برآورد پارامتر مقياس به روش هاي مختلف در مدل آريا و پاريس براي بهبود تخمين منحني مشخصه آب خاك

Estimating the Scaling Parameter of Arya - Paris Model by Various Methods to Improve Estimation of Soil Moisture Characteristic Curve

اندازه گيري مستقيم منحني مشخصه آب خاك در آزمايشگاه وقت گير، مشكل و پرهزينه است، به اين علت تلاش هاي زيادي انجام گرفته تا بتوان به طور غيرمستقيم منحني مشخصه آب خاك را از ساير خصوصيات فيزيكي و شيميايي خاك برآورد كرد. يكي از روش هاي غير مستقيم برآورد منحني مشخصه استفاده از منحني توزيع اندازه ذرات خاك است. مدل آريا و پاريس منحني مشخصه آب خاك را با استفاده از داده هاي توزيع اندازه ذرات خاك برآورد مي كند، در اين مدل شعاع منافذ از شعاع ذرات خاك به وسيله پارامتر مقياس (?) تخمين زده مي شود. هدف از اين تحقيق، تاثير تخمين ? از شش روش مختلف بر بهبود برآورد منحني مشخصه آب خاك است. نتايج براي 14 نمونه خاك از منطقه شرق استان گيلان با بافت هاي مختلف نشان داد كه منحني هاي برآورد شده با استفاده از ? هاي مختلف نتايج متفاوتي ارايه مي دهند و وابستگي زيادي به پارامتر مقياس دارند، بنابراين تعيين دقيق ? نقش اساسي در پيش بيني منحني مشخصه ايفا مي كند. همچنين نتايج اين تحقيق نشان داد كه ? خطي آريا و همكاران و ? ثابت، 38/1، آريا و پاريس با بالاترين دقت توانستند منحني مشخصه آب خاك را تخمين بزنند.

Direct measurement of soil moisture curve (SMC) is time consuming, difficult and costly in laboratory. Therefore, many attempts have been made to predict SMC from soil physical and chemical properties indirectly. Arya - Paris model predicts SMC from soil particle size distribution data. The model estimates pore radius from the radius of spherical particles using a scaling parameter (?). The objective of this study was to evaluate estimation of ? by six different methods to improve the predicted SMC from Arya - Paris model. Comparisons made on 14 soil samples with different textures collected from the eastern region of the Guilan province showed that the estimated SMC with different ? produced different accuracy. It was highly depended on the selected parameter. In other words the method of determining ? played a key role in the accuracy of SMC prediction. The results showed that linear ? as described by Arya et al. and constant ? of 1.38 as recommended by Arya - Paris were the best scaling parameters for estimation of SMC.