تأثیر نوع و تعداد متغیرهای ورودی در برآورد منحنی نگهداشت رطوبتی و هدایت هیدرولیکی اشباع

نوع مقاله : مقالات پژوهشی

نویسندگان

1 دانشگاه فردوسی مشهد

2 دانشگاه شهرکرد

3 دانشکده کشاورزی شیروان

چکیده

چکیده
توابع انتقالی خاک را می‌توان ابزاری کارآمد و مفید در برآورد بسیاری از خصوصیات خاک، به ویژه خصوصیات هیدرولیکی این محیط متخلخل دانست. مهمترین ویژگی این توابع، پرهیز از صرف زمان و هزینه‌ایست که معمولا در روش‌های مستقیم برآورد خصوصیات هیدرولیکی خاک، غیر قابل اجتناب است. Rosetta بسته نرم افزاری است که از توابع انتقالی با ماهیت شبکه‌های عصبی مصنوعی در برآورد خصوصیات هیدرولیکی خاک، در قالب چهار مدل مختلف، سود می‌جوید. در این تحقیق تأثیر نوع و تعداد متغیرهای ورودی در این برنامه بر روی برآورد منحنی نگهداشت رطوبتی و هدایت هیدرولیکی اشباع تعدادی از خاک‌های مناطق شمالی کشور که در دو کلاس بافتی لوم و لوم رسی طبقه بندی شده بودند (USDA)، بررسی شد. از شاخص‌های آماری ریشه میانگین مربعات خطا (RMSE)، میانگین خطا (ME)، نسبت خطای متوسط هندسی (GMER) و نسبت خطای انحراف استاندارد هندسی (GSDER) به منظور ارزیابی مدل‌های برنامه Rosetta استفاده شد. نتایج نشان داد که افزوده شدن وزن مخصوص ظاهری به متغیرهای ورودی توابع انتقالی، در مورد منحنی نگهداشت رطوبتی در هر دو کلاس بافتی منجر به کاهش دقت مدل شده، هر چند این کاهش در هیچکدام از دو کلاس بافتی معنی‌دار نبود. در مورد هدایت هیدرولیکی اشباع نیز، افزوده شدن وزن مخصوص ظاهری، تأثیری مثبت و منفی بر روی مقادیر شاخص‌های آماری RMSE، ME، GMER و GSDER به ترتیب در کلاس بافتی لوم و لوم رسی داشت. همچنین افزوده شدن یک و دو نقطه نگهداشت رطوبتی (میزان رطوبت در پتانسیل‌های ماتریک 33- و 1500- کیلوپاسکال) هرکدام به میزان موثری مقدار ریشه میانگین مربعات در دامنه پتانسیل ماتریک متوسط، 33- تا 500- کیلوپاسکال، خصوصا در 33- کیلوپاسکال را کاهش داد. تمامی مدل‌های توابع انتقالی، چه در مورد هدایت هیدرولیکی اشباع و چه برآورد رطوبت در پتانسیل‌های ماتریک متفاوت، تمایل به کم برآورد این دو خصوصیت داشتند.

واژه‌های کلیدی: توابع انتقالی، خصوصیات هیدرولیکی، منحنی نگهداشت رطوبتی، هدایت هیدرولیکی اشباع، Rosetta، ایران

عنوان مقاله [English]

Effect of type and count of input variables on moisture retention curve and saturated hydraulic conductivity prediction

نویسندگان [English]

  • R. Moazenzadeh 1
  • B. Ghahraman 1
  • F. Fathalian 2
  • A.A. Khoshnood Yazdi 3
1 Water Engineering Department, Ferdowsi University of Mashhad
2 Water Engineering Department, Shahrekord University
3 Shirvan College of Agriculture, Ferdowsi University of Mashhad
چکیده [English]

Abstract
Pedotransfer functions (PTFS) are useful means of prediction many properties of the soil, and especially the hydraulic characteristics of this porous media. The main advantages of this functions, as compare to conventional methods used to directly estimate soil hydraulic properties, is that they are not time-cost consuming. Different approaches such as classic linear and non linear regressions, artificial neural networks and regressions tree are being employed to develop the PTFS. Rosetta is a software package to predict soil hydraulic properties making use of artificial neural networks- based PTFS. In the present study, the impacts of the type and count of input variables to this software, on the prediction of the moisture retention curve and saturated hydraulic conductivity were evaluated in some soils from northern region of Iran, classed as of Loam and Clay Loam textures (USDA). Our results indicated that addition of bulk density as input variable decreased the performance of moisture retention curve prediction in both textural classes. Addition of bulk density showed on RMSE, ME, GMER and GSDER a positive and negative effect in Loam and Clay Loam textures, respectively. Addition of one or two moisture retention point(s) (the moisture content at matric potential of -33 and -1500 kpa) significantly decreased the RMSE at the medium range of matric potential (i.e. -33 to -500 kpa) and especially at -33 kpa. All of the studied PTFS tended to underestimate both saturated hydraulic conductivity and moisture content at different matric potential.

Key words: Pedotransfer Functions, Hydraulic properties, Moisture retention curve, Saturated hydraulic conductivity, Rosetta, Iran

CAPTCHA Image