ارزیابی سطوح مختلف ورودی نرم افزار rosetta در برآورد برخی ویژگی‌های هیدرولیکی خاک

مقدمه و هدف پژوهش: ظرفیت مزرعه (fc) و نقطه پژمردگی دائم گیاه (pwp) از جمله مهمترین نقاط در منحنی مشخصه رطوبتی خاک هستند. این پارامترها از اهمیت زیادی در مدیریت، برنامه ریزی و طراحی سیستم های مختلف آبیاری و مدیریت کشاورزی برخوردار می باشند. روش های مستقیم اندازه گیری این پارامترها بسیار دشوار و زمان بر است. توابع انتقال پدو (ptf) به طور گسترده ای برای پیش بینی پارامترهای هیدرولیکی خاک به نفع اندازه گیری های آزمایشگاهی یا میدانی گران قیمت استفاده شده اند.rosetta یکی از انواع توابع انتقالی بر اساس شبکه های عصبی مصنوعی (ann) است که امکان تخمین پارامترهای هیدرولیکی معادله ون گن اختن و عدم قطعیت آنها را فراهم می کند. از آنجا که این نرم افزار در بسیاری از نرم افزارهای متداول بررسی ویژگی های هیدرولیکی خاک از جمله هایدروس، دیسک و ... برای برآورد اولیه مورد استفاده قرار می گیرد، این تحقیق با هدف بررسی میزان دقت سطوح مختلف ورودی نرم افزار rosetta در تخمینfc و pwp انجام شد. روش پژوهش: برای انجام پژوهش حاضر از داده های مربوط به ویژگی های فیزیکی حدود 280 نمونه خاک از مناطق مختلف استان اصفهان استفاده شد. خاک های مورد مطالعه در 9 کلاس بافتی شامل لوم رسی، لوم رسی سیلتی، رس سیلتی، لوم شنی، لوم، رسی، لوم سیلتی، لوم شنی و لوم رسی شنی طبقه بندی شدند. به منظور تخمین پارامترهای معادله ون گنوختن سه سطح از ورودی نرم افزار rosetta شامل 1) استفاده از کلاس بافتی(tc)، 2) درصد ذرات شن، رس و سیلت (ssc) و 3) درصد شن و رس و سیلت به علاوه چگالی ظاهری خاک (ssc+bd) استفاده شد. مقادیرfc و pwp با استفاده از پارامترهای هیدرولیکی تخمین زده شده توسط rosetta، از طریق معادله ون گنوختن محاسبه و با مقادیر اندازه گیری شده در آزمایشگاه به کمک دستگاه صفحات فشاری، مقایسه شدند. برای ارزیابی آماری میزان دقت پارامترهای برآورد شده ازشاخصهای آماری متفاوتی مانند جذر میانگین مربعات خطا (rmse)، جذر میانگین مربعات خطای نرمال شده (nrmse)خطای بایاس میانگین(mbe)، ضریب کارآیی اصلاح شده('e) و شاخص مطابقت اصلاح شده ('d) استفاده شد. یافته ها: نتایج نشان داد که در خاک های با بافت ریز مانند رس (c)، رس سیلتی (sic) و لوم رسی سیلتی (sicl)، سطح اول ورودی ها (tc) دقیق تر از دو سناریو دیگر بود و مقادیرfc با خطای کمتری برآورد شد. به نظر می رسد وجود مقادیر بالای درصد رس در این بافت خاک سبب ایجاد خطا در اندازه گیری درصد ذرات رس، سیلت و شن می شود؛ به گونه ای که در این بافت ها استفاده از کلاس بافتی از دقت بالاتری نسبت به استفاده از درصد ذرات تشکیل دهنده بافت خاک (سناریو دوم) در برآورد ویژگی های هیدرولیکی خاک برخوردار بوده است. از سوی دیگر، در بافت های درشت شن لومی (ls) و لوم شنی (sl)، سطح سوم (ssc+bd) بیشترین دقت را در تخمین پارامترهای مدل ون گنوختن داشت. در مورد بقیه بافت های خاک، سطح دوم (ssc) بیشترین دقت را در برآورد fc داشت. از نظر مقادیر ضرایب همبستگی بین مقادیرfc اندازه گیری شده و برآورد شده، به ترتیب، سناریو دوم(ssc) (r2=0.4927)، سناریو اول(tc) (r2=0.3992) و سناریو سوم(ssc+bd) r2=(0.3715) قرار گرفتند. بر خلاف (vv 1)fc، مقادیر (vv 1) pwp برآورد شده توسط نرم افزار در سناریو های مختلف مورد مطالعه در بافت های مختلف از روند مشخصی تبعیت نکرد، اما در اکثر بافت های خاک مورد مطالعه، بیشترین ضریب همبستگی بین مقادیرpwp اندازه گیری شده و برآورد شده توسط نرم افزار rosetta در سناریو دوم(ssc) مشاهده شد (r2=0.4758) و به دنبال آن سناریو سوم(ssc+bd) (r2=0.4458) و سطح اول(tc) (r2=0.4382) قرار گرفتند. نتایج: به طور کلی در اکثر خاک های مورد مطالعه استفاده از سناریو دوم یعنی درصد ذرات ماسه، رس و سیلت (ssc) به عنوان ورودیrosetta کمترین میزان خطا را در تخمین پارامترهای معادله ون گنوختن داشت. بنابراین، (vv 1)fc و (vv 1) pwp برآورد شده با استفاده از سناریو دوم (ssc) در مقایسه با مقادیر اندازه گیری شده شان از دقت قابل قبولی برخوردار بودند.

assessment of different rosetta software levels on some soil hydraulic properties estimation

background and aim: field capacity (fc) and permanent wilting point of the plant (pwp) are the most important points in the moisture characteristic curve. these parameters are very important for managing, planning and designing different irrigation systems and different agricultural management. the traditional methods to determine these properties are difficult and time consuming. pedotransfer functions (ptfs) have been widely used to predict soil hydraulic parameters in favor of expensive laboratory or field measurements. rosetta is one of many ptfs and is based on artificial neural network (ann) analysis which allows the estimation of van genuchten water retention parametersand their uncertainties. this research was conducted with the aim of investigating the effect of different input levels of rosetta software in estimating fc and pwp. method: to conduct the present research, the data related to the physical characteristics of about 280 soil samples from different parts of isfahan province were used. the studied soils classified into 8 textural classes including clay loam, silty clay loam, sandy loam, loam, clay, silty loam, sandy loam and sandy clay loam. in order to estimate the parameters of the van genuchten equation three levels of the rosetta's inputs including 1) the use of textural class (tc), 2) the percentage of sand, clay and silt particles (ssc) and 3) the percentage of sand and clay particles and silt plus balk density (ssc+bd) were used. they were calculated by rosetta, through the van gnochten equation and compared with the values measured in the laboratory using pressure plates. accuracy and reliability of the estimated parameters were evaluated by, modified efficiency coefficient (e'), modified agreement index (d'), the mean and the standard deviation of the root of mean squared differences (rmsd), normalized root of mean squared differences (nrmsd)and mean bias error (mbe). results: the results showed that in heavy textural soils such as clay (c), silty clay (sic) and silty clay loam (sicl), the first scenario (tc) is more accurate than the other two scenarios and fc values estimated with less error. on the other hand, in the loamy sand (ls) and sandy loam (sl) textures, the third scenario (ssc+bd) had the most accuracy in estimating the parameters of the van genuchten model. regarding the rest of the soil textures, the second scenario (ssc) had the highest accuracy in fc estimation. in terms of the correlation coefficient values between the measured and estimated fc values, respectively, the second scenario (ssc) (r2=0.5282), the first scenario (tc) (r2=0.3992) and the third scenario (ssc+bd) (r2= 0.4116) were placed. unlike fc, the pwp values estimated in different scenarios did not show a clear dependence on the texture, but the highest correlation coefficient between the measured and estimated pwp values by rosetta software was observed in the second scenario (ssc), (r2=0.5185), followed by the third scenario (ssc+bd) (r2=0.4930) and the first scenario (tc) (r2=0.476). conclusion: in general, in the most of the studied soils, using the percentage of sand, clay and silt particles (ssc), as rosetta's input, had the lowest amount of error in the estimation of the parameters of the van genuchten equation. therefore, the estimated fc and pwp using second scenario (ssc) had acceptable accuracy compared to their measured values.