تخمین معکوس ضریب زبری مانینگ با استفاده از مدل winsrfr و بررسی تغییرات آن در رخدادهای مختلف آبیاری

روش‌های مختلفی به منظور تخمین ضریب زبری مانینگ توسعه یافته است که از این بین روش‌ معکوس کاربرد فراوانی دارد. این تحقیق با هدف تخمین معکوس ضریب زبری مانینگ و ضرایب نفوذ معادله کوستیاکفلوئیس با استفاده از مدل winsrfr در آبیاری جویچه ای و بررسی تغییرات آن‌ها در آبیاری‌های مختلف انجام شد. بدین منظور دو دبی ورودی (به طور متوسط 0.27 و 0.53 لیتر بر ثانیه)، دو دور آبیاری (5 و 10 روز)، دو مزرعه با بافت خاک متفاوت (e و f) و در سه واقعه آبیاری (اول تا سوم) و در سه تکرار در نظر گرفته شد. خطای مدل در تخمین زمان پیشروی، زمان پسروی و حجم آب نفوذ یافته با استفاده از شاخص‌های آماری خطای نسبی (re)، ریشه دوم میانگین مجذور خطا (rmse) و ریشه دوم میانگین مجذور خطای نرمال شده (nrmse) بررسی شد. مقادیر این شاخص‌ها در تخمین زمان پیشروی در مزرعه e به ترتیب 0.44 درصد، 0.21 دقیقه و 1.11 درصد در مجموع هر سه رخداد آبیاری تعیین شد. همچنین مقادیر این شاخص‌ها به ترتیب 1.58 درصد، 5.25 دقیقه و 2.78 درصد در زمان پسروی و 0.59 درصد، 5.05 لیتر و 0.50 درصد در حجم آب نفوذ یافته به دست آمد. خطای تخمین زمان پیشروی و پسروی در مزرعه f کمتر بود که این نتایج دقت بسیار خوب روش تخمین معکوس را در تعیین ضریب زبری مانینگ نمایان کرد. نتایج همچنین نشان داد که در مزرعه e حداقل و حداکثر مقدار ضریب زبری مانینگ به ترتیب 0.017 و 0.34 و به طور متوسط 0.075 در مجموع هر سه رخداد آبیاری بود و در مزرعه f ضریب زبری مانینگ در هر سه رخداد آبیاری حداقل 0.015، حداکثر 0.09 و به طور متوسط 0.041 برآورد شد.

Inverse estimation of Manning roughness coefficient using WinSRFR model and investigating its variations in different irrigation events

Various methods have been developed to estimate the Manning roughness coefficient, of which the inverse method is widely used. This study aimed to estimate the inverse of Manning roughness coefficient using the WinSRFR model and estimating infiltration parameters of KostiakovLewis equation in furrow irrigation and to investigate their variations in different irrigation events. For this purpose, two inflow discharges (average 0.27 and 0.53 liters per second), two irrigation cycles (5 and 10 days), two fields with different soil texture (E and F) in three irrigation events (first to third) were considered in three replications. Model error in estimating advance and recession time, and volume of infiltrated water was investigated using statistical indices including RE, RMSE and NRMSE. The values of these indices in estimating the advance time in the field E were 0.44%, 0.21 min and 1.11% in the total three irrigation events, respectively. Also, the values of these indices were 1.58%, 5.25 min and 2.78% in the recession time and 0.59%, 5.5 liters and 0.50% in the volume of infiltrated water, respectively. There was less error in estimating the advance and recession time in the field F which showed the excellent accuracy of the inverse estimation method using the WinSRFR model in determining the Manning roughness coefficient. The results also showed that in the field E, the minimum and maximum values of Manning roughness coefficient were estimated as 0.017 and 0.34 and on average 0.075 in the total three irrigation events, respectively. In the field F, the minimum, maximum and the average values of Manning roughness coefficient in three irrigation events were 0.015 and 0.09 and 0.041, respectively.