برآورد مقاومت فروروي با بهره‌گيري از پارامتر‌هاي فراكتالي توزيع اندازه ذرات و خاكدانه‌ها

Estimation of Soil Penetration Resistance Using Fractal Parameters of Particle and Aggregate Size Distributions

مقاومت فروروي (PR) خاك داراي تغيير‌پذيري بالايي است و در بسياري از پايگاه‌هاي اطلاعاتي آگاهي چنداني درباره آن وجود ندارد. از سوي ديگر اندازه گيري اين پارامتر پرهزينه نيز مي باشد. بنابراين هدف اين پژوهش برآورد PR از ديگر پارامتر هاي زود يافت خاك با بهره گيري از توابع انتقالي (PTFs) بود. تعداد 53 نمونه خاك از خاك هاي شاخص بر پايه سري خاك هاي غالب از استان همدان نمونه برداري شد. توزيع اندازه ذرات (كوچك‌تر از 2 ميلي‌متر)، توزيع اندازه خاكدانه هاي درشت (25/0 تا 8 ميلي‌متر) و ريز (كوچك‌تر از 2 ميلي‌متر)، رطوبت خاك در حين اندازه‌گيري PR و جرم مخصوص ظاهري در آزمايشگاه اندازه گيري شد. PR و پارامتر هاي كيفي ساختمان خاك (شكل، نوع و اندازه خاكدانه) در محل نمونه برداري در دو لايه رويين (10 تا 35 سانتي‌متري) و زيرين (20 تا 45 سانتي‌متري) خاك اندازه گيري شد. ابتدا جرم مخصوص ظاهري و رطوبت خاك كه پارامتر هاي مرسوم برآورد كننده PR مي باشند وارد مدل رگرسيوني شدند. سپس پارامتر هاي كيفي ساختمان خاك (شكل، نوع و اندازه خاكدانه) و همچنين پارامتر‌هاي فراكتالي توزيع اندازه ذرات و خاكدانه‌هاي درشت و ريز نيز به پارامتر‌هاي پيشين افزوده شدند. در پايان ميزان بهبود و برتري هر يك از مدل‌ها بر پايه آماره‌هاي ضريب تبيين، ضريب تبيين تعديل شده، مجذور ميانگين مربعات خطا، معيار اطلاعات آكايك و بهبود نسبي ارزيابي شد. نتايج نشان داد كه افزودن پارامتر‌هاي فراكتالي، به ورودي‌هاي مرسوم برآورد كننده PR باعث بهبود معني‌دار معيار‌هاي ارزيابي صحت مدل‌ها شد. همچنين بكارگيري پارامتر هاي كيفي ساختمان خاك به همراه پارامتر‌هاي فراكتالي توزيع اندازه ذرات باعث بهبود معني‌دار پيش‌بيني PR شد.

Penetration resistance (PR) is a highly variabe soil property and there is no accurate and representative PR data in most databases. On the other hand, direct measurement of the PR is costly and expensive. The objective of this study was prediction of PR from easily available soil properties using pedotransfer functions (PTFs). Fifty three soil samples were taken from dominant soil series of Hamadan province. Particle, macro and micro aggregate size distributions, water content and bulk density were measured in the laboratory. PR and soil structural qualitative parameters were measured in the field. In the first regression model, bulk density and water content as conventional predictors of PR were introduced to the model. Then, soil structural qualitative parameters (aggregates shape, type and size), primary particle, micro and macro aggregate size distribution fractal parameters were introduced to the models to predict PR. Finally the improvement of PR prediction using various developed PTFs were evaluated by the statistical indices as R2, R2adj, root mean square error, Akaike information criterion and relative improvement. The results showed that using fractal parameters as predictors along with the conventional predictors significantly improved the accuracy and reliability of the models. Using soil structural qualitative parameters along with fractal parameters of particle size distribution may significantly improve the PR predictions.