ارزيابي تعدادي از مدل‏هاي مقاومت فروروي خاك در برخي از كشت و صنعت‏هاي نيشكر استان خوزستان

Evaluating some penetration resistance models in some Khozestan sugarcane agro-industries

توابعي كه به درستي مقاومت فروروي را به ويژگي‏هاي ديگر خاك مرتبط مي‏كنند، ابزارهاي كارآمدي در تشخيص پراكندگي مقاومت مكانيكي خاك محسوب مي‏شوند به‌ويژه هنگامي‌كه تغييرات مكاني و زماني پارامتر بالا به آساني قابل اندازه‏گيري نباشد. اهميت اين پديده پژوهشگران را بر آن داشته تا همواره در پي ارايه مدلي مناسب براي بيان كمي مقاومت فروروي باشند. در اين پژوهش، عملكرد دوازده مدل در برآورد مقاومت فروروي در دو عمق 40-0 و 80-40 سانتي‏متري مورد ارزيابي قرار گرفت. براي اين منظور، داده‏هاي به‌دست آمده از آزمايش‏هاي فروسنجي با استفاده از فروسنج ديجيتالي در 150 نقطه از كشت و صنعت‏هاي مختلف نيشكر در استان خوزستان جمع‏آوري گرديد. پارامترهاي مدل‏هاي ياد شده به روش حداقل مجموع مربعات خطا تعيين گرديد. به‌منظور بررسي صحت عملكرد مدل‏هاي مورد بررسي در برآورد مقاومت فروروي، از آماره‏هاي ميانگين خطا (ME)، ميانگين قدرمطلق ميانگين خطاها (MAME)، ريشه ميانگين مربعات خطا (RMSE) و ضريب همبستگي پيرسون (r) استفاده شد. مقايسه عملكرد مدل‏ها با يكديگر نشان داد كه تمامي مدل‏هاي رگرسيوني بر پايه محتوي رطوبتي و چگالي ظاهري، از خطاي كم‏تر و ضريب همبستگي بالاتري در برآورد مقاومت فروروي برخوردار بودند. به‌علاوه مدل ارايه شده توسط تو و كي بر مبناي مكش ماتريك و دكستر و همكاران بر مبناي شيب منحني نگهداشت رطوبتي در نقطه عطف و تنش موثر بالاترين مقدار خطا و كم‏ترين ضريب همبستگي را شامل بودند. به‌طوركلي، با توجه به مقادير مثبت ميانگين MEها، تمامي مدل‏هاي مورد ارزيابي بيش برآوردگر بودند.

Functions that accurately relate penetration resistance to soil properties are important tools for assessing the spatial variation of soil mechanical resistance when the temporal and spatial variability in these parameters cannot be readily measured. The importance of this characteristic has encouraged the soil researchers to model this process for quantitative applications. In this study, the performance of twelve penetration resistance models were evaluated for two depths. i.e. 0-40 and 40-80 cm. For this purpose, the penetration data were obtained using of digital penetrometer from 150 points of different Khuzestan sugarcane agro-industry. The parameters of these models were then determined using the least square optimization method. In order to evaluate the accuracy of the models, the mean error (ME), root mean square error (RMSE), mean absolute of mean error (MAME) and Pearson correlation coefficient (r) statistics were calculated. The results of comparison models performance revealed that the whole proposed regression models based on moisture content and bulk density had lower error and higher r in estimating the penetration resistance. Furthermore, the models proposed by To and Kay based on pore water suction and Dexter et al. based on the slope of the water retention curve at its inflection point and effective stress have highest error and lowest r in estimating the penetration resistance. Generally, all of the evaluated models were systematically over-estimator models.