ایجاد توابع انتقالی مناسب جهت تخمین هدایت هیدرولیکی اشباع خاک مطالعه موردی: اراضی شمال گرگانرود و قره سو، ایران

هدایت هیدرولیکی اشباع (ks) پارامتری مهم در مسائل مرتبط با آب و خاک می باشد. کاهش زمان و هزینه مورد نیاز در رسیدن به نتایج ks برای مطالعات بزرگ مقیاس، این ضرورت را ایجاد می کند تا از روش های نوین در تخمین این پارامتر استفاده شود؛ لذا پژوهش حاضر با هدف تخمین ks، برای مساحتی در حدود 280 هزار هکتار از اراضی شمالی رودخانه های قره سو- گرگانرود انجام شد. پارامترهای زودیافت مورد استفاده در این پژوهش شامل تعدادی از خصوصیات فیزیکی خاک منطقه (تا عمق 6 متر)، خصوصیات شیمیایی خاک (تا عمق 5/1 متر) و برخی از خصوصیات شیمیایی آب موجود در چاهک ها بود. این اطلاعات مربوط به 188 پروفیل خاک در سطح منطقه مورد مطالعه بودند. روش های مورد استفاده برای تخمین ks، شامل توابع انتقالی رگرسیونی چندگانه (mlr) و شبکه ی عصبی مصنوعی (ann) بود. در پژوهش حاضر تأثیر ترکیب پارامترهای زودیافت فیزیکی و شیمیایی برداشت شده از اعماق مختلف خاک در دقت مدل های برازش داده شده، مورد بررسی واقع شد. برای این منظور، سه مدل با ورودی های متفاوت پیشنهاد شد. در ایجاد مدل اول از خصوصیات شیمیایی آب و خاک، در مدل دوم از پارامتر های فیزیکی خاک و در مدل سوم از ترکیب پارامتر های مربوط به دو مدل قبل استفاده شد. برای ایجاد مدل های ann و mlr به ترتیب از نرم افزارهای matlab 2012a و sas بهره گرفته شد. نتایج نشان داد که استفاده هم زمان از خصوصیات فیزیکی و شیمیایی منطقه، سبب می شود تا مدل های با دقت بالاتری برازش داده شود؛ از سوی دیگر، وارد کردن ویژگی های لایه های زیرسطحی خاک، باعث بهبود کارایی توابع پی ریزی شده می شود. با توجه به نتایج آنالیز حساسیت هر دو روش mlr و ann، پارامتر سولفات مربوط به عمق 50- 0 سانتی متری خاک، تأثیرگذار ترین و حساس ترین پارامتر در پیش بینی ks تشخیص داده شد. همچنین یافته ها نشان داد که ann در تخمین پارامتر دیریافت، دقیق تر از مدل های mlr بوده است. مقدار ضریب تعیین (r2)، مجذور میانگین مربعات خطا (rmse) و میانگین خطا (me) برای بهترین مدل mlr به ترتیب برابر با 61/0، 34/0 و 06/0 و برای بهترین مدل ann به ترتیب برابر با 90/0، 03/0 و 0004/0- محاسبه شد. مقایسه میانگین های نتایج حاصل از دو روش ann و mlr در پیش بینی ks به وجود اختلاف معنی دار (سطح 5%) منتج شد. بین مقادیر پیش بینی شده ks به روش ann و مقادیر اندازه گیری شده این پارامتر به روش صحرایی اختلاف معنی دار وجود نداشت.