سال ۹، شماره ۳ - ( پائیز ۱۳۹۸ ۱۳۹۸ )
جلد ۹ شماره ۳ صفحات ۱۱۸-۱۰۲ |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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
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. پژوهش هاي فرسايش محيطي. ۱۳۹۸; ۹ (۳) :۱۰۲-۱۱۸
دانشگاه محقق اردبیلی ، shokrollah.asghari@gmail.com
چکیده: (۳۸۹۰ 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.
نوع مطالعه: مستخرج از پایان‌نامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدیریت و کنترل اثرات فرسایش محیطی
دریافت: 1398/11/2 | انتشار: 1398/8/10
دریافت: 1398/11/2 | انتشار: 1398/8/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
