مدل‌سازی منحنی مشخصه رطوبتی برخی خاک‌های ایران با استفاده از توابع انتقالی شبه پارامتریک شبکه عصبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم و مهندسی آبیاری، دانشکده کشاورزی، دانشگاه فردوسی مشهد

2 استاد دانشکده کشاورزی، دانشگاه فردوسی مشهد

3 استادیار پژوهش، مرکز تحقیقات کشاورزی خراسان رضوی

4 مربی آموزشکده کشاورزی، دانشگاه فردوسی مشهد

5 کارشناس ارشد خاکشناسی، دستیار تحقیق

چکیده

مدل­سازی جریان آب و انتقال املاح در منطقه غیر اشباع نیازمند آگاهی از خصوصیات هیدرولیک خاک از جمله منحنی نگهداشت آب است. تخمین غیر مستقیم این توابع با استفاده از خصوصیات پایه خاک در قالب توابع انتقالی توجه کارشناسان رشته­های مختلفی را به خود جلب کرده است. امروزه، استفاده از مدل­های شبکه­های عصبی برای اشتقاق توابع انتقالی بسیار معمول است. در این پژوهش، توابع جدید شبه پارامتریک شبکه عصبی معرفی و ارزیابی شد و عملکرد آن­ها با توابع مرسوم نقطه­ای و پارامتریک مقایسه شد. همچنین، تاثیر دو روش متفاوت آموزش مستقیم و غیر مستقیم مورد ارزیابی قرار گرفت. تمامی تحلیل­ها بر روی 122 نمونه خاک از شمال و شمال شرق ایران (آمل و بابل، کرج و بجنورد) انجام شد که به صورت تصادفی انتخاب شده بودند. به طورکلی، نتایج توابع پارامتریک نسبت به نقطه­ای بهتر بودند، به طوری که میانگین نمایه­های r و RMSE در توابع پارامتریک به ترتیب 93/0 و 032/0 و در توابع نقطه­ای به ترتیب 76/0 و 034/0 می­باشد.از طرف دیگر، توابع شبه پارامتریک توانستند با استفاده از اطلاعاتی مشابه برای آموزش، نتایج توابع نقطه­ای را بهبود بخشند. میانگین نمایه­های r و RMSE در توابع شبه پارامتریک به ترتیب برابر با 95/0 و 026/0 بود. به نظر می­رسد افزایش نمونه­ها در فاز آزمایش و انتخاب پتانسیل ماتریک به عنوان ورودی، مهم­ترین دلایل موفقیت توابع شبه پارامتریکباشد. همچنین نتایج نشان دادند که اشتقاق توابع انتقالی با داده­های محلی (آموزش مستقیم) نتایج بهتری نسبت به اشتقاق داده­ها با استفاده از پایگاه داده­های جهانی (آموزش غیر مستقیم) دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling water retention curve of some Iranian soils using pseudo parametric neural network pedotransfer functions

نویسندگان [English]

  • Amir Hagh verdi 1
  • Bizahn Ghahreman 2
  • Mohammad Jalini 3
  • Ali Asghar Khoshnood yazdi 4
  • Zahra Arabi 5
چکیده [English]

Modeling water flow and solute transport in unsaturated zone requires knowledge of soil hydraulic properties such as water retention curve. Indirect determination of these functions from basic soil properties using pedotransfer functions (PTFs) has attracted the attention of researchers in a variety of fields. Nowadays using of ANNs models for PTFs deriving is very usual. In this research we introduced and evaluated new pseudo pedotransfer functions and compared with point and parametric pedotransfer function. Also impact of two different method of training, direct and indirect was calculated. All the calculation is done on 122 soil samples of north and north east of Iran that were selected randomly. Generally result of parametric functions was better than point functions. The average of r and RMSE indicators in parametric functions are 0.93 and 0.032 and in point functions are 0.76 and 0.034. On the other hand pseudo parametric functions improved the results of point functions with using the same information’s for training. The average of r and RMSE indicators in pseudo parametric functions are 0.95 and 0.026. It seems that increasing of samples in training phase and select the matric potentials as input are the most important factors in pseudo parametric functions success. Also results show that using local data for deriving pedotransfer functions (direct training) is better than using universal data base (indirect training).

کلیدواژه‌ها [English]

  • Pedotransfer functions
  • pseudo parametric functions
  • water retention curve
  • direct and indirect training

1. خوشنود یزدی، ع. ا. 1370. برآورد منحنی رطوبتی خاک از روی خصوصیات فیزیکی در برخی از خاک­های ایران. پایان نامه کارشناسی ارشد. دانشکده کشاورزی دانشگاه تهران. 144 صفحه.

2. عربی، ز. 1383. پیش­بینی منحنی رطوبتی با استفاده از توزیع ذرات خاک. دانشگاه آزاد. واحد علوم و تحقیقات. پایان نامه کارشناسی ارشد. دانشکده کشاورزی. 86 صفحه.

3. Acutis, M. and M. Donatelli. 2003., SOILPAR 2.00: software to estimate soil hydrological parameters and functions. Eur. J. Agron., 18:373–377.

4. Baker, L. and D. Ellison. 2008. Optimisation of pedotransfer functions using an artificial neural network ensemble method. Geoderma, 144:212-224.

5. Carney, J. G. and P. Cuningham. 1999. The NeuralBAG algorithm: Optimizing generalization performance in bagged neural networks. 7th European Symposium on Artificial Neural Network. Bruges (Belgium).

6. Cornelis, W.؛ M. G. Ronsyn ؛ M. Van Meirvenne and R. Hartmann. 2001. Evaluation of pedotransfer functions for predicting the soil moisture retention curve. Soil Sci. Soc. Am. J., 65:638–648.

7. Merdun, H. ؛O. Cinar ؛ R. Meral and M. Apan. 2006. Comparison of artificial neural network and regression pedotransfer functions for prediction of soil water retention and saturated hydraulic conductivity. Soil & Tillage Research, 90:108–116.

8. Minasny, B. and A. B. McBratney. 2002a. The Neuro-m method for fitting neural network parametric pedotransfer functions. Soil Sci. Soc. Am. J., 66:352–361.

9. Minasny, B. and A. B. McBratney. 2002b. Neuropack. Neural network package for fitting pedotransfer functions. Technical Note. v 1.0. Retrieved February 16. 2004 from the Australian Centre for Precision Agriculture. Web site: http://www.usyd.edu.au/su/agric/acpa.

10. Nemes, A.؛ M. G. Schaap and J. H. M. Wo¨sten. 2003. Functional evaluation of pedotransfer functions derived from different scales of data collection, Soil Sci. Soc. Am. J., 67:093–1102.

11. Parasuraman, K.؛ A. Elshorbagy and B. C. Si. 2006. Estimating saturated hydraulic conductivity in spatially variable fields using neural network ensembles. Soil Sci. Soc. Am. J., 70:1851–1859.

12. Rawls, W. J.؛ T. J. Gish and D. L. Brakensiek. 1991. Estimating soil water retention from soil physical properties and characteristics. Adv. Soil Sci., 9:213–234.

13. Schaap, M. G. and F. J. Leij. 1998a. Database related accuracy and uncertainty of pedotransfer functions. Soil Sci., 163(10):765-779.

14. Schaap, M. G. and F. J. Leij. 1998b. Using neural networks to predict soil water retention and soil hydraulic conductivity. Soil & Tillage Research, 47:37-42.

15. Sharma, S. K.؛ B. P. Mohanty and J. Zhu. 2006. Including topography and vegetation attributes for developing pedotransfer functions. Soil Sci. Soc. Am. J., 70:1430-1440.

16. Ungaro, F.؛  C. Calzolari and E. Busoni. 2005. Development of pedotransfer functions using a group method of data handling for the soil of the Pianura Padano–Veneta region of North Italy: water retention properties. Geoderma, 124(3-4):293-317.

17. WÖsten, J. H. M.؛ P. A. Finke and M. J. W. Jansen. 1995. Comparison of class and continuous pedotransfer functions to generate soil hydraulic characteristics. Geoderma, 66:227–237.