كاربرد تحليل سري‌هاي زماني براي الگوبندي و پيش‌بيني حجم خاك خيس‌‌شده با گسيلنده نقطه‌اي

Time Series Application to Model and Forecast Wetted Soil Volume from a Point Source Emitter

يكي از مهم‌ترين اصول طراحي آبياري قطره‌اي كه در تعيين دور آبياري محصولات رديفي نقش بنيادي دارد، حجم خاك خيس شده با گسيلنده‌ها مي‌باشد. بنابراين اهميت و نيز با توجه به توانمندي فن سري‌هاي زماني در الگوبندي و پيش‌بيني پديده‌هاي هيدرولو‍ژيك، يك مجموعه آزمايش، در مركز تحقيقات كشاورزي و منابع طبيعي آذربايجان شرقي در يك خاك لوم و لوم رسي با هدف الگوبندي و پيش‌بيني حجم خاك خيس شده با گسيلنده نقطه‌اي با كاربرد فن سري‌هاي زماني انجام شد. براي اجراي آزمايش، دبي جريان گسيلنده‌ها برابر 2،4 و8 ليتر در ساعت و نوع گسيلنده‌ها نقطه‌اي انتخاب شد. براساس داده‌هاي اندازه‌گيري شده پيشروي عمودي و جانبي رطوبت در زمان‌هاي مختلف و با فواصل مساوي، حجم خاك خيس شده با گسيلنده‌ها در زمان‌هاي مختلف برآورد گرديد. نتايج نشان داد سري حجم خاك خيس شده با گسيلنده نقطه‌اي در طول دوره اندازه‌گيري (210 دقيقه) روند ناايستايي داشت. براي ايستا سازي سري داده‌ها از عمل لگاريتمي نمودن و يك‌بار تفاضلي استفاده شد. الگوي مناسب براي بيان سري زماني حجم خاك خيس شده توسط گسيلنده‌هاي نقطه‌اي به صورت ARIMA (1,1,0) تشخيص داده شد. براساس الگوي سري زماني انتخاب شده، حجم خاك خيس شده از 210 تا 300 دقيقه (براي 90 دقيقه بعدي) پيش‌بيني گرديد. نتايج پيش‌بيني نشان داد ميانگين حجم خاك خيس شده در انتهاي 300 دقيقه با كاربرد دبي‌هاي 2، 4 و 8 ليتر بر ساعت به ترتيب برابر 38، 164 و 223 هزارسانتي‌مترمكعب خواهد بود. توصيه مي‌شود براي الگوبندي و پيش‌بيني حجم خاك خيس شده در شرايط خاك شناختي مشابه از الگوي ARIMA (1,1,0) استفاده شود.

The wetted soil volume (WSV) is the most important principle in drip irrigation designing which is applied to determine irrigation intervals of raw crops. Therefore and based on time series techniques ability in modeling and forecasting of hydrological phenomena, a set experiments were conducted at East Azarbaijan Research Center for Agriculture and Natural Resources, Tabriz, Iran with the aim of time series modeling and forecasting of WSV from a point source. The point source discharges were selected as 2, 4 and 8 Lh-1 and WSV were estimated based on vertical and horizontal advance of moisture. Also, wetted soil volumes were estimated for several times. Results showed that WSV had non-stationary behavior during 210 min. Differencing natural logarithm of WSV data were applied to make stationary behavior for WES data. Accordingly, to describe WSV from point sources, ARIMA (1, 1, 0) was recognized as a suitable time series model. Based on achieved model, WSV series were forecasted as 38, 164 and 223×1000 cm3 for the next 90 min (from 210 to 300 min). It is recommended that ARIMA (1,1,0) can be applied to model and forecast wetted soil volume in similar soil condition.