بررسي تغييرات زماني رطوبت خاك در نهشته‌هاي لسي منطقه هزارپيچ گرگان با استفاده از مدل‌ ARIMA

Time Series Analysis of Soil Moisture Content in Loess Deposits of Hezarpich using ARIMA model

رطوبت خاك بخش مهمي از بيلان آبي را تشكيل داده و تقريباً در همه فرآيندهاي هيدرولوژيكي و تبادلات انرژي بين طهوا و خاك موثر است. بنابراين پيش‌بيني آن نقش اساسي در برنامه‌ريزي‌ها، طراحي‌ها و تصميم‌گيري‌ها دارد. در اين تحقيق، اندازه‌گيري رطوبت خاك (هفتگي) در نهشته‌هاي لسي هزارپيچ گرگان در محدوده‌اي به وسعت تقريبي 27 هكتار در سه محل (دو محل در گندم‌زار و يك محل در مرتع) در40 هفته متوالي در اعماق 20، 40، 60 و 80 سانتيمتر با استفاده از دستگاه TDR انجام شد. مقادير رطوبت در تمامي اعماق و مكان‌هاي مورد بررسي داراي روند بوده و بهترين مدل به تمامي آنها با توجه به معيار آكائيك برازش داده شد. نتايج نشان داد مدل (1، 1)IMA در كاربري مرتع در عمق 60 سانتيمتري با ضريب همبستگي 94/0 و ميانگين خطاي مطلق 0/82، در محل شماره يك گندم‌زار در عمق 20 سانتيمتري با ضريب همبستگي 0/78 و ميانگين خطاي 0/37 و در محل شماره دو گندم‌زار در عمق 20 سانتيمتري با ضريب همبستگي 0/86 و ميانگين خطاي 0/54 به عنوان بهترين مدل پيش‌بيني انتخاب شد. مدل (1، 1)IMA در تمامي موقعيت‌ها بيشترين فراواني را در اعماق مختلف به خود اختصاص داده است همچنين نتايج نشان داد با توجه به عمليات خاك‌ورزي در كاربري گندم و به تبع آن ايجاد سله در عمق 40 سانتي‌متر، مدل (1، 1) ARIMA به عنوان بهترين مدل پيش‌بيني رطوبت خاك انتخاب شد.

Soil moisture content (SMC) as a small part of water balance, nearly considered in all hydrological process and soil and atmosphere tradeoff. Therefor its prediction is useful in planning, designing and decision making. For this, purposeweekly SMC in 40 weeks was measured by Time Domain Reflectometry in 3 different location of wheat and rangeland in Loess deposits (West of Gorgan with 27 ha area) at 20cm intervals down to the 80cm depth. SMC in all considered depths and locations had trend for study period and the best model was selected regards to Akaike information criterion (AIC). The best prediction model in rangeland belongs to 60cm depth (R= 0.96). For all considered depths except 40cm in one location in wheat, Integrated Moving Averages (1,1) was selected as the best model. For the other location in the same land cover, the best prediction model devoted to 20cm depth (R= 0.86). Integrated Moving Averages (1,1) for all study locations had the highest priority. Considering tillage practices in crop land and following plough pan in 40cm depth, Autoregressive Integrated moving Average (1,1) selected as the best model for prediction.