برآورد پارامترهاي هيدروليكي خاك به روش معكوس با استفاده از داده‌هاي نفوذ استوانه‌هاي دوگانه

Estimation of soil hydraulic parameters using doublering infiltrometer data via inverse method

در پژوهش حاضر از نرم افزار HYDRUS2D/3D براي برآورد پارامترهاي هيدروليكي مدل ون گنوختنمعلم در سه بافت متفاوت خاك به روش معكوس، با استفاده از داده هاي نفوذسنج استوانه هاي دوگانه، استفاده شد. براي اين منظور نه گزينه با تعداد متفاوت پارامترهاي هيدروليكي انتخاب شده براي فرايند بهينه سازي (5، 4 و 3 پارامتر)، در سه گروه مجزا تعريف شد. در گروه اول تنها از داده هاي نفوذ تجمعي اندازه گيري شده به عنوان ورودي نرم افزار استفاده شد. در گروه دوم مقدار رطوبت خاك اندازه گيري شده در پتانسيل ماتريك 330 سانتي متر (FC) و در گروه سوم از ميزان رطوبت در پتانسيل هاي ماتريك 330 (FC) و15000 سانتي متر (PWP) به عنوان داده هاي تكميلي براي حل معكوس در كنار داده هاي نفوذ تجمعي، استفاده شد. نتايج نشان داد با كاهش تعداد پارامترهاي برآوردي در هر گروه، خطاي برآورد كاهش و دقت تخمين ساير پارامترهاي هيدروليكي خاك افزايش مي يابد. همچنين استفاده از رطوبت FC در كنار داده‌هاي نفوذ تجمعي باعث كاهش خطاي برآورد شد. بنابراين انتخاب سه پارامتر هدايت هيدروليكي اشباع (Ks)، شكل منحني رطوبتي (n) و پارامتر مرتبط با عكس مكش در نقطه ورود هوا (α) به عنوان پارامترهاي تخميني و استفاده همزمان ازFC و داده هاي نفوذ تجمعي اندازه گيري شده با كمترين ميزان خطاي شبيه سازي همراه بود. در اين گزينه مقادير RMSE(cm^3)، NRMSE، AIC و R^2 به ترتيب برابر با 1259، 2/528، 0081/0 و 9999/0 براي خاك لوم شني، 242، 0/79، 0059/0 و 9988/0 براي خاك لومي و 298، 6/153، 0174/0 و 9983/0 براي خاك رس سيلتي بود.  افزودن رطوبت PWP ميزان خطا را در هر سه نوع بافت خاك افزايش داد.

In this study, HYDRUS2D/3D software was used to estimate the hydraulic parameters of van GenuchtenMualem model via inverse modeling using doublering infiltrometers data in 3 different soil textures. Nine scenarios of inverse modeling (divided in three groups) were considered with different number (5, 4 and 3) of fitted hydraulic parameters for optimization. In the first group, simulation was carried out solely using cumulative infiltration data. In the second group, cumulative infiltration data plus water content at h = −330 cm (i.e. field capacity, FC) were used as inputs. In the third group, cumulative infiltration data plus water contents at h = −330 cm (FC) and h = −15000 cm (i.e. permanent wilting point, PWP) were used simultaneously as predictors. The results indicated that by reducing the number of hydraulic parameters involved in the optimization process, simulation error is reduced and the prediction accuracy of other soil hydraulic parameters would be increased. Including FC as an additional data was important to better optimize/define soil hydraulic functions. So using of (Saturated hydraulic conductivity) Ks, (Shape parameter of soil water characteristic curve) n and (the parameter that inversely related to the air entry value) a as predictor parameters an FC as an additional data was the best scenario. RMSE(cm3)، NRMSE، AIC، and R2 were respectively 1259, 528.2, 0.0081 and 0.9999 in Sandy Loam soil, 242, 79.0, 0.0059 and 0.9988 in Loamy soil and 298, 153.6, 0.0174 and 0.9983 in Silty Clay soil. Using PWP as additional data, increased the simulation error in all 3 soil textures.