ارزیابی برآورد انرژی انتگرالی آب خاک با استفاده از مدل‌های خطی و غیرخطی

علی‌محمدی, مجتبی; زارع حقی, داوود; نیشابوری, محمدرضا; قربانی, محمدعلی

doi:10.22098/mmws.2025.18678.1711

ارزیابی برآورد انرژی انتگرالی آب خاک با استفاده از مدل‌های خطی و غیرخطی

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

¹ دانشجوی دکتری، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

² دانشیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

³ استاد، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

⁴ استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

10.22098/mmws.2025.18678.1711

چکیده

مشخص کردن فراهمی آب برای گیاهان در انواع خاک‌ها از چالش‌های مهم مدیریت آبیاری در کشاورزی است. تعیین فراهمی آب خاک با استفاده از مفاهیم مختلفی همچون آب قابل‌استفاده (AWC)، دامنه آب (رطوبت) با حداقل محدودیت (LLWR)، گنجایش انتگرالی آب خاک و انرژی انتگرالی آب خاک (IE) پیشنهاد گردیده است. شاخص انرژی انتگرالی آب خاک (IE) نسبت به سایر معیارها بهتر است زیرا مستقیماً نیروی نگه‌دارندگی آب خاک را اندازه‌گیری می‌کند و نه صرفاً حجم آب موجود در خاک. باوجوداین مزیت، اما به علت وقت‌گیر بودن و هزینه بربودن، اندازه‌گیری مستقیم آن‌ عملاً مقرون‌به‌صرفه نبوده و در عرصه میدانی کاربرد چندانی نداشته است. در این پژوهش سه روش رگرسیون چندمتغیره خطی (MLR)، شبکه عصبی مصنوعی (ANN) و یادگیری عمیق (DL) برای ایجاد و ارزیابی توابع انتقالی در برآورد IE بکار گرفته شد. برای این منظور از داده‌های خاک در ۹۷ مکان از اراضی زراعی و مرتعی حاشیه‌ای دریاچه ارومیه استفاده شد. درصد خاکدانه‌های پایدار در آب، جرم مخصوص ظاهری، تخلخل کل، هدایت هیدرولیکی اشباع، درصد ذرات شن، رس و سیلت، مقاومت فروروی در رطوبت اشباع، درصد کربنات کلسیم معادل و رطوبت اشباع خاک به‌عنوان ورودی مدل‌ها مورداستفاده قرار گرفت. مدل‌های ایجادشده با استفاده از آماره‌های ارزیابی مانند ضریب تبیین R²، ضریب تعیین تعدیل‌شده R²_adjusted، جذر میانگین مربعات خطا RMSE، خطای نسبی RMSEr، ضریب کارایی مدل NSE، میانگین درصد خطای نسبی RME ارزیابی شد. نتایج نشان داد که روش یادگیری عمیق با بیشترین ضریب تبیین تعدیل‌شده (آموزش: ۹۹۸/۰، آزمون: ۶۶۱/۰) و کمترین مقدار جذر میانگین مربعات خطا (آموزش: 943/15، آزمون: 593/118) روش شبکه عصبی مصنوعی (آموزش: ۹۴۵/۰، آزمون: ۵۱۴/۰) و جذر میانگین مربعات خطا (آموزش: 347/45، آزمون: 267/139) و روش رگرسیون چندمتغیره خطی (آموزش: 544/۰، آزمون: ۳۱۷/۰) و جذر میانگین مربعات خطا (آموزش: 955/126، آزمون: 239/264) به ترتیب بهترین برآورد را از شاخص IE ارائه می‌دهند.

کلیدواژه‌ها

موضوعات