سال 9، شماره 3 - ( پائیز ۱۳۹۸ 1398 )                   جلد 9 شماره 3 صفحات 102-118 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Asghari S, Hatamvand M, Hasanpour Kashani M. Deriving Pedotransfer Functions for Estimating Soil Saturated Hydraulic Conductivity in North West of Urmia Lake. E.E.R. . 2019; 9 (3) :102-118
URL: http://magazine.hormozgan.ac.ir/article-1-532-fa.html
اصغری شکراله، حاتم وند مژگان، حسنپور کاشانی مهسا. اشتقاق توابع انتقالی برای برآورد هدایت هیدرولیکی اشباع خاک در شمال‌غرب دریاچه ارومیه. فصل‌نامه علمی- پژوهشی پژوهش‌های فرسایش محیطی. 1398; 9 (3) :102-118

URL: http://magazine.hormozgan.ac.ir/article-1-532-fa.html


دانشگاه محقق اردبیلی ، shokrollah.asghari@gmail.com
چکیده:   (35 مشاهده)
هدایت هیدرولیکی اشباع خاک (Ks) در اکثر مدل­ های شبیه ­سازی فرسایش و فرایندهای هیدرولوژیکی خاک در آبخیزها، نقش مهمی را ایفا می­ کند. اندازه­ گیری مستقیم هدایت هیدرولیکی اشباع (Ks) خاک، کاری وقت­ گیر، دشوار و پرهزینه است. هدف از این پژوهش، مقایسه­ ی دقت توابع انتقالی (PTFs) رگرسیونی، شبکه عصبی مصنوعی (ANN) و نروفازی در برآورد Ks خاک ­های متأثر از نمک واقع در شمال غرب دریاچه­ ی ارومیه بود. برای تعیین برخی متغیرهای فیزیکی و شیمیایی زودیافت خاک، تعداد 100 نمونه خاک دست ­خورده و دست ­نخورده از عمق 0 تا 10 سانتی­متری اراضی کشاورزی و بایر بخش شندآباد در منطقه­ی شبستر برداشته ­شد. متغیر Ks، در آزمایشگاه به روش بار ثابت یا افتان اندازه ­گیری ­شد. برای اشتقاق توابع رگرسیونی از نرم­افزار SPSS استفاده شد و برای توابع ANN و نروفازی از نرم ­افزار MATLAB. هشتاد درصد داده­ ها برای آموزش و بیست درصد آن برای آزمون توابع به­ کار رفت. نتایج توابع رگرسیونی، ANN و نروفازی نشان داد که تابع انتقالی با دو متغیر سیلت و جرم مخصوص ظاهری، بهترین تابع برای برآورد Ks خاک در منطقه­ ی مورد مطالعه است. مقادیر ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE) و میانگین خطا (ME) به­ترتیب 65/0، cm/min 119/0 وcm/min  059/0- و 73/0، 087/0 cm/min  وcm/min  006/0 و 69/0،cm/min  127/0 و cm/min 051/0-  به­ ترتیب برای بهترین تابع رگرسیونی، ANN و نروفازی به­ دست آمد. بنابراین، توابع ANN به ­دلیل داشتن R2 بالا و RMSE پایین در مقایسه با توابع رگرسیونی و نروفازی، دقت بیشتری برای برآورد Ks خاک در منطقه­ ی مورد مطالعه دارد. 
متن کامل [PDF 880 kb]   (11 دریافت)    

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله پژوهش‌های فرسایش محیطی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Environmental Erosion Research Journal

Designed & Developed by : Yektaweb