شبیه سازی مساحت خیس شده در اراضی شیبدار در سیستم آبیاری قطره‌ای

الگوی خیس‌شدگی خاک نقش مهمی در طراحی سامانه‌های آبیاری قطره‌ای دارد. الگوی خیس‌شدگی به عوامل مختلفی نظیر بافت خاک، ساختمان خاک، دبی قطره‌چکان، هدایت هیدرولیکی، حجم آب کاربردی و شیب زمین بستگی دارد. در این پژوهش، برای اندازه‌گیری جبهه پیشروی رطوبت در خاک دو مدل فیزیکی به شکل مکعب مستطیل ساخته شد. از مدل کوچکتر برای انجام آزمایش‌ها با دبی کمتر و از مدل بزرگتر برای آزمایش‌ها با دبی بیشتر استفاده شد. آزمایش‌ها برای چهار شیب مختلف‌‌ (0، 10، 20 و 30 درصد)، سه نوع خاک با بافت‌های مختلف (سبک، متوسط، سنگین)، با سه دبی قطره‌چکان (2، 4 و 6 لیتر در ساعت) به انجام رسید. هدف از انجام این پژوهش شبیه‌سازی مساحت جبهه‌ی رطوبتی در سامانه آبیاری قطره‌ای در اراضی شیب‌دار بود. به منظور شبیه‌سازی مساحت جبهه‌ی رطوبتی از مدل شبکه‌ی عصبی مصنوعی استفاده شد. نتایج مقایسه بین مقادیر اندازه‌گیری و شبیه‌سازی شده نشان دادند که مدل شبکه‌ی عصبی مصنوعی در برآورد مساحت جبهه‌ی رطوبتی دارای عملکرد قابل قبولی می‌باشد. مقادیر ضریب تبین (r^2) در مرحله‌ی آموزش بین 0.994 تا 0.997، ریشه میانگین مربعات خطا (rmse) بین 18.84 تا 42.70 سانتی‌متر مربع و میانگین خطای مطلق (mae) بین 12.28 تا 31.96 سانتی‌متر مربع قرار داشتند. این مقادیر در مرحله‌ی تست به ترتیب بین 0.993 تا 0.997، 26.87 تا 47.02 سانتی‌متر مربع و 20.14 تا 31.45 سانتی‌متر مربع بودند.

Simulation of wetted area in slope lands in drip irrigation system

Soil wetted pattern plays an important role in the design of drip irrigation systems. Wetting pattern depends on various factors such as soil texture, soil structure, emitter discharge, hydraulic conductivity, applied water volume and land slope. In this research, two physical rectangular cubic models were constructed to measure the soil moisture advance front. The smaller model was used for experiments with lower discharge and the larger model was used for experiments with higher discharge. These experiments were carried out for four different slopes (0, 10, 20 and 30%), three soil types with different textures (light, medium, heavy) and three emitter discharges (2, 4, and 6 lit/hour). The purpose of this study was to simulate the wetting area in a drip irrigation system on slope land. The artificial neural network (ANN) model was used to simulate the wetted area. The results of the comparison between the measured and simulated values showed that the ANN model has an acceptable performance in estimating the moisture front area. Coefficient of determination (R 2) in training phase ranged from 0.994 to 0.997, root mean square error (RMSE) ranged between 18.84 to 42.70 cm2 and mean absolute error (MAE) ranged between 12.28 to 31.96 cm2. These values for the test phase were 0.993 to 0.997, 26.87 to 47.02 cm2 and 20.14 to 31.45 cm2, respectively.