برآورد پارامترهای منحنی مشخصه رطوبتی با استفاده از ویژگی‌های فیزیکی، ژئوفیزیکی و مکانیکی خاک با درخت تصمیم‌گیری

امروزه استفاده از روش های نوین به منظور برآورد پارامترهای هیدرولیکی همانند منحنی مشخصه رطوبتی مورد توجه قرار دارد. هدف از این پژوهش برآورد عوامل اثرگذار در مدل سازی پارامترهای منحنی مشخصه رطوبتی، به وسیله خصوصیات زودیافت فیزیکی، ژئوفیزیکی و مکانیکی با استفاده از درخت تصمیم گیری و تخمین گر خطا اعتبارسنجی متقاطع و بازجایگزینی می باشد. در این پژوهش، 72 نمونه خاک از شش بافت مختلف از روستای مرغملک و شهرستان شهرکرد گردآوری شد. خصوصیات زودیافت خاک در دو سناریو (سناریو اول: کربنات کلسیم، ماده آلی، درصد شن و رس، چگالی ظاهری، ph، ec، میانگین وزنی قطر خاکدانه خشک و مرطوب و رطوبت اشباع، سناریو دوم: کربنات کلسیم، ماده آلی، درصد شن و رس، چگالی ظاهری، درصد سنگریزه، مقاومت الکتریکی، ثابت دی الکتریک، مقاومت فروروی) به نرم افزار معرفی شدند. نتایج حاصل از این پژوهش نشان داد که ضریب همبستگی برای متغیرهای هدف pwp در سناریو اول 0.88 و در سناریو دوم برای متغیر هدف fc 0.93 بیشترین مقدار است. با جایگزینی ویژگی های ژئوفیزیکی و مکانیکی در سناریو دوم ضریب همبستگی برای متغیرهای fc و α که متاثر از ساختمان و بافت خاک هستند افزایش و برای متغیرهای pwp و n و m که بیشتر متاثر از بافت خاک هستند، کاهش یافت. %rmse نیز برای متغیرهای fc و α در سناریو دوم با اختلاف جزئی کمتر از سناریو اول بود، اما به طور کلی با توجه به %rmse مدل سازی برای همه متغیرهای هدف در هر دو سناریو موفق بوده است.

Estimation of moisture characteristic curve parameters using physical, geophysical and mechanical properties of soil

Nowadays, the use of new methods to estimate hydraulic parameters such as soil moisture characteristic curve is considered. The aim of this study was to determine the effective factors in modeling of moisture characteristic curve parameters, from conveniently available, by the decision tree and error estimator cross validation and resub stitution were used. In this study, 72 soil samples were collected from six different tissues from the village of Margalomk and Shahrekord city. Conveniently available soil properties were introduced into software in 2 scenarios (the first scenario %sand, %clay, OM%, CaCO3, BD, pH, EC, mean weight diameter of dry aggregate (MWD dry), mean weight diameter of wet aggregate (MWD wet) and θs, the second scenario %sand, %clay, OM%, CaCO3, BD, %gravel, electrical resistivity, dielectric constant, root penetration resistivity). The results showed that the correlation coefficient for the PWP target variables in the first scenario is 0.88 and in the second scenario the maximum value for the FC target variable is 0.93. By replacing, geophysical and mechanical properties in the second scenario, the correlation coefficient for the variables FC and α Which are affected by the structure and texture of the soil increased, and decreased for PWP, n and m variables, which are more affected by soil texture. %RMSE was also slightly lower for the FC and α variables in the second scenario than in the first scenario, but in general according to% RMSE, modeling for all variables was successful in both scenarios.