. and Joshi, B.C. (1990). Landslide hazard zoning using the GIS approach- A case study from the Ramganga catchment, Himalayas, Engineering Geology, 28(1): 119-131. [6] Haqhshenas, A. (1995). Landslide hazard mapping and associated with sediment yield in Taleghan watershed. Ms. Thesis. Tarbeyat Modares University, 187 pp. [7] Kolarostaqi, A. (2002). Study effective factors in occurrence landslides and mapping landslide hazard in the Shirin rood watershed, Ms. Thesis. Tehran University, 141 pp. [8] Khullar, V.K., Sharam, R.P. and Paramanik, K. (2000). A GIS approach in the landslide zone of Lawngthlia in southern Mizoran. Landslide, proceeding of the 8th international symposium on landslides, 3, 1461-1472. [9] Komac, M. (2006). A landslide susceptibility model using the Analytical Hierarchy Process method and multivariate statistics in per alpine Slovenia.Geomorphology,24,17-28. [10] Naderi, F. and Karimi, H. (2011). Efficiency assessment of two Information Value and Gopta-Joshi methods in landslide hazard mapping in the Talkhab watershed of Ilam. Pajouhesh & Sazandagi, 92. [11] Nikandish, N. (1997). Theory for landslide movement in Iran. Jehade Keshavarzi Journal, 155, 84-95. [12] Pachauri, A.k. and PANT, M. (1992). Landslide Hazard Mapping based on Geological attributes, Eng, Geological, 32, 81-100. [13] Sayarpoor, M. (1992). Landslide hazard potential mapping in south Ghalghal, Ardabil province. Ms. Thesis. Tehran University, 173 pp. [14] Sefidgari, R. (2002). Efficiency methods Landslide hazard mapping in Damavand watershed. Ms. Thesis. Tehran University, 159 pp. [15] Shadfar, S., Norozi, A.A., Ghoddousi, J. and Ghauomeyan, J. (2005). Landslide hazard mapping in Lakertashan watershed. Journal of the Water & Soil conservation, 1, 1-10. [16] Van Westen, C.J and Soeters, R. (1998). Workshop on GIS in Landslide Hazard Mapping, the Kakani Area (Nepal): Theory. Version 1, ITC, 14 p. [17] Yalcin, A. (2008). GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparisons of results and confirmations. CATENA, 72, 1-12.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52839 مقاله پژوهشی بررسی واکنش‌های مورفولوژیک و شکل‌گیری نبکا در دو گونة کلیر Capparis decidua)) و لگجیC. spinosa)) در مناطق خشک و بیابانی بررسی واکنش‌های مورفولوژیک و شکل‌گیری نبکا در دو گونه کلیر (Capparis decidua ) و لگجی (C. spinosa) در مناطق خشک و بیابانی مصلح آرانی اصغر دانشیار دانشکدة منابع طبیعی و کویرشناسی، پژوهشکدة مناطق خشک و بیابانی دانشگاه یزد، دکتری اکولوژی گیاهی عظیم زاده حمید دانشیار دانشکدة منابع طبیعی و کویرشناسی، پژوهشکدة مناطق خشک و بیابانی دانشگاه یزد، دکتری علوم خاک اختصاصی محمد رضا استاد دانشکدة منابع طبیعی و کویرشناسی دانشگاه یزد، دکتری مورفودینامیک فرسایش بادی ایمان طلب ندا دانش‌آموختة کارشناسی ارشد جنگل‌داری، دانشکدة منابع طبیعی و کویرشناسی، دانشگاه یزد دولتی علی استادیار دانشکدة ریاضی، دانشگاه یزد، دکتری آمار 23 10 2014 67 3 475 485 06 07 2011 14 11 2013 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52839.html

این پژوهش، با تکیه بر مقایسة واکنش‌های متفاوت مورفولوژیک دو گونة کلیر Capparis decidua)) و لگجیC. spinosa) )، ارتباط بین بعضی از عوامل مؤثر در شکل‌زایی نبکا‌ را بررسی می‌نماید.به منظور بررسی واکنش‌های مورفولوژیک دو گونة مورد اشاره به تشکیل نبکا، 9 نبکا‌ی لگجی با سنین متفاوت به طور تصادفی انتخاب شد. سپس، تعداد و اندازة ریشه‌های نابجا و تعداد شاخه و جوانه در طول ساقه شمارش شد. نتایج نشان داد که وزن بخش زنده (سبز) و غیرزندة پایه‌هایی از گیاه لگجی تشکیل‌دهندة نبکا به طور معنی‌داری از پایه‌های شاهد هم‌‌سن خود بیشتر است. در لگجی، نبکا در ابتدا با افزایش تعداد جوانه‏ها و شاخه‏ها باعث تحریک رشد می‌شود، ولی، در نهایت، باعث خشکیدگی کامل گیاه می‌گردد. در کلیر، تشکیل نبکا باعث ریشه‌زایی (ریشه‌های نابجا) در شاخه‌های مدفون‌شده می‏‌شود. همچنین، با افزایش حجم نبکا، بر تعداد شاخه یا جوانه در کلیر افزوده نشد. علاوه بر آن، ریشة نابجایی در پایه‌های کلیرِ فاقد نبکا ملاحظه نشد. نتایج بررسی نحوة انشعاب شاخه‌ها نشان داد که گونة کلیر به دو روش باعث ایجاد نبکا می‌‌شود. کلیر در میان‌سالی پاجوش‏های فراوانی تولید می‌کند. تشکیل پاجوش‏ها در اطراف و در قسمت یقة گیاهِ کلیر باعث تجمع رسوبات و تشکیل نبکا می‌‌شود. شاخة پاجوش‌های مدفون‌شده در نبکا، با افزایش حجم نبکا، ریشه‌های نابجا تولید می‌نماید و پایة مادری به‌تدریج ضعیف می‌شود و نهایتاً خشک می‌شود. حالت دوم تشکیل نبکا مشابه لگجی است. با توجه به نتایج به‌دست‌آمده، مشخص شد که گونة کلیر واکنش‌های مورفولوژیک سازگارتری نسبت به لگجی در برابر تشکیل نبکا دارد.

 کلیر لگجی نبکا واکنش مورفولوژی [1] Ardon, K., Tsoar, H. and Blumberg, D.G. (2009). Dynamics of nebkhas superimposed on a parabolic dune and their effect on the dune dynamics. Journal of Arid Environments, 73, 1014-1022. [2] Bing, L., Wenzhi, Z. and Rong, Y. (2008). Characteristics and spatial heterogeneity of Tamarix ramosissima nebkhas in desert-oasis ecotones. Acta Ecologica Sinica, 28(4), 1446-1455. [3] Cooke, R.U., Warren, A. and Goudie, A. (1993). Desert Geomorphology. UCL Press, London, 256 p. [4] Dech, J.P. and Maun, M.A. (2006). Adventitious root production and plastic resource allocation to biomass determine burial tolerance in woody plants from central Canadian coastal dunes. Annals of Botany, 98, 1095-1105. [5] Ekhtesasi, M.R., Ahmadi, H., Feyznia, S. and Busche, D. (2005). Wind erosion, Faces and Damages in Yazd-Ardakan Plain. Iranian Journal of Natural Resources, 57(4), 567-583. [6] Ekhtesasi, M.R. (2010). Plants suitable for sand dunes & sand sheets fixation in Iran (Major psammophytes in Iran). Yazd University pub., 246p. [7] Hermesh, R. (1972). A study of the ecology of the Athabasca sand dunes with emphasis on the phytogenic aspects of dune formation. M.Sc. thesis. University of Saskatchewan, Saskatoon, Sask. [8] Hesp, P. and McLachlan, A. (2000). Morphology, dynamics, ecology and fauna of Arctotheca populifolia and Gazania rigens nabkha dunes. Journal of Arid Environments, 44, 155-172. [9] Khalaf, F.F.I., Miska, R. and Al Douseri, A. (1995). Morphological characteristics of some nebkha deposits in the northern coastal plain of Kuwait, Arabia. Journal of Arid Environments, 58, 335-355. [10] Maun, M.A. (1998). Adaptations of plants to burial in coastal sand dunes. Canadian Journal of Botany, 76, 713-738. [11] Maghsoudi, M., Negahban, S., Bagheri Said-Shokeri, S. and Chezgheh, S. (1391). Comparative and analysis of nebkhas geomorphologic features four plant species in west of Lut (East of Shahdad-Takab Plain). Research in Natural Geography, 79, 55-77. [12] Mozafarian, V. (2000). Flora of Yazd. Yazd University pub. [13] Mozafarian, V. (2004). Trees and Shrubs of Iran, 1st edition, Farhang -e-Moaser pub. [14] Ekhtesasi, M.R. and Azimzadeh, H. (2002). Bandar-e-Jask (Sedij & Biahe) detailed technical document of combat desertification and sand dune fixation. Natural Resources and Watershed Management Service of Hormozgan province pub. [15] Perumal, J. (1994). Effects of burial in sand on dune plant communities and ecophysiology of component species. Ph.D. thesis, University of Western Ontario, London, Ont. [16] Pourkhosravani, M., Vali, A.A. and Moayeri, M. (2009). Study of relationships between plant morphology and nebkha morphometry characteristic of Reaumaria turcestana in khairabad desert in Sirjan. Physical Geography Research, 69, 99-113. [17] Sabeti, H. (1994). Trees and Shrubs of Iran, 5th edition, Yazd University pub, 187p. [18] Saghafi Khadem, F. (1999). Flora of Iran, No:30, Capparidaceae, Forest and Rangeland Research Institute pub. [19] Tengberg, A. and Chen, D. (1995). Nebkha dunes as indicators of wind erosion and land degradation in the Sahel zone of Burkina Faso. Journal of Arid Environments, 30, 265-282. [20] Pourkhorasani, M., Vali, A.A. and Movahedi, S. (2010). A comparative classification for nebkhas; Seidlitzia florida, Alhagi mannifera and Reaumaria turcestanica, based on vegetative performance of plants in Khair Abad desert in Sirjan. Geographic Space, 10(31),137-158. [21] Wolfe, F. (1932). Annual rings of Thuja accidentalis in relation to climatic conditions and movement of sand. Botanical Gazette (Chicago), 93, 328-335. [22] Yuan, T., Maun, M.A. and Hopkins, W.G. (1993). Effects of sand accretion ophotosyntesis, leaf-water potential and morphology of two dune grasses. Functional Ecology, 7, 676-682.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52840 مقاله پژوهشی پیش‏بینی رواناب و رسوب به کمک شبکة عصبی مصنوعی و رگرسیون چندمتغیره در مارن‏های آغاجاری پیش بینی رواناب و رسوب به کمک شبکه عصبی مصنوعی و رگرسیون چند متغیره در مارن‌های آغاجاری وفاخواه مهدی دانشیار گروه آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس سعیدیان همزه دکتری آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس 23 10 2014 67 3 487 499 03 11 2012 09 09 2014 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52840.html

پدیدة فرسایش و انتقال رسوب یکی از پیچیده‏ترین مسائل مدیریت حوزة زه‌کشی رودخانه‏هاست که در بررسی‏ طرح‏های آبی اهمیت بسیاری دارد و اندازه‏گیری آن مستلزم صرف وقت و هزینة فراوانی است. مسئلة رواناب سطحی در حوزة آبخیز رودخانه‏ها نیز موضوع پیچیده‏ای است که اطلاعات و فهم دانش بشری از قوانین فیزیکی حاکم بر آن بعضاً از دیدگاه روابط ریاضی محدود است. در این تحقیق، به منظور مدل‌سازی تولید رواناب و رسوب کاربری‏های مختلف نهشته‏های سازند آغاجاری، بخشی از حوزة آبخیز مرغا در شهرستان ایذه به مساحت 1609 هکتار انتخاب شد. در این تحقیق، از برخی متغیرهای فیزیکی و شیمیایی خاک شامل درصد ماسة خیلی ریز، شن، رس، سیلت، اسیدیته، هدایت الکتریکی، رطوبت، کربنات کلسیم و شوری خاک و رواناب و رسوب در کاربری‏های مختلف سازند آغاجاری برای مدل‌سازی استفاده شد. بدین منظور از دستگاه شبیه‏ساز باران در 7 نقطه و با 3 تکرار در سه شدت‏ مختلف 75/0، 1، و 25/1 میلی‌متر در دقیقه در سه کاربری مرتع، منطقة مسکونی، و اراضی کشاورزی میزان رواناب و رسوب اندازه‏گیری شد. همچنین، به همین تعداد، نمونة خاک از عمق ۰ ـ ۲۰ سانتی‏متری برداشت شد. در مجموع، تعداد 126 نمونه رواناب و رسوب جمع آوری شد و 189 آزمایش خاک انجام شد. به منظور تجزیه و تحلیل‏های آماری از نرم‌افزارهای11.5 SPSS، Excel، وMatlab 2008  استفاده شد. نتایج نشان داد که رگرسیون چندمتغیره در شرایطی با داده‏های ورودی زیاد و خروجی کم نتایج مطلوب‏تری در مقایسه با شبکة عصبی مصنوعی نشان می‏دهد. در شدت‌های بالای بارش به علت همگنی داده‏ها عملکرد شبکة عصبی نسبت به شدت‏های پایین بارش بهتر می‏شود. ولی، رگرسیون چندمتغیره در همة شدت‏های بارش بالا و پایین عملکرد بسیار قابل قبولی نشان داد. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 75/0 میلی‌متر در دقیقه در رگرسیون چندمتغیره 2/7 درصد و میزان مجذور میانگین مربعات خطا 06/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 9/146 درصد و مجذور میانگین مربعات خطا 41/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 1 میلی‌متر در دقیقه در رگرسیون چندمتغیره 5/8 درصد و میزان مجذور میانگین مربعات خطا 19/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 36/96 درصد و مجذور میانگین مربعات خطا 85/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 25/1 میلی‌متر در دقیقه در رگرسیون چندمتغیره 8/1 درصد و میزان مجذور میانگین مربعات خطا 38/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 6/37 درصد و مجذور میانگین مربعات خطا 73/0 است.

 حوزة آبخیز مرغا سازند آغاجاری شبکة عصبی مصنوعی فرسایش خاک [1] Abrahart, R.J. and White, S.M. (2001). Modelling sediment transfer inMalawe: comparing backpropagation neural network solutionagainst a multiple linear regressionbenchmark using small datasets. Physics and Chemistry of the Earth, 26, 19-24. [2] Alp, M and Kerem Cigizoglu, H. (2009). Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data. Environmental Modelling and Software, 22, 2-13. [3] ASCE (2000). Artificial neural networks in hydrology: 1. Preliminaryconcepts. Journal of Hydrologic Engineering, 5, 115-123. [4] Asghari moghadam, A., Norani, V. and Nadiri, A. (2008): Modeling[p1]  of Tabriz plain rainfall using neutral networks. Agriculture Science Journal, 18(1), 1-15. (In Persian). [5] Barthes, B. and Roose, E. (2002).Aggregate Stability as an Indicator of Soil Susceptibility to Runoff and Erosion; Validation at Several Levels, Catena, 47, 133-149. [6] Cannon, A.J. and Whitfied, P.H. (2002). Downscaling recent stream - flow conditions in British Columbia, Canada using ensemble neural network. Journal of Hydrology, 259, 136-151. [7] Das, G. (2000). Hydrology and Soil Conservation Engineering. Asoke K. Ghosh, Prentic- Hall of India, 489P. [8] Dawson, C.W. and Wilby, R.L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25, 80-108. [9] Gautam, M.R., Watanabe, K. and Saegusa, H. (2000). Runoff analysis in humid forest catchment with artificial neural network. Journal of Hydrology, 235, 117-136. [10] Green, I.R.A. and Stephenson, D. (1986). Criteria for comparison of single event models. Hydrological Sciences Journal, 31, 395-411. [11] Hossaini, S., Ci., Dehmardeh, A., Fathi, P.Ci. and Ceh Mardeh, M. (2007). Application of neutral networks and multi regression in estimation wheat operating in Kurdistan province Ghahve region. Agriculture Research Journal: Water, Soil, Vegetation in Agriculture, 1, 41-54. [12] Jordan, A. and Martinez-Zavala, L. (2008). Soil Loss and Runoff Rates on Unpaved Forest Roads in Southern Spain after Simulated Rainfall, Journal of Forest Ecology and Management, 255, 913-919. [13] Kamphorst, A. (1987). A small rainfall simulator for the determination of soil erodibility, Netherlands, Journal of Agricultural Science, 35, 407-415. [14] Kinnell, P.I.A. (2005). Sediment Transport by Medium to Large Drops Impacting Flows at Subterminal Velocity, Soil Science Society of America Journal, 69(3), 902-905. [15] Marcel, G.S., Feike, J.L., Martinus, T. and van Genuchten, H. (1998). Neural network analysis for hierarchical prediction of soil hydraulic properties, Soil Science Society, 62, 847-855. [16] Menhaj, L.P. (1998). Bases of Neural Networks (Calculative Intelligence). First Volume. Amirkabir Univerity of Technology Press. 642P (In Persian). [17] Navvabian, M., Liaghat, E.M. and Homaei, M. (2004). Rapid estimation of hydraulic conductivity using neural networks. In: Proceedings of the Second National Student Conference on Water and Soil Resource. Shiraz University Press, pp. 203 -211 (In Persian). [18] Raisain, R. (2005). Investigation of erosion and sediment rates in Gargak catchment by using rain simulator, Soil Conservation and Watershed Management Research Institute, Project Research Plan Report, 156 P (In Persian). [19] Rajurkar, M.P., Kothyarib, U.C. and  Chaube, U.C. (2004). Modeling of the daily rainfall-runoff relationship with artificial neural network. Journal of Hydrology, 285, 96-113. [20] Ramani, A. and Sedhi, M. (2004). Forecasting of water level changes of Bahar-Hamedan plain using times series. Water and Wastwater Journal, 15, 2-49. (In Persian). [21] Reddy, S.B. (2003). Estimation of watershed runoff using artificial neural networks. Ph.D Thesis in Agriculture (unpubl.). Post Graduate School, IARI, New Dehli. [22] Sarangi, A. and Bhattacharya, A.K. (2005). Comparison of artificial neural network and regression models for sediment loss prediction from Banha watershed in India. Agricultural Water Management, 78(3), 195-208. [23] Sudheer, K.P., Gosain, A.K. and Ramasatri, K.S. (2002). A data-driven algorithm for constructing artificial neural network rainfall-runoff models. Hydrological Processes, 16, 1325-1330. [24] Tamari, S., Wösten, J. H.M. and Ruiz-Suarez, J.C. (1996). Testing an artificial neural network for predicting soil hydraulic conductivity. Soil Science Society of America Journal, 60(6), 1732-1741. [25]  Vaezi, A.R., Sadeghi, S.H.R., Bahrami, H.A. and Mahdian, M.H. (2008). Modeling the USLE K-factor for calcareous soils in northwestern Iran. Geomorphology, 97(3), 414-423. [26]  Zarinkafsh, M. (1994). Application Pedology. University of Tehran Press, 236 P (In Persian). [27] Zehtabian, Gh. (1999). Comparison of runoff and sediment rate in Lehbari marl formation using rain simulator in Gelalmoort subwatershes. University of Tehran Research Plan Report, 107P (In Persian). [28] Zhang, B. and Govindaraju, R. (2003). Geomorphology-based artificial neural networks for estimation of direct runoff over watershed. Journal of Hydrology, 273, 18-34. [29] Zhu, X.X. and Zhou, L.Y. (2007). Suspended sediment flux modeling with artificial neural network: Anexample of the Longchuanjiang River in the Upper Yangtze Catchment, China. Geomorphology, 84, 111-125.
دانشکده منابع طبیعی دانشگاه تهران مرتع و آبخیزداری 5044-2008 دانشکده منابع طبیعی دانشگاه تهران 109 10.22059/jrwm.2014.52841 unavailable چکیده انگلیسی 23 10 2014 67 3 1 12 17 02 2015 17 02 2015 Copyright © 2014, دانشکده منابع طبیعی دانشگاه تهران. 2014 https://jrwm.ut.ac.ir/article_52841.html

unavailable