بررسی دقت روشهای مختلف در تعیین ضرایب شبیه منحنی رطوبتی ون‌گنوختن

منحنی رطوبتی آب‌خاک از ویژگیهای مهم فیزیکی آبشناسی خاک می باشد که در مسائل مختلف آب و خاک کاربردهای فراوانی داشته و بطور گسترده به وسیله ی شبیه ون‌گنوختن براورد می‌گردد. این پژوهش به‌منظور براورد منحنی مشخصه ی رطوبتی خاک با استفاده از روشهای مختلف تعیین ضرایب شبیه ون‌گنوختن انجام گردید. بدین ترتیب، برای تعیین ضرایب شبیه ون‌گنوختن روشهای حل معکوس، شبیه h5 برنامه ی رزتا، دو نقطه‌ای و دو نقطه‌ایرزتا مورد استفاده قرار گرفتند. با استفاده از این ضرایب، عملکرد و دقت روشها در تخمین منحنی رطوبتی با ضریب همبستگی (r2)، خطای میانگین مطلق باقیمانده (mae)، مجذور میانگین مربعات خطا (rmse)، ضریب آکائیک (aic) و بازده شبیه (ef) مورد مقایسه و ارزیابی قرار گرفتند. بررسی نتایج کلی نشان داد که، مقادیر فراسنجهای آماری r2، ef، mae (cm3/cm3)، rmse (cm3/cm3)، و aic برای روش حل معکوس به‌ترتیب برابر 997/0، 981/0، 013/0، 020/0 و 7344 ، برای روش دونقطه‌ایرزتا برابر با 983/0، 898/0، 026/0، 047/0 و 5754، برای روش دو نقطه‌ای به ترتیب برابر 980/0، 879/0، 027/0، 051/0 و 5595 و برای روش رزتا به ترتیب برابر 978/0، 859/0، 039/0، 055/0 و 5440 بودند. مطابق این نتایج، روشهای معکوس، دو نقطه‌ایرزتا و دو نقطه‌ای به‌ترتیب از بالاترین دقت در تخمین منحنی برخوردار بوده، و برنامه ی رزتا کمترین دقت را در این امر داشته است. اما مقایسه ی دقت روشها در بافتهای مختلف نشان داد که حل معکوس در تمامی بافتها کمترین خطا را داشته، و برنامه ی رزتا برای گروه بافتی درشت، روش دو نقطه‌ایرزتا برای گروه بافتی میانه و روش‌ دو نقطه‌ای برای گروه بافتی ریز توصیه شدند.

Accuracy of Different Methods in Determination of the Van Genuchten,s Retention Curve Coefficients

Soil water retention curve is an indicator of one of the most important soil hydrological properties that have high applications in various soil water issues, and it is widely estimated by the van Genuchten,s model. This research was performed to estimate the soil water characteristic curve by method of van Genuchten,s model. Thus for determination of Inverse solution, Two points model H5 of Rosetta program and two pointRosetta methods were used. Using these coefficients, the performance and accuracy of these models in retention curve estimation were evaluated by correlation coefficient (R2), magnitude of absolute error (MAE), root mean square error (RMSE), Akaike information coefficient (AIC) and model efficiency (EF). The overall results showed that the statistical parameters of R2, EF, MAE (cm3/cm3), RMSE (cm3/cm3) and AIC for inverse solution were 0.997, 0.981, 0.013, 0.020, and 7344, respectively for Two pointRosetta model were equal 0.983, 0.898, 0.026, 0.047 and 5754, for Twopoint model were equal 0.98, 0.879, 0.027, 0.051 and 5595, respectively and for Rosetta were equal 0.978, 0.859, 0.039, 0.055 and 5440, respectively. According to these results, inverse method, two pointRosetta and twopoint had the highest accuracy in retention curve estimation, respectively. The Rosetta program had the lowest accuracy in this case. Comparison of methods for different textures showed that the inverse solution had the lowest error in all textures. Rosetta program, Two pointRosetta and Twopoint are recommended for coarse, Medium and fine textures, respectively.