1404/11/10
عباس رضائی

عباس رضائی

مرتبه علمی: استادیار
ارکید:
تحصیلات: دکترای تخصصی
شاخص H:
دانشکده: دانشکده کشاورزی
اسکولار:
پست الکترونیکی: ab_rez [at] yahoo.com
اسکاپوس:
تلفن:
ریسرچ گیت:

مشخصات پژوهش

عنوان
شبیه سازی منحنی مشخصه آب خاک با استفاده از روش جنگل تصادفی
نوع پژوهش
پایان نامه
کلیدواژه‌ها
منحنی مشخصه آب خاک، مکش خاک، جنگل تصادفی، برنامه ریزی بیان ژن ،معادله ون گنوختن
سال 1403
پژوهشگران سروین عصمت دخت باقری(دانشجو)، علی حسین زاده دلیر(استاد راهنما)، جلال شیری(استاد راهنما)، عباس رضائی(استاد مشاور)

چکیده

منحنی مشخصه آب خاک (SWC) بیانگر حالات مختلف رطوبتی خاک است که ویژگی های بخش غیر اشباع خاک را به صورت کمی بیان میکند و نقش مهمی در درک فرآیندهای هیدرولوژیکی خاک از جمله نفوذ، زهکشی و تبخیر دارد. اندازه گیری این منحنی توسط برخی از روش‌های تجربی (صحرایی) همانند دستگاه صفحات فشاری و دستگاه تابش گاما پر هزینه و همچنین وقت گیر هست. به همین دلیل تلاش‌های بسیاری به منظور برآورد غیرمستقیم منحنی مشخصه آب خاک از سایر ویژگی‌های خاک انجام گرفته است با پیشرفت علم در سال‌های اخیر استفاده از روش‌های هوشمند (غیر مستقیم) و برخی مدل‌های تجربی برای برآورد این خصوصیت مهم فیزیکی خاک، یکی از مهمترین موضوعات در مدل سازی روابط آب و خاک، توصیف کمی و استخراج روابط پیچیده بین مکش ماتریک و مقدار رطوبت موجود در ناحیه غیر اشباع خاک مطرح شده است. در تحقیق حاضر کارایی یک روش مستقیم شامل معادله تجربی ون گنوختن و روش‌های غیر مستقیم جنگل تصادفی و برنامه ریزی بیان ژن جهت برآورد منحنی مشخصه آب خاک مورد بررسی قرار گرفت به همین منظور از اطلاعات فیزیکی اندازه گیری شده مربوط به 10 نمونه خاک استفاده شد. مقادیر خطای رویکرد تو سعه داده شده توسط شاخصهای آماری مختلفی همچون میانگین انحراف خطا، جذر میانگین مربعات خطا، شاخص پراکندگی ضریب تبیین، درصد میانگین مقادیر مطلق خطا و ضریب کارایی نش ساتکلیف مورد ارزیابی قرار گرفت. به طور کلی نتایج نشان داد جنگل تصادفی به علت کم بودن تعداد داده های منفرد قابل اجرا نبوده اما عملکرد دو روش معادله تجربی ون گنوختن و برنامه ریزی بیان ژن در تخمین منحنی مشخصه آب خاک قابل قبول بوده است. نتایج نشان داد در مدل ون گنوختن خاک لوم شنی (2532) RMSE=0/002 ،R2=0/999 ،NSE= 0/998 ،SI=0/0009 و خاک رس(4680) RMSE=0/003 ،R2=0/996 ،NSE= 0/994 ،SI=0/0008 و در مدل برنامه ریزی بیان ژن، شن (4651) با RMSE=0/003 ،R2=0/984 ،NSE= 0/975 ،SI=0/035 و خاک رس (2360) با RMSE=0/006 ،R2=0/999 ،NSE= 0/964 ،SI=0/014 بهترین نتایج را داشتند.