تحلیل عدم قطعیت مدل swap در یک مزرعه نیشکر با زهکشی زیرزمینی کنترل شده در کشت و صنعت شعیبیه

از آنجا که نتایج شبیه‌سازی‌های زراعی-هیدرولوژیکی با درجات مختلفی از عدم قطعیت همراه است، لذا ارزیابی عدم قطعیت آن‌ها حایز اهمیت است. تحلیل عدم قطعیت نتایج مدل‌های زراعی-هیدرولوژیکی می‌تواند اطلاعات مفیدی در خصوص درجه اطمینان از نتایج مدل فراهم آورد. در این بررسی، تحلیل عدم قطعیت کاربرد توزیعی مدل swap برای یک مزرعه نیشکر با زهکشی زیرزمینی کنترل شده (واقع در کشت و صنعت نیشکر شعیبیه، خوزستان) با استفاده از یک روش ترکیبی حاصل از تلفیق روش برآورد عدم قطعیت درست‌نمایی تعمیم یافته (glue) با گونه یکپارچه‌سازی شده الگوریتم بهینه‌سازی رفتار جمعی اجزا (upso) انجام شد. نتایج حاکی از تغییرپذیری قابل توجه مقادیر رفتاری پارامترهای واسنجی و ضرورت ارزیابی عدم قطعیت شبیه‌سازی‌های مدل swap بود. وجود ضرایب همبستگی قوی بین مجموعه پارامترهای رفتاری، مبین ضرورت واسنجی هم‌زمان پارامترهای مختلف مدل به‌ازای داده‌های اندازه‌گیری شده معیار متنوع بود. محدوده‌های عدم قطعیت پیش‌بینی 95 درصد (95ppu) محاسباتی برای شبیه‌سازی‌های هیدرولوژیکی (رطوبت خاک، نوسانات سطح ایستابی و جریان زه‌آب خروجی از زهکش زیرزمینی)، انتقال املاح (نیم‌رخ غلظت املاح آب خاک و شوری زه‌آب) و بیوفیزیکی (شاخص سطح برگ، عملکرد نی و عملکرد ساکارز) به‌ترتیب، بین 80-73%، 58-45% و 100-75% از کل داده‌های اندازه‌گیری شده (مشتمل بر هردو مجموعه داده‌های واسنجی و صحت‌سنجی) را با rfactor (نسبت متوسط ضخامت محدوده 95ppu به انحراف معیار داده مشاهداتی متناظر آن) بین 0/83 تا 0/98، 1/43 تا 1/96 و 0/75 تا 1/11 در بر گرفتند. میزان ضخامت محدوده 95ppu محاسباتی برای شبیه‌سازی‌های بیوفیزیکی در طول دوره شبیه‌سازی دارای روندی افزایشی بود.

Uncertainty Analysis of the SWAP Model in a Sugarcane Field with Subsurface Controlled Drainage

It is important to assess the uncertainties involved in agrohydrologic simulations because they are subject to varying degrees of uncertainty. Uncertainty analysis of the agrohydrological models can provide useful insights into the degree of confidence in the model results. In this study, uncertainty analysis of a distributed application of the SWAP model to a sugarcane field with subsurface controlled drainage was conducted using a hybrid uncertainty analysis scheme, combining Generalized Likelihood Uncertainty Estimation (GLUE) and Unified Particle Swarm Optimization (UPSO). The results revealed a high variability of the calibrated parameters and the necessity of an uncertainty assessment for the SWAP simulations. Strong parameter correlations highlighted the need for calibration of the model parameters against diverse calibration data in a simultaneous manner. The 95% prediction uncertainty bands obtained for the  hydrological (soil water content, water table level, subsurface drainage outflow), solute transport (soil water solute concentration and subsurface drainage outflow salinity), and biophysical (leaf area index, cane, and sucrose dry yield) simulations enveloped 7380%, 4558%, and 75100% of the corresponding total observed data (including both calibration and validation datasets), respectively, with an rfactor (the ratio of the average thickness of the 95PPU band to the standard deviation of the corresponding measured variable) of 0.830.98, 1.431.96, and 0.751.11. The thickness of the derived 95PPU bands for the biophysical simulations showed an increasing trend over the simulation period.