مقایسه ای بین مدل های تجربی و فرکتالی در برازش به داده های اندازه گیری شده منحنی مشخصه رطوبتی خاک
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-50-4_007
تاریخ نمایه سازی: 6 خرداد 1402
Abstract:
منحنی مشخصه رطوبتی خاک (SMCC) یکی از مهم ترین ویژگیهای هیدرولیکی خاک در مدلسازی جریان آب و املاح در ناحیه غیراشباع بوده که اندازهگیری مستقیم آن دشوار، زمانبر و پرهزینه است. بنابراین هدف از این پژوهش، ارزیابی عملکرد برخی از مدلهای فرکتالی تخمین SMCC همچون Tyler and Wheatcraft (۱۹۹۰)، Rieu and Sposito (۱۹۹۱)، Perfect (۱۹۹۹) وBird et al. (۲۰۰۰) و مقایسه آن با برخی از مدلهای تجربی همچون Brooks and Corey (۱۹۶۴)، Campbell (۱۹۷۴) و van Genuchten (۱۹۸۰) میباشد. بدین منظور، ۵۴ نمونه خاک از اراضی زراعی واقع در دشت قروه-دهگلان بهصورت تصادفی جمع آوری شده و برخی از ویژگیهای فیزیکی و شیمیایی آنها در آزمایشگاه تعیین گردید. سپس این مدلهای فرکتالی و تجربی تخمین SMCC، به روش حداقل مربعات خطا و با استفاده از جعبه ابزار Solver در نرمافزار EXCEL، بر دادههای اندازهگیری شده پتانسیل ماتریک و رطوبت حجمی برازش داده شدند. برای ارزیابی کارایی این مدلها از آمارههای ضریب تبیین (R۲)، جذر میانگین مربعات خطا (RMSE) و معیار آکائیک (AIC) استفاده شد. نتایج نشان داد همهی مدلهای مورد مطالعه در تخمین SMCC دارای عملکردی مطلوب میباشند (دارای R۲ی بین ۷۵/۰ تا ۹۹/۰). با توجه به مقادیر R۲ بیشتر و RMSE و آماره AIC کمتر، به ترتیب مدلهای Bird et al. (۲۰۰۰) و van Genuchten (۱۹۸۰) بهعنوان مناسبترین مدلها در تخمین منحنی مشخصه رطوبتی خاکهای منطقه موردمطالعه پیشنهاد شدند. نتایج همچنین نشان داد مدل Rieu and Sposito (۱۹۹۱) در برآورد SMCC دارای ضعیفترین عملکرد میباشد. هر چند باید در نظر داشت که میانگین R۲ و RMSE آن نیز به ترتیب بیشتر از ۷۵/۰ و کمتر از cm۳/cm۳ ۰۷۱/۰ است.
Keywords:
Authors
مسعود داوری
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
زیبا ذالوایی
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
محمد علی محمودی
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :