پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شمارهها | 447 |
| تعداد مقالات | 3,935 |
| تعداد مشاهده مقاله | 6,619,328 |
| تعداد دریافت فایل اصل مقاله | 4,409,828 |
ارزیابی برآورد انرژی انتگرالی آب خاک با استفاده از مدلهای خطی و غیرخطی | ||
| مدل سازی و مدیریت آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 10 آذر 1404 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22098/mmws.2025.18678.1711 | ||
| نویسندگان | ||
| مجتبی علیمحمدی1؛ داوود زارع حقی* 2؛ محمدرضا نیشابوری3؛ محمدعلی قربانی4 | ||
| 1دانشجوی دکتری، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
| 2دانشیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
| 3استاد، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
| 4استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
| 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 R2adjusted، 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 | ||
| فراهمی آب برای گیاهان؛ روشهای برآورد؛ مدلسازی؛ دریاچه ارومیه | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 214 |
||