كاربرد روش GLUE در برآورد عدم قطعيت پارامترهاي آلفا و n در منحني رطوبتي خاك

Application of GLUE method to estimate uncertainty of alpha and n parameters in soil moisture characteristic curve

سابقه و هدف: منحني رطوبتي خاك يك مفهوم كليدي در فرآيند مدل‌سازي مطالعات فيزيكي و هيدرولوژي خاك است كه نقش تعيين كننده‌اي در مديريت آب و خاك دارد. از طرفي، دقت مدل‌هاي مورد استفاده در توصيف منحني رطوبتي خاك متاثر از روند تغييرات پارامترهاي آن است. تجزيه و تحليل ميزان عدم‌قطعيت پارامترهاي هيدروليكي منحني رطوبتي خاك در فرآيند مدل‌سازي، تعيين پارامترهاي ورودي مدل‌ها و ارزيابي ميزان عملكرد مدل‌ها نقش بسزائي دارد. از اين‌رو هدف از اين مطالعه ارزيابي كاربرد روش شبيه‌سازي GLUE كه يك روش شبيه‌سازي مبتني بر روش مونت‌كارلو است، در برآورد ميزان عدم قطعيت متغيرهاي آلفا و n در سه مدل ون‌گنوختن، ون‌گنوختن- معلم و ون‌گنوختن- ‌بوردين با ثابت فرض نمودن ساير پارامترهاي منحني رطوبتي خاك، مي‌باشد. مواد و روش‌ها: ابتدا از دو نمونه خاك غالب مزرعه دانشگاه شهيد باهنر كرمان نمونه‌برداري صورت گرفت و سپس با استفاده از داده‌هاي حاصل از دستگاه صفحه فشاري و نرم‌افزار RETC، منحني رطوبتي خاك براي هر دو نمونه خاك (كلاس بافتي شن لومي و لوم رس سيلتي) بر پايه هر سه مدل مذكور، رسم و پارامترهاي منحني رطوبتي آنها استخراج شد، سپس با استفاده از روش GLUE، ميزان عدم قطعيت پارامترهاي آلفا و n در هر سه مدل بررسي شد. همچنين در ادامه براساس عملكرد GLUE ميزان عدم‌قطعيت ذاتي هر يك از سه مدل براي هر كدام از كلاس‌هاي بافتي مورد مطالعه، تحت بررسي قرار گرفت. يافته‌ها: نمودار پسين براي هريك از پارامترهاي هيدروليكي مورد مطالعه براي هر سه مدل مذكور در هر كلاس بافتي بدست آمد، محدوده اطمينان 95 درصد از شبيه‌سازي نقاط منحني رطوبتي خاك نيز براي هر سه مدل در هر دو كلاس بافتي به عنوان خروجي اصلي اين تحقيق حاصل شد. براي كمّي‌سازي ميزان عدم‌قطعيت مدل‌ها 4 شاخص ارزيابي عدم‌قطعيت محاسبه و بررسي گرديد. برپايه شاخص‌هاي ارزيابي بهترين مدل براي بافت لوم رس سيلتي و شن لومي به ترتيب مدل ون‌گنوختن-معلم (PCI = 85.71, d-factor 0.2013, S = 0.079, T = 0.4642) و مدل ون‌گنوختن (PCI = 28.75, d-factor = 0.0766, S = 0.6453, T = 1.1034) مي‌باشد. نتيجه‌گيري: نتايج حاصل از نمودارهاي توزيع پسين نشان داد كه متغيرهاي هيدروليكي آلفا و n در روند واسنجي از قابليت شناسايي كمتري برخوردار بوده و نمي‌توان دامنه بهينه براي آن‌ها تعيين نمود، از اين‌رو اين دو متغير نقش عمده‌اي در عدم‌قطعيت منحني رطوبتي خاك دارند. همچنين بررسي عدم‌قطعيت هر سه مدل نشان داد كه روش GLUE به‌خوبي توانسته است نقاط منحني رطوبتي خاك را برآورد نمايد به‌طوري كه منحني رطوبتي حاصل از نرم‌افزار RETC براي هر سه مدل در هر دو كلاس بافتي در محدوده اطمينان 95 درصد قرار گرفت. قرار گرفتن حدود 85 درصد از نقاط منحني رطوبتي خاك براي بافت لوم رسي سيلتي در محدوده اطمينان 95 درصد، بيانگر توانايي بالاي روش GLUE است.

Background and Objectives: The soil moisture characteristic curve (SMCC) is a key concept in the modeling process of physical and hydrological studies of soil that plays a critical role in soil and water management. At the same time, the accuracy of the models used to describe the SMCC is affected by the trend of its parameters changes. The uncertainty analysis of hydraulic parameters of SMCC plays an important role in the modeling process, determining the model input parameters and evaluating the performance of the models. Therefore, the objective of this study was to evaluate the application of the GLUE simulation method, which is based on Monte Carlo simulation method, to estimate the uncertainty of alpha and n variables with constant assumption of other SMCC parameters, in three models of vanGenuchten, vanGenuchten-Mualem and vanGenuchten-Burden. Materials and Methods: Initially, two soil samples were taken from Shahid Bahonar University of Kerman field and the SMCC for both soil samples (sandy loam and silty clay loam textures) was plotted on the basis of all three models using the Pressure Plate data and RETC Software and their moisture curve parameters were derived. Then, using the GLUE method, the uncertainty of alpha and n parameters in all three models were investigated. In addition, based on GLUE performance, the intrinsic uncertainty of each of the three models was evaluated for each of soil textures. Results: The posterior distribution for each of the studied hydraulic parameters were obtained for three models in each textural class. The 95% confidence interval of SMCC simulations was obtained for all three models in two texture classes as the main output of this study. To quantify the uncertainty of the models, four uncertainty assessment indices were calculated and evaluated. Based on the evaluation indices, the best models for silty clay loam and loamy sand were the vanGenuchten-Mualem model (PCI = 85.71, d-factor 0.2013, S = 0.079, T = 0.4642) and the vanGenuchten model, (PCI = 28.75, d-factor = 0.0766, S = 0.6453, T = 1.1034) respectively. Conclusion: The results of the posterior distributions diagrams showed that the alpha and n hydraulic variables were less identifiable in the calibration process and could not determine the optimal range for them, therefore, these two variables play a major role in the uncertainty of soil moisture curve. Also the uncertainty analysis of all three models showed that GLUE method was able to estimate soil moisture curve points so that the moisture curve obtained by RETC software for all three models was within 95% confidence level. The presence of about 85% of the soil moisture curve points for silty clay loam texture within the 95% confidence interval indicates the high capability of the GLUE method.