1استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه محقق اردبیلی؛
2دانشجوی سابق کارشناسی ارشد رشته علوم خاک، دانشکده کشاورزی، دانشگاه محقق اردبیلی؛
3استاد گروه علوم خاک دانشکده کشاورزی دانشگاه تبریز
چکیده
هدایت هیدرولیکی اشباع یکی از خصوصیات مهم فیزیکی خاک در مدل کردن انتقال آب و املاح، مدیریت آبیاری و مسائل زهکشی میباشد. روشهای آزمایشگاهی و صحرایی برای اندازهگیری مستقیم این ویژگی زمان بر و پرهزینه میباشد. به همین منظور، روشهای غیرمستقیم استفاده از توابع انتقالی برای برآورد این ویژگی توسعه یافته است. هدف از این تحقیق، ارزیابی مدلهای توابع انتقالی رگرسیونی مختلف، مدل تابع انتقالی رزتا (Rosetta) با ماهیت شبکه عصبی مصنوعی و مدل فرکتال برای برآورد هدایت هیدرولیکی اشباع است. همچنین، به علت اهمیت و نقش جریانهای ترجیحی در انتقال ترکیبات شیمیایی در خاک، هدایت هیدرولیکی منافذ درشت خاک با استفاده از مدل فرکتال بدست آمد. این هدف با انتخاب 31 نمونه خاک با بافتهای مختلف و اندازهگیری هدایت هیدرولیکی اشباع با روش بار افتان، مورد آزمون قرار گرفت. خصوصیات فیزیکی زود یافت خاک شامل توزیع اندازه ذرات، جرم مخصوص ظاهری، جرم مخصوص حقیقی، محتوای مواد آلی در آزمایشگاه اندازهگیری شد. هدایت هیدرولیکی اشباع با استفاده از خصوصیات زود یافت خاک به وسیله مدلهای ذکر شده، برآورد شد. به منظور مقایسه و ارزیابی مدلهای مختلف محکهای آماری درجه انحراف (DT)، نسبت خطای متوسط هندسی (GMER) و نسبت خطای انحراف معیار هندسی (GSDER) برای تمام مدلها محاسبه شد. نتایج نشان داد مدل وستن و همکاران بالاترین دقت را باDT و GMER به ترتیب 117/23 و 055/0 و با GSDER برابر با 372/3 نسبت به سایر مدلها برای مناطق مورد مطالعه دارد. مدل کمپل و شوزاوا با DT برابر854/4931 ضعیفترین برآورد را برای هدایت هیدرولیکی اشباع ماتریس خاک ارائه داد. محکهای آماری حاکی از آن است که مدل فرکتال تعدیل شده در این تحقیق، با DT برابر 91/4 بهترین برآورد را برای هدایت هیدرولیکی اشباع منافذ درشت خاک ارائه می کند.
Evaluating the Accuracy of Methods of Estimating Saturated Hydraulic Conductivity in Different Soils
نویسندگان [English]
A RASOULZADEH1؛ S RAZAVI2؛ M.R NEYSHABOORI3
چکیده [English]
Saturated hydraulic conductivity is one of the main soil physical properties used in the modeling of water and solute transport and management of irrigation and drainage problems. Laboratory and field methods for direct measurement of this property are time consuming and costly. Thus, indirect methods, such as pedotransfer functions, have been developed to estimate this property. The objective of this study was evaluation of regression-based pedotransfer functions, Rosetta pedotransfer function with artificial neural network approach, and fractal models to estimate saturated hydraulic conductivity. In addition, due to the importance and role of preferential flow of water and chemicals in the soil medium, hydraulic conductivity of large pores was estimated using fractal model. To do so, 31 soil samples with different soil textures and measured saturated hydraulic conductivity by falling head method were selected. Easily measured soil physical properties, such as particle size distribution, bulk density, particle density, and organic matter content were determined in laboratory. Saturated hydraulic conductivity was estimated using the aforementioned models and the measured soil physical properties. For the purpose of comparison and evaluation of pedotransfer functions, fractal model, statistical criteria e.g., deviation time (DT), geometric mean error ratio (GMER) and geometric standard deviation error ratio (GSDER) were calculated for all the models. Results showed that the Wosten et al. and Campbell-Shiozawa models were, respectively, the best and worst estimator of matrix saturated hydraulic conductivity. The statistical criteria indicated that the adjusted fractal model in this study showed the best estimation of macropores saturated hydraulic conductivity.