مقایسه تخمین‌ گرهای مکانی در برآورد نفوذ آب در خاک‌های آهکی، شور و سدیمی (مطالعه موردی: دشت مرودشت)

سابقه و هدف: نفوذ آب به خاک نقش مهمی در مدیریت صحیح آبیاری، ذخیره رطوبت در خاک به‌ویژه در مناطق خشک و نیمه‌خشک و افزایش عملکرد زراعی ایفا می‌نماید. آگاهی از نفوذ آب به خاک اهمیت زیادی در طراحی و اجرای راهکارهای حفاظت آب، کنترل سیل و روان‌آب و مدیریت فرسایش خاک دارد. همچنین، سنجش دقیق مقادیر نفوذ آب به خاک با توجه به زمان برای برآورد آب ذخیره شده در ناحیه ریشه گیاه، اهمیت زیادی در طراحی و برنامه‌ریزی‌های آبیاری و مدیریت زراعی دارد. بنابراین، تهیه نقشه‌های دقیق از نفوذپذیری خاک می‌تواند در مدیریت اراضی و پیاده‌سازی کشاورزی دقیق نقش مهمی داشته باشد. هدف پژوهش حاضر، بررسی امکان تخمین نفوذ آب به خاک در زمان‌های مختلف با استفاده از توابع پیش‌بینی مکانی خاک و تخمین‌گرهای مکانی بود. مواد و روش‌ها: در این مطالعه، 72 نمونه خاک به‌صورت تصادفی از زمین‌های دشت مرودشت، استان فارس برداشت شد. در نقاط انتخاب شده چگالی ظاهری خاک، میزان شن، سیلت، رس، ph، قابلیت هدایت الکتریکی، کربنات کلسیم معادل خاک، سدیم محلول، کلسیم و منیزیم محلول و کربن آلی خاک اندازه‌گیری شدند. به‌منظور اندازه‌گیری نفوذ آب به خاک از روش استوانه‌های مضاعف استفاده شد. برای پی‌ریزی توابع پیش‌بینی مکانی خاک به‌منظور برآورد نفوذ تجمعی آب به خاک در زمان‌های 5، 10، 20، 45، 90، 150، 210 و 270 دقیقه از انواع مدل‌ها از قبیل رگرسیون، شبکه ‌عصبی ‌مصنوعی و تخمین‌گرهای مکانی استفاده گردید. در پژوهش حاضر، از داده‌هایی شامل خصوصیات زودیافت خاک اندازه‌گیری شده به همراه متغیرهای محیطی (اطلاعات سنجش از دور و توپوگرافی) در قالب توابع پیش‌بینی مکانی خاک استفاده گردید. یافته‌ها: نتایج حاصل از ارزیابی مدل‌‌های رگرسیونی و شبکه عصبی مصنوعی پی‌ریزی شده براساس آماره‌های ارزیاب شامل میانگین خطا، ریشه میانگین مربعات خطا و ضریب تبیین در فاز آزمون نشان داد که مدل‌های شبکه عصبی مصنوعی توسعه یافته در مطالعه حاضر در مقایسه با مدل‌های رگرسیونی برای برآورد نفوذ تجمعی آب به خاک در زمان‌های مختلف برتری داشتند. افزون بر این، نتایج ارزیابی تخمین‌گرهای مکانی متفاوت در منطقه مورد مطالعه نشان داد که تخمین‌گر مکانی تلفیقی شبکه عصبی-کریجینگ در مقایسه با تخمین‌گر مکانی کریجینگ معمولی، از کارآیی بیشتری در برآورد نفوذ تجمعی آب به خاک برخوردار بود.نتیجه‌گیری: نتایج این مطالعه نشان داد که به‌کارگیری توابع پیش‌بینی مکانی خاک (استفاده از اطلاعات کمکی به همراه ویژگی‌های زودیافت خاکی جهت تخمین نفوذ تجمعی آب به خاک در زمان‌های مختلف)، پتانسیل بسیار خوبی در تخمین مکانی نفوذ تجمعی آب به خاک در اکثر زمان‌های مورد نظر برخوردار بود.

comparison of spatial estimators for predicting water infiltration in calcareous, saline and sodic soils (case study: marvdasht plain)

background and objectives: water infiltration to soil play an important role in irrigation management, storage moisture in soil especially in dry and semi-dry area and increasing agronomy yield. understanding water infiltration to soil is of important in designing and applying water conservation methods, flood and runoff control and soil erosion management. additionally, accurately measuring water infiltration to soil in different times is more important for predicting water storage in root zone, irrigation designing and planning and agronomy management. in other hand, water infiltration to soil is a base for precision agriculture, therefore, producing accurate maps for water infiltration to soil play an important role in land management and applying precision agriculture. modeling soil water infiltration at the field scale with ruler of calcareous, saline and sodic conditions is important for a better understanding of infiltration processes in these soils and future of infiltration modeling. the present study aimed for estimating water infiltration to soil at different times using soil spatial prediction functions and spatial estimators.materials and methods: in present study, 72 soil samples were collected using a random sampling method in marvdasht plain, fars province. in selected points, soil bulk density, sand silt, clay, ph, electrical conductivity, calcium carbonate, solution sodium, solution calcium and magnesium and organic carbon contents. for measuring water infiltration to soil, the double ring method were used. multiple linear regression (mlr), artificial neural network (ann) and spatial estimators were used for deriving soil spatial prediction functions models between water infiltration to soil in different times including 5, 10, 20, 45, 90, 150, 210 and 270 min. in this study, the readily available soil properties and auxiliary variables such as remote sensing and topography data were used in soil spatial prediction functions.results: the results of evaluating regression and artificial neural networks models based on the mean error (me), coefficient of determination (r2) and root mean square error (rmse) criteria in testing phase were showed that the developed artificial neural network models in present study performed better than multiple linear regression models in water infiltration to soil prediction at different times. moreover, the results showed that the combined estimators (artificial neural network - kriging) performed better than ordinary kriging model for estimating water infiltration to soil.conclusion: in totally, the results of this study showed that the applying soil spatial prediction functions (using auxiliary variables such as remote sensing data and topography data with the readily available soil properties) had a great potential to predict spatial estimation of water infiltration to soil at most considered times.