مسعود داوری

تعیین دقیق هدایت هیدرولیکی اشباع (Ks) در مدل سازی جریان آب و انتقال املاح در خاک، طراحی سیستم های آبیاری و زهکشی، مدل سازی آب های زیر زمینی و فرایندهای زیست محیطی ضروری است. در تعیین Ks از روش های صحرایی و آزمایشگاهی مختلفی استفاده می شود. این روش ها چه در صحرایی و چه آزمایشگاه، پر هزینه، زمان بر و دشوار بوده و معمولاً به دلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی غیرقابل اعتماد می باشند. یکی از راهکارهای جایگزین جهت غلبه بر این مشکل، استفاده از روش های غیرمستقیم همچون توابع انتقالی خاک می باشد. در این پژوهش کارایی شبکه های عصبی مصنوعی و رگرسیون های آماری، با بهره گیری از ویژگی های زودیافت خاکی و داده های عوارض زمین، در تخمین Ks ارزیابی شد. جهت اشتقاق توابع، برخی از ویژگی های زودیافت خاکی و همچنین هدایت هیدرولیکی اشباع 95 نقطه مطالعاتی از زیرحوزه های آبخیز چرداول - چمشیر در استان ایلام با استفاده از پرمامتر گوالف اندازه گیری شد. داده های عوارض زمین این نقاط نیز با استفاده از مدل رقومی ارتفاع استخراج گردید. سپس اعتبار توابـع اشـتقاق یافتـه در تعیین هدایت هیدرولیکی اشباع خاک، با استفاده از جذر میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب همبستگی پیرسون (r) ارزیابی شد. با توجه به نتایج، هدایت هیدرولیکی اشباع با میانگین هندسی قطر ذارت و مقدار شن دارای بیشترین همبستگی بود (به ترتیب دارای ضـرایب همبستگی 58/0 و 56/0). بین داده های عوارض زمین و هدایت هیدرولیکی اشباع خاک همبستگی معنی داری (05/0p<) وجود نداشت. نتایج نشان داد که هدایت هیدرولیکی اشباع خاک می تواند با دقت متوسطی با استفاده از توابع انتقالی اشتقاقی توسط رگرسیون خطی چندگانه گام به گام برآورد شود (0.61 = r و RMSE=1.01 Ln (mm/hr)). نتایج همچنین بیان گر این موضوع بود که هدایت هیدرولیکی اشباع می تواند با استفاده از ویژگی های زودیافت خاکی توسط شبکه عصبی مصنوعی نیز پیش بینی شود (0.75 = r و RMSE=9.34 mm/hr). با توجه به نتایج، استفاده از داده های عوارض زمین به همراه ویژگی های زودیافت خاکی می تواند منجر به برآوردهایی دقیق تر از هدایت هیدرولیکی اشباع خاک گردد (0.86 = r و RMSE=4.09 mm/hr). این در حالی است که بهره گیری از داده های عوارض زمین به تنهایی در شبکه های عصبی برآوردهایی قابل قبول از هدایت هیدرولیکی اشباع خاک ندا