اخبار و اعلانات

 آمار

تعداد نشریات282
تعداد نشریات سازمان80
تعداد شماره‌ها3,196
تعداد مقالات35,423
تعداد مشاهده مقاله52,238,223
تعداد دریافت فایل اصل مقاله91,772,498
ویسی, فرهاد, اخضری, داود. (1400). بررسی اثرات معدن منگنز صوفیوند شهرستان هرسین بر خاک و خصوصیات فیزیولوژیک گونه Astragalus parrowianus. سامانه مدیریت نشریات علمی, 28(3), 424-434. doi: 10.22092/ijrdr.2021.125051
فرهاد ویسی; داود اخضری. "بررسی اثرات معدن منگنز صوفیوند شهرستان هرسین بر خاک و خصوصیات فیزیولوژیک گونه Astragalus parrowianus". سامانه مدیریت نشریات علمی, 28, 3, 1400, 424-434. doi: 10.22092/ijrdr.2021.125051
ویسی, فرهاد, اخضری, داود. (1400). 'بررسی اثرات معدن منگنز صوفیوند شهرستان هرسین بر خاک و خصوصیات فیزیولوژیک گونه Astragalus parrowianus', سامانه مدیریت نشریات علمی, 28(3), pp. 424-434. doi: 10.22092/ijrdr.2021.125051
ویسی, فرهاد, اخضری, داود. بررسی اثرات معدن منگنز صوفیوند شهرستان هرسین بر خاک و خصوصیات فیزیولوژیک گونه Astragalus parrowianus. سامانه مدیریت نشریات علمی, 1400; 28(3): 424-434. doi: 10.22092/ijrdr.2021.125051

بررسی اثرات معدن منگنز صوفیوند شهرستان هرسین بر خاک و خصوصیات فیزیولوژیک گونه Astragalus parrowianus

تحقیقات مرتع و بیابان ایران
مقاله 4، دوره 28، شماره 3، مهر 1400، صفحه 424-434    اصل مقاله (1.09 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijrdr.2021.125051
نویسندگان
فرهاد ویسی1؛ داود اخضری* 2
1دانشجوی کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی و محیط زیست، گروه مهندسی طبیعت، دانشگاه ملایر، ملایر، ایران
2دانشیار دانشکده منابع طبیعی و محیط زیست، گروه مهندسی طبیعت دانشگاه ملایر، ملایر، ایران
چکیده
این تحقیق با هدف بررسی تاثیر معدن منگنز صوفیوند شهرستان هرسین استان کرمانشاه بر خصوصیات خاک، رشد و ویژگی‌های فیزیولوژیک گیاه گون زرد (Astragalus parrowianus) در سال 1398 انجام شد. نمونه برداری‌ها در اردیبهشت‌ماه از خاک و گیاه بر اساس طرح سیستماتیک تصادفی در پنج دایره هم مرکز در فواصل مختلف 100، 500، 1000، 1500و 2000 متری در اطراف معدن منگنز صوفیوند انجام شد. همچنین 6 نمونه از گیاه گون و خاک منطقه شاهد (خارج از مراتع اطراف معدن و در شرایط مشابه ادافیکی و توپوگرافی) نیز تهیه شد. نتایج نشان داد که رشد و خصوصیات فیزیولوژیک گون به طور معنی‌داری تحت تاثیر فاصله از معدن منگنز قرار گرفته ‌است. به طوری‌که بیشترین نسبت وزن ریشه به اندام هوایی (85/0)، فاکتور انتقال (9/1)، فاکتور غلظت ریشه (4) و نسبت پرولین (μmol/g 8/0) در گون در فاصله 100 متری از معدن مشاهده شد که در سطح احتمال 05/0 با شاهد اختلاف معنی داری داشت. همچنین کمترین طول ساقه ( cm12) ، کل محتوای نیتروژن (% 3)، اسانس (% 2/0)، فعالیت آنزیم کاتالاز (Units/mg 45/0) و آنزیم پراکسیداز (Units/mg 2/0) در فاصله 100 متری از معدن منگنز مشاهده شد که همگی با شاهد تفاوت معنی داری در سطح احتمال 05/0 داشتند. مقایسه میانگین مقدار کمی پارامترهای مذکور در فواصل 100، 500، 1000، 1500و 2000 متری با تیمار شاهد نیز اختلاف معنی داری را در سطح احتمال 05/0 نشان داد. به طور کلی می‌توان نتیجه گرفت که هر چه به معدن نزدیک شویم اثرات منگنز بر گیاه گون بیشتر و مخرب‌تر شده است.
کلیدواژه‌ها
کاتالاز؛ پراکسیداز؛ پرولین؛ مواد آلی؛ کرمانشاه؛ Astragalus
عنوان مقاله [English]
Investigation of the effects of Sufivand- manganese mine in Hersin County on soil and physiological characteristics of Astragalus parrowianus
نویسندگان [English]
Farhad Veysei1؛ Davod Akhzari2
1MSc. Student of Rangeland Sciences, College of Natural Resources and Environment, Department of Nature Engineering, Malayer University, Malayer, Iran
2Associate Professor, Department of Nature Engineering, Malayer University, Iran
چکیده [English]
The aim of this study was to investigate the effect of Sufivand-manganese mine (located in Harsin city of Kermanshah province), on some soil characteristics, plant growth and some physiological traits of yellow milk-vetch (Astragalus parrowianus). Soil and plant samples of natural rangeland were taken in May around Sufivand mine at different distances namely in  the 100,500.1000,1500 and 2000 meters far from the mine respectively The statistical design of this project was performed based on a systematic random methodology in the five concentric circles around the Manganese mine. Six samples of soil and Astaragalus plant outside of manganese mine boundary (was not affected by mine) with the same edaphic and topographic conditions were sampled as a control treatment. The results of this project indicated that measured some physiological properties and plant growth were significantly affected by the distance from the Manganese mine. Hence, the maximum rate of root weight to canopy weight (0.85), transfer factor (1.9),    root density factor (4) and proline content (0.8 μmol / g) were significantly observed at (p 0.05) compared to the control treatment at a distance of 100 meters from the mine. The minimum stem length (12 cm), total nitrogen content (3%), essential oil content (0.2%), catalase activity (0.45 Units/mg) and peroxidase activity (0.2 Units/mg) at 100 meters distance from the mine were significantly different from the control at (p 0.05). It is concluded that the closer distance to the mine the more hazard of manganese to the Rangeland plants.
کلیدواژه‌ها [English]
catalase, peroxidase, proline, organic matter, Kermanshah, Astragalus
مراجع
  • Aghajanlou, F. and Mousavi, A., 2007. Investigating the effects of conservation area on the quantity and quality changes of rangeland plant cover. Journal of Iran Natural Resources, 4 (59): 981-986.
  • Ahmadali, V., Ghorbani, A., Azimi, M., Asghari, A., Teimorzade, A. and Badrzade, M., 2015. Investigating the flour, Chrotip and change of diversity and uniformity of species under the effect of different grazing distances from the villages in Sabalan Mountain. Journal of Taxonomy and Biosystematics, 7 (2): 69-84.
  • Akbarlou, M., Sheidai Karkaj, E. and Ehsani, M., 2012. The effect of grazing intensities on aerial biomass, underground biomass and specifications of 3 main species of gramine in mountain ranges. Journal of Rangeland, 6 (3): 186-197.
  • Badripour, H., 1996. The effect of distance from water point on condition and properties of vegetation cover, M.Sc. thesis on the field of rangeland management, Faculty of Natural Resources, Tehran University, 150p.
  • Bahrami, B., Dianati Tilaki, G. A., Beigi, S. K., Janizadeh, S. and Moetamedi, J., 2013. Evaluation of artificial neural network (ANN), adative neuro-fuzzy inference system (ANFIS) and regression models in prediction of particulate organic matter-carbon (POM-C) in the rangelands Kharabe Sanji of Urmia. Journal of Operational Researches about Soil, 1 (1): 94-106.
  • Blüthgen, N., Dormann, C. F., Prati, D., Klaus, V. H., 2012. A quantitative index of land-use intensity in grasslands: Integrating mowing, grazing and fertilization. Journal of Basic and Applied Ecology, 13 (2): 207-220.
  • Ghorbani, A., Sharifi, J., Kavianpour, H., Malekpour, B. and Mirzaei, F., 2008. Investigating the ecological specifications of Festuca ovina in southeast of Sabalan mountain. Journal of Forest and Desert, 20 (2): 379-396.
  • Ghorbani, A., Sharifi, J., Kavianpoor, H., Malekpoor, B. and Mirzaei Aghche Gheshlagh, F., 2013. Investigation on ecological characteristics of Festuca ovina in south-eastern rangelands of Sabalan. Iranian Journal of Range and Desert Research, 20 (2): 379-396.
  • Ghorbani, Z., Sefidi, K., Keivan Behjou, F. and Moammeri M., 2018. The effect of different grazing intensities on the above and underground biomass of Festuca ovina and Agropyron libanticum at southeast ranges of Sabalan Mountain. Journal of rangelands, 3 (2): 496-505.
  • Hoseini, S. , Mosaedi, A. and Naseri, K., 2012. Features of Fuzzy logic and its application in water and soil resources managements. Abstracts of the 3th national Symposium of water resources management. Iran, 8-9 September: 1-12.
  • Hutchings, M. J., and John, E. A., 2003. Distribution of roots in soil, and root foraging activity. In .de Kroon, H., Visser, E.J.W. (Ends), Ecological Studies, Berlin, 33- 60.
  • James, C. D., 2003. Response of vertebrates to fenceline contrasts in grazing intensity in semi-arid woodlands of eastern Australia. Journal of Austral Ecology, 28 (2):137-151.
  • Jnkanlvyy, M., Sepehri, A. and Hosseini, S.A., 2012 .The effect of grazing on underground organs of plants in arid and semi-arid rangelands (case study area Incheh Brown), Abstracts of the Fifth National Conference on pasture and rangeland in Iran, 379p.
  • Khoshnevisan, B., Rafiee, S.H., Omid, M. and Mousazadeh, H., 2014. Development of an intelligent system based on ANFIS for predicting wheat grain yield on the basis of energy inputs. Journal of Information Processing in Agriculture, 5 (1):14-22.
  • Krueger, E., Prior, S. A., Kurtener, D., Rogers, H. H. and Runion, G. B., 2011. Characterizing root distribution with adaptive neuro-fuzzy analysis. Journal of International Agrophysics, 25: 93-96.
  • Mesdaghi, M., 2010. Vegetation description and analysis. Mashhad University Jihad Publications, 228 p.
  • Millchunas, D. G. and Lauenroth, W. K., 1993. Quantitative effects of grazing and soils over a global range of environments. Journal of Ecology Monographs, 6 (3): 327- 366.
  • Moghimi, S., Parvizi, Y., Mahdian, M.H. and Masihabadi, M.H., 2015. Comparison of applying multi- linear regression analysis and artificial neural network methods for simulating topographic factors effect on soil organic carbon. Journal of Watershed Engineering and Management, 6 (4):312-322.
  • Naderlou, L., Alimardani, R., Omid, M., Sarmadian, F., Javadikia, P., Yaser Torabi, M. and Alimardani, F., 2012. Application of ANFIS to predict crop yield based on different energy inputs. Measurement, 45 (3):1406-1413.
  • Pentos, K. and Pieczarka, K., 2017. Applying an artificial neural network approach to the analysis of tractive properties in changing soil conditions. Journal of Soil and Tillage Research, 16 (5):113-120.
  • Qaddoum, K., Hines, E. and Illiescu, D., 2011. Adaptive neuro-fuzzy modeling for crop yield prediction. Recent Researches in Artificial Intelligence, Knowledge Engineering and Data Bases, 21 (2): 199-204.
  • Sajikumar, N. and Thandaveswara, B. S., 1999. A nonlinear rainfall–runoff model using artificial neural networks. Journal of Hydrology, 21 (6), 32-55.
  • Salar, M. R., Esehaghbeygi, A. and Hemmat, A., 2013. Soil loosening characteristics of a dual bent blade subsurface tillage implement. Journal of Soil and Tillage Research, 13 (4): 17-24.
  • Schlesinger, W. H., Reynolds, J. F., Cunningham, G. L., Huennke, L. F., Jarrel, W. M., Virginia, R. A. and Withford, W. G., 1990. Biological feedback in global desertification. Journal of Science, 24 (7):1043- 1048.
  • Sedghi, R. and Abbaspour-Gilandeh, Y., 2014. Prediction of soil fragmentation at tillage operation using ANFIS. Journal of agricultural machinery, 4 (2):387-398.
  • Tahmasebi, P., Ebrahimi, A. and Faal, M., 2011. Investigating the regression models in predicting the production of range plants. Journal of Rangeland, 5 (2):137-146.
  • Tamartash, R., 2012. Investigating the relation of plant specifications with topography parameter in yield units of mountain ranges of VAZ Mazandaran. Iranian Journal of Range and Desert Research, 19 (3): 469-481.
  • Wang, L., Good, S. P. and Caylor, K. K., 2014. Global synthesis of vegetation control on evapotranspiration partitioning. Geophysics Research Letter, 41. Doi: 10.1002/2014GL061439.
  • Xia, L., Jia, S., Huang, S., Wang, H., Zhu, Y., Mu, Y., Kan, L., Zheng, W., Wu, D., Li, X. et al., 2010. The fused/surf complex controls the fate of drosophila germ line stem cells by generating a gradient BMP response. Cell, 143, 9781-990. 10.1016/j.cell.2010.11.022.
  • Zare kia, S., Arzani, H., Jafari, M. and Zare, N., 2015. The effect of grazing yield on the plant cover specification and soil of stepped regions of Saveh ranges. Iranian Journal of Range and Desert Research, 22 (4):745-756.
آمار
تعداد مشاهده مقاله: 1,099
تعداد دریافت فایل اصل مقاله: 496


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب