مدلسازی و تحلیل درصد رطوبت تعادل چوب با استفاده از متغیرهای مکانی در گستره ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری هواشناسی کشاورزی، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران،کرج، ایران

2 عضو هیئت علمی گروه تکنولوژی و مهندسی چوب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

3 عضو هیئت علمی گروه تکنولوژی و مهندسی چوب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

چکیده

چکیده
درصد رطوبت تعادل (EMC) یکی از شاخص‌های مهم در صنایع چوب می‌باشد که بررسی و تعیین آن در مکان‌های مختلف منجر به جلوگیری از تلفات ناشی از عوامل هواشناسی می گردد. به منظور ارائه مدلی ریاضی از رابطه درصد رطوبت تعادل با متغیرهای زمین آماری (طول و عرض جغرافیایی و ارتفاع از سطح دریا) این مطالعه صورت گرفت. نتایج نشان داد که اقلیم و مناطق ساحلی و سرد، درصد رطوبت تعادل بیشتری نسبت به مناطق و اقلیم های خشک و مرکزی ایران دارند. ماههای زمستان، ماههای اولیه بهار و ماههای پاییز منتهی به زمستان دارای رطوبت تعادل چوب بیشتری بودند. تحلیل با متغیرهای مکانی نشان داد استفاده از دو متغیر عرض جغرافیایی- ارتفاع نتایج بهتری نسبت به روش تک متغیره ارائه می‌دهد. تحلیل سه متغیره نیز نتایج دقیق‌تری نسبت به روش های تک متغیره و دو متغیره ارائه نمود. در ماههای گرم سال تنها در تحلیل سه متغیره نتایج خوبی بدست آمد. به نظر می رسد راه حل مناسب جهت بررسی درصد رطوبت تعادل با متغیرهای مکانی، مطالعه در مقیاس منطقه ای، در نظر گرفتن شرایط اقلیمی، دوری و نزدیکی به منابع رطوبتی و در نهایت ارائه مدل برای اقلیم مختص آن منطقه می باشد.
چکیده
درصد رطوبت تعادل (EMC) یکی از شاخص‌های مهم در صنایع چوب می‌باشد که بررسی و تعیین آن در مکان‌های مختلف منجر به جلوگیری از تلفات ناشی از عوامل هواشناسی می گردد. به منظور ارائه مدلی ریاضی از رابطه درصد رطوبت تعادل با متغیرهای زمین آماری (طول و عرض جغرافیایی و ارتفاع از سطح دریا) این مطالعه صورت گرفت. نتایج نشان داد که اقلیم و مناطق ساحلی و سرد، درصد رطوبت تعادل بیشتری نسبت به مناطق و اقلیم های خشک و مرکزی ایران دارند. ماههای زمستان، ماههای اولیه بهار و ماههای پاییز منتهی به زمستان دارای رطوبت تعادل چوب بیشتری بودند. تحلیل با متغیرهای مکانی نشان داد استفاده از دو متغیر عرض جغرافیایی- ارتفاع نتایج بهتری نسبت به روش تک متغیره ارائه می‌دهد. تحلیل سه متغیره نیز نتایج دقیق‌تری نسبت به روش های تک متغیره و دو متغیره ارائه نمود. در ماههای گرم سال تنها در تحلیل سه متغیره نتایج خوبی بدست آمد. به نظر می رسد راه حل مناسب جهت بررسی درصد رطوبت تعادل با متغیرهای مکانی، مطالعه در مقیاس منطقه ای، در نظر گرفتن شرایط اقلیمی، دوری و نزدیکی به منابع رطوبتی و در نهایت ارائه مدل برای اقلیم مختص آن منطقه می باشد.
به نظر می رسد راه حل مناسب جهت بررسی درصد رطوبت تعادل با متغیرهای مکانی، مطالعه در مقیاس منطقه ای، در نظر گرفتن شرایط اقلیمی، دوری و نزدیکی به منابع رطوبتی و در نهایت ارائه مدل برای اقلیم مختص آن منطقه می باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling and Estimation of Wood Equilibrium Moisture Content (EMC) with spatial variables in Iran

نویسندگان [English]

  • Jalil Helali 1
  • Hamidreza Edalat 2
  • Davoud Rasouli 3
1 1PhD student of Agrometeorology, Department of Irrigation and Reclamation, Faculty of Agricultural Engineering and Technology, College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
2 Faculty Member of Wood Technology and Engineering Department, Gorgan Agricultural and Natural Resources University, Gorgan, Iran.
3 Faculty Member of Wood Technology and Engineering Department, Gorgan Agricultural and Natural Resources University, Gorgan, Iran
چکیده [English]

Abstract
Equilibrium moisture content (EMC) of wood is one of the major indicators in wood industries. Determine of EMC in different locations of services, can prevent from wood waste due to meteorological parameters. This study was performed to estimate the relationship between EMC and the geo-statistical parameters (latitude, longitude and altitude). The results showed that the coastal and cool climate and locations have EMC higher than dry and central locations of Iran. The winter months, the early months of spring and fall months leading up to winter season have more EMC. The analysis showed that the spatial variations of the two variables latitude - height equation provide better results than the uni-variable equations. So, multivariable equations showed better results in compare with uni and two variable equations. The good results obtained in the multivariable equations in the warmer months. The best way to assess the EMC by spatial variables is regional scale study of EMC, inclusion of climatic conditions, remoteness and proximity to water sources and finally specific climate modeling for any region.
Abstract
Equilibrium moisture content (EMC) of wood is one of the major indicators in wood industries. Determine of EMC in different locations of services, can prevent from wood waste due to meteorological parameters. This study was performed to estimate the relationship between EMC and the geo-statistical parameters (latitude, longitude and altitude). The results showed that the coastal and cool climate and locations have EMC higher than dry and central locations of Iran. The winter months, the early months of spring and fall months leading up to winter season have more EMC. The analysis showed that the spatial variations of the two variables latitude - height equation provide better results than the uni-variable equations. So, multivariable equations showed better results in compare with uni and two variable equations. The good results obtained in the multivariable equations in the warmer months. The best way to assess the EMC by spatial variables is regional scale study of EMC, inclusion of climatic conditions, remoteness and proximity to water sources and finally specific climate modeling for any region.
The analysis showed that the spatial variations of the two variables latitude - height equation provide better results than the uni-variable equations. So, multivariable equations showed better results in compare with uni and two variable equations. The good results obtained in the multivariable equations in the warmer months. The best way to assess the EMC by spatial variables is regional scale study of EMC, inclusion of climatic conditions, remoteness and proximity to water sources and finally specific climate modeling for any region.

کلیدواژه‌ها [English]

  • Wood
  • EMC
  • Spatial variables
  • Modeling
  • Iran