مدل‌سازی میزان انتشار گازهای گلخانه‍ای در باغات استان خوزستان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه حکیم سبزواری

2 گروه اقلیم شناسی، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران

3 گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

چکیده

یکی از عوامل اصلی عمـده تغییرات آب و هوای کره‌ی زمین و تنوع زیستی، انتشـار گازهـای گلخانه‌ای از منابع مختلف به ویژه از بخش کشاورزی است. استان خوزستان به عنوان یکی از قطب‍های کشاورزی با مصرف فراوان کودهای شیمیایی سهم عمده‍ای در تولید گازهای گلخانه‍ای دارد. لذا هدف از این پژوهش استفاده از مدل‌های دیسنت و دی‍ان‍دی‍سی در تعیین نرخ تصاعد گازهای متان، اکسیدنیتروس و اکسیدنیتریک در مرکبات و نخلستان‌های خوزستان است. برای این منظور منطقه موردنظر به سه بخش تقسیم و در هر بخش نمونه‍برداری به‍صورت تصادفی صورت گرفت.زمان نمونه‍برداری درمرحله گلدهی ودراردیبهشت1398 که اوج پوشش‍سبز برای هردرخت بود انجام و غلظت گاز خروجی با استفاده از روش اتاقک بسته وکروماتوگرافی گازی درمحل‍های نمونه‍برداری انجام شد.میزان پتانسیل گرمایش جهانی براساس داده‌های مشاهداتی و مدل‌های دیسنت و دی‍ان‍دی‍سی به‍دست آمد.کارایی مدل دیسنت و دی‍ان‍دی‍سی با استفاده از آماره‌های ضریب تعیین ،خطای حداکثر ،ریشه‌ی میانگین مربعات خطا ، کارایی مدل و ضریب جرم باقیمانده بررسی گردید. مطابق نتایج مدل دیسنت، بیش‌ترین میانگین شار متان مدل شده در ایستگاه دزفول ( تن در هکتار در سال 448/0) و شار اکسیدنیتروس مدل شده در ایستگاه آبادان (014/0 تن در هکتار در سال) و شار اکسیدنیتریک مدل شده در ایستگاه دزفول ( تن در هکتار در سال 152/0) تعیین شد. همچنین در مدل دی‍ان‍دی‍سی بیشترین میانگین شار متان مدل شده در ایستگاه دزفول ( تن در هکتار در سال 374/0)، شار اکسیدنیتروس مدل شده در ایستگاه آبادان (تن در هکتار در سال 258/0) و شار اکسیدنیتریک مدل شده در ایستگاه دزفول ( تن در هکتار در سال 118/0) به‍دست آمد. بیش‌ترین میزان پتانسیل گرمایش جهانی براساس داده‌های مشاهداتی در ایستگاه آبادان (935/139 تن معادل دی اکسید کربن) بوده و براساس داده‌های دیسنت در ایستگاه دزفول (114/58 تن معادل دی اکسید کربن) و براساس داده‌های دی‍ان‍دی‍سی در ایستگاه آبادان (669/111 تن معادل دی اکسید کربن) تعیین شد. با توجه به نتایج شاخص‌های آماری مدل دیسنت برای سه گاز اکسیدنیتروس، متان و اکسیدنیتریک به‍ترتیب، ضریب تعیین (98/0، 99/0و 77/0)، ریشه‌ی میانگین مربعات خطا (05/0، 31 /0و03/0) و کارایی مدل (61/0، 85/0و76/0) و در مدل دی‍ان‍دی‍سی نیز شاخص‌های ضریب تعیین (98/0، 98/0و 8/0) ریشه‌ی میانگین مربعات خطا (01/0، 45/0و04/0) و کارایی مدل (95/0، 68/0و63/0) و هر دو مدل دقت قابل قبولی را برآورد گازهای گلخانه‌ای مذکور نشان دادند. توصیه می‍شود که به جای مصرف بی‍رویه کودهای شیمیایی به‍عنوان یک منبع اصلی انتشار گازهای گلخانه‍ای، از نظرات کارشناسان و اصول مصرف بهینه کودی در مزرعه استفاده گردد

کلیدواژه‌ها

عنوان مقاله [English]

Modeling the amount of greenhouse gas emissions of gardens in Khuzestan province

نویسندگان [English]

  • nasrin moradimajd 1
  • Gholam Abbas Fallahghalhari 2
  • Mansour Chatrenour 3

1 department of hakim sabzevari university

2 Department of Climatology, Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran

3 Department of Soil Science and Engineering, Faculty of Agriculture, Shahid Chamran University of Ahvaz, Ahvaz, Iran

چکیده [English]

The main causes of global climate change and biodiversity is emission of greenhouse gases from various sources especially from agricultural sector. As one of agricultural hubs Khuzestan has major share in production greenhouse gases with high consumption of chemical fertilizers. Purpose of research present study is applied analytical study that used DAYCENT and DNDC models to determine growth rate of methane, oxidant nitrous and oxidantritic gases in citrus and palm groves of Khuzestan. For this purpose, area was divided into three sections and in each section sampling and determination gas concentration in gardens in each section was performed randomly. Sampling time was done in flowering stage in May 2020 which was peak of green cover for tree, concentration of exhaust gas was done using closed chamber method and gas chromatography in sampling sites. Global warming potential was also obtained based on observational data and DAYCENT and DNDC models. Then efficiency of DAYCENT and DNDC models was investigated using coefficients of determination coefficient, maximum error, root of mean error squares, model efficiency and residual mass coefficient. According to results of DAYCENT model was determined, highest average methane flux modeled in Dezful (ton/hectare in 0.448) and nitrous oxide flux modeled at Abadan (0.014 ton/ha per year) and oxidized nitric flux modeled at Dezful (ton/hectare in 0.152). Also, in DNDC model, highest average of methane flux modeled at Dezful (ton/hectare in 0.374) oxidized nitrous flux modeled at Abadan (ton/hectare at 0.258) and oxidative flux modeled at Dezful (A ton per hectare was obtained in 0.118. Highest global warming potential was determined based on observational data at Abadan (1339.95 tons equivalent to carbon dioxide) and based on DAYCENT data at Dezful (58.114 tons equivalent to carbon dioxide) and based on DNDC data at Abadan (111.669 tons equivalent to carbon dioxide). According to results statistical indicators of DAYCENT model for three gases of oxidenitros, methane and oxidantitric respectively, coefficient of determination (0.98,0.99 and 0.77) root of mean error squares (0.05,0.31 and 0.03) and efficiency of model (0.61,0.85 and 0.76) and in DNDC model coefficients of determination coefficient (0.98,0.98 and 0.8) root of mean error squares (0.01,0.45 and 0.04) and efficiency of model (0.95, 0.68 and 0.63) and both models showed acceptable accuracy in estimating said greenhouse gases.It is recommended that instead over-consumption of chemical fertilizers as a major source of greenhouse gas emissions, opinions experts and principles optimal use of fertilizers on farm be used

کلیدواژه‌ها [English]

  • Citrus orchards
  • Greenhouse Gas Expansion
  • Palm groves
  • DAYCENT Model
  • DNDC Model
Abdalla, M., Jones, M., Yeluripati, J., Smith, P., Burke, J., Williams, M., 2010. Testing DAYCENT and DNDC model simulations of N2O fluxes and assessing the impacts of climate change on the gas flux and biomass production from a humid pasture. Atmos. Environ. 44 (25), 2961–2970.
Bozorgomahri, K., Ismaili, S., Vesal, S., 2013. Investigating the Interactions of Climate (Greenhouse Gas and Methane) and Agriculture (Rice Product), the First National Conference on Climate Change and Food Security. )in Persian(
Dashtaki, S.G., Homaee, M., Khodaverdiloo, H., 2010. Derivation and validation of pedotransfer functions for estimating soil water retention curve using a variety of soil data, Soil Use and Management, 26(1): 68-74.
Ewert, F., Rounsevell, M.D.A., Reginster, I., Metzger, M.G., Leemans, R., 2005. Future scenarios of European agricultural land use. I. Estimating changes in crop productivity, Agricultura Ecosystem Environmental,107:101–116.
Fitton, N.,  Bindi, M., Brilli, L., Chicota, R., Dibari, C., Fuchs, K., Huguenin-Elie, O., Klumpp, K., Lieffering, M., Lüscher, A., Martin, R., McAuliffe, R., Merbold, L., Newton, P., Rees, R.M., Smith, P., Topp, C.F.E., Snow, V., 2019. Modelling biological N fixation and grass-legume dynamics with process-based biogeochemical models of varying complexity, European Journal of Agronomy,106:58-66.
Ghorbani, M., Motallebi, M., 2009. The Study on Shadow Price of Greenhouse Gases Emission in Iran: Case of Dairy Farms, Research Journal of Environmental Sciences, 3: 466-475. )in Persian(
Hartman, M., Merchant, E.R., Parton, W.J., Gutmann, M.P., Lutz, S., Williams, S.A., 2011. Impact of historical land-use changes on greenhouse gas exchange in the U.S. Great Plains, 1883–2003, Ecological applications, 21(4):1105–1119.
Homaee, M., Dirksen, C., Feddes, R., 2002. Simulation of root water uptake: I. Non-uniform transient salinity using different macroscopic reduction functions, Agricultural Water Management, 57(2): 89-109.
Intergovernmental Panel on Climate Change (IPCC), 2007. Summary for Policymakers, Emissions Scenarios: A Special Report of IPCC working Group3, ISBN: 92-9169-113-5.
Jabro, J.D., Sainju, U., Stevens, W.B., Evans, R.G., 2007. Carbon dioxide flux as affected by tillage and irrigation
in soil converted from perennial forages to annual crops, J. Environ. Manag. 88(4): 1478-1484.
Jamali Pour, M., Ghorbani, M., Kouchaki, A., Shahnoshi, N., 2016. Estimation of economic cost of greenhouse gas emissions of cereals in Iran, Iranian Beans Research Journal, 7 (2): 59-77. )in Persian(
Khodaverdiloo, H., Homaee, M., Van Genuchten, M.T., Dashtaki, S.G., 2011. Deriving and validating pedotransfer functions for some calcareous soils, Journal of Hydrology, 399(1): 93-99.
Kochaki, A.R., Kamali, A., 2010. Climate Change and Rainfed Wheat Production in Iran, Iranian Journal of Agricultural Research. )in Persian(
Kottegoda, N.T., Rosso, R., 2008. Applied statistics for civil and environmental engineers: Wiley-Blackwell.
Li, C., 2000. Modelling trace gas emissions from agricultural ecosystems. Nutr. Cycl. Agroecosyst. 58, 259–276.
Li, C., Frolking, S., Frolking, T.A., 1992. A model of nitrous oxide evolution from soil driven by rainfall events: 2. Applications. J. Geophys. Res.-Atmos. 97 (D9), 9777–9783.
Liu, X., Xu, W., Duan, L., Du, E., Pan, Y., Lu, X., 2017. Atmospheric nitrogen emission, deposition, and air quality impacts in China: an overview. Curr. Pollut. Rep. 3 (2), 65–77.
Lu, C., Tian, H., 2013. Net greenhouse gas balance in response to nitrogen enrichment: perspectives from a coupled biogeochemical model. Glob. Chang. Biol. 19, 571–588.
Moharri, A., 2003. The Role of Domestic Animals in the Production of N2O as a Greenhouse Gas, Third Regional Climate Change Conference, Isfahan, Iran Meteorological Organization, University of Isfahan. )in Persian(
Moradi, R., Kouchaki, A., Nasiri Mahallati, M., Mansouri, H., 2015. Effect of tillage, residue management and nitrogen fertilizer on carbon balance and global heating potential in corn cultivation, Journal of Agricultural Knowledge and Sustainable Production, 25 (1) : 29-44. (In persian)
Moradi, R., Pour Ghasemian, N., 2017. Investigation of greenhouse gas emissions and global warming potential due to consumption of chemical inputs in agriculture of important crops in Kerman province: - Jobs, Journal of Agricultural Ecology, 9 (2): 405-389. (In persian)
Motallebi, M., Ghorbani, M., Danesh, Sh., Darijani, A., Koocheki, A.R., Danesh Mesgaran, M., 2009. Estimation and Valuation of greenhouse gases in Khorasan Razavi Dairy farms and recognition of its influencing factors (Case Study Mashhad), MS Thesis, University of Mashhad.
Reay, D.S., Davidson, E.A., Smith, K.A., Smith, P., Melillo, J.M., Dentener, F., Crutzen, P.J., 2012. Global agriculture and nitrous oxide emissions. Nature climate change. 2, 410-416.
Robertson G.P., Paul E.A., Harwood R.R., 2000. Greenhouse gases in intensive agriculture: contributions of individual gases to the radiative forcing of the atmosphere. Science. 289: 1922-1935.
Tate, K.R., Ross, D.J., Saggar, S., Hedley, C.B., Dando, J., Singh, B.K., Lambie, S.M., 2007. Methane uptake in
soils from Pinus radiata plantations, a reverting shrubland and adjacent pastures: Effects of land-use change, and
soil texture, water and mineral nitrogen, Soil Biol. and Biochem. 39: 1437–1449.
The Balance Sheet of Energy, 2014. Department of Energy, Power and Energy Affairs.
Thelen K.D., Fronning B.E., Kravchenko A., Min D.H., Robertson G.P. (2010) Integrating livestockmanure with a corn–soybean bioenergy cropping system improves short-term carbon sequestration rates and net global warming potential. Biomass Bioenerg. 34: 960-966.
Tian, H., Lu, C., Melillo, J., Ren, W., Huang, Y., Xu, X., Liu, M., Zhang, C., Chen, G., Pan, S., Liu, J., Reilly, J., 2012. Food benefit and climate warming potential of nitrogen fertilizer use in China. Environ. Res. Lett. 7.
Tian, H., Xu, X., Lu, C., Liu, M., Ren, W., Chen, G., Melillo, J., Liu, J., 2011. Net exchanges of CO2, CH4, and N2O between China's terrestrial ecosystems and the atmosphere and their contributions to global climate warming. J. Geophys. Res.
Yue, Q., Cheng, K., Ogle, S., Hillier, J., Smith, P., Abdalla, M., Ledo, A., Sun, J., Pan, G., 2019. Evaluation of four modelling approaches to estimate nitrous oxide emissions in China's cropland, Sci Total Environ., 20(652):1279-1289.