پديد آورندگان :
مصري، سميرا دانشگاه شهركرد - گروه علوم خاك , قرباني دشتكي، شجاع دانشگاه شهركرد - دانشكده كشاورزي - گروه علوم خاك , شيراني، حسين دانشگاه ولي عصر رفسنجان - دانشكده كشاورزي - گروه علوم خاك , كامكار روحاني، ابوالقاسم دانشگاه صنعتي شاهرود - دانشكده مهندسي معدن نفت و ژئوفيزيك - گروه ژئوفيزيك , متقيان، حميدرضا دانشگاه شهركرد - دانشكده كشاورزي - گروه علوم و مهندسي خاك
كليدواژه :
ثابت دي الكتريك , مقاومت الكتريكي , مقاومت مكانيكي , هوش مصنوعي
چكيده فارسي :
امروزه استفاده از روشهاي نوين به منظور برآورد پارامترهاي هيدروليكي همانند منحني مشخصه رطوبتي مورد توجه قرار دارد. هدف از اين پژوهش برآورد عوامل اثرگذار در مدلسازي پارامترهاي منحني مشخصه رطوبتي، به وسيله خصوصيات زوديافت فيزيكي، ژئوفيزيكي و مكانيكي با استفاده از درخت تصميمگيري و تخمينگر خطا اعتبار-سنجي متقاطع و بازجايگزيني ميباشد. در اين پژوهش، 72 نمونه خاك از شش بافت مختلف از روستاي مرغملك و شهرستان شهركرد گردآوري شد. خصوصيات زوديافت خاك در دو سناريو (سناريو اول: كربنات كلسيم، ماده آلي، درصد شن و رس، چگالي ظاهري، pH، EC، ميانگين وزني قطر خاكدانه خشك و مرطوب و رطوبت اشباع، سناريو دوم: كربنات كلسيم، ماده آلي، درصد شن و رس، چگالي ظاهري، درصد سنگريزه، مقاومت الكتريكي، ثابت ديالكتريك، مقاومت فروروي) به نرمافزار معرفي شدند. نتايج حاصل از اين پژوهش نشان داد كه ضريب همبستگي براي متغيرهاي هدف PWP در سناريو اول 0/88 و در سناريو دوم براي متغير هدف FC 0/93 بيشترين مقدار است. با جايگزيني ويژگيهاي ژئوفيزيكي و مكانيكي در سناريو دوم ضريب همبستگي براي متغيرهاي FC و α كه متاثر از ساختمان و بافت خاك هستند افزايش و براي متغيرهاي PWP و n و m كه بيشتر متاثر از بافت خاك هستند، كاهش يافت. %RMSE نيز براي متغيرهاي FC و α در سناريو دوم با اختلاف جزئي كمتر از سناريو اول بود، اما به طور كلي با توجه به %RMSE مدلسازي براي همه متغيرهاي هدف در هر دو سناريو موفق بوده است.
چكيده لاتين :
Nowadays, the use of new methods to estimate hydraulic parameters such as soil moisture characteristic curve is considered. The aim of this study was to determine the effective factors in modeling of moisture characteristic curve parameters, from conveniently available, by the decision tree and error estimator cross validation and resub stitution were used. In this study, 72 soil samples were collected from six different tissues from the village of Margalomk and Shahrekord city. Conveniently available soil properties were introduced into software in 2 scenarios (the first scenario %sand, %clay, OM%, CaCO3, BD, pH, EC, mean weight diameter of dry aggregate (MWD dry), mean weight diameter of wet aggregate (MWD wet) and θs, the second scenario %sand, %clay, OM%, CaCO3, BD, %gravel, electrical resistivity, dielectric constant, root penetration resistivity). The results showed that the correlation coefficient for the PWP target variables in the first scenario is 0.88 and in the second scenario the maximum value for the FC target variable is 0.93. By replacing, geophysical and mechanical properties in the second scenario, the correlation coefficient for the variables FC and α Which are affected by the structure and texture of the soil increased, and decreased for PWP, n and m variables, which are more affected by soil texture. %RMSE was also slightly lower for the FC and α variables in the second scenario than in the first scenario, but in general according to% RMSE, modeling for all variables was successful in both scenarios.
