شبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران

2 کارشناسی ارشد منابع آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

10.22125/iwe.2019.95884

چکیده

استفاده بیش از حد نیترات می­تواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه به­منظور طراحی و مدیریت سیستم­های آبیاری قطره­ای ضروری است. در این تحقیق به­منظور مدل­سازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک به­دلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار می­کند. در این تحقیق، به­منظور شبیه­سازی الگوی توزیع نیترات، آزمایش­هایی برروی سه نوع بافت مختلف خاک در سیستم­های آبیاری قطره­ای سطحی و زیرسطحی انجام پذیرفت. قطره­چکان‌ها در سه عمق 15، 30 و 45 سانتی­متر مورد ارزیابی قرار گرفتند. دبی­ قطره­چکان‌ها با مقادیر 4/2 (Q1)، 4 (Q2)و 6 (Q3) لیتر در ساعت اعمال گردید. همچنین تیمارهای کود آبیاری شامل سه تیمار با غلظت نیترات 125، 250 و 375 میلی­گرم در لیتر بودند. با در نظر گرفتن متغیرهای نیترات اولیه خاک، غلظت نیترات در کود آبیاری، رطوبت اولیه خاک، فاصله شعاعی نقاط مورد نظر، حجم آب کاربردی در زمان آبیاری، هدایت هیدرولیکی خاک، دبی قطره­چکان، عمق نصب قطره­چکان، چگالی ظاهری خاک و همچنین نسبت درصد شن، سیلت و رس روابطی را برای تخمین الگوی توزیع نیترات در سیستم آبیاری قطره­ای سطحی و زیر سطحی با استفاده از شبکه عصبی مصنوعی ارایه شد. نتایج مقایسه بین مقادیر شبیه­سازی شده و اندازه­گیری‌شده نشان دادند که مدل شبکه عصبی با دقت بالایی نیترات را پیش­بینی می­کند و مقادیر ضریب همبستگی (R) برای سیستم آبیاری قطره­ای سطحی از 9/0 تا 94/0 و برای سیستم آبیاری قطره­ای زیرسطحی از 8/0 تا 96/0 تغییر می­کند.

کلیدواژه‌ها


عنوان مقاله [English]

Simulation of Nitrate Distribution Pattern in Drip Irrigation Systems using artificial neural network

نویسندگان [English]

  • Bakhtiar Karimi 1
  • Parva Mohammadi 2
1 Assistant Professor, Department of Water Engineering, University of Kurdistan, Sanandaj, Iran
چکیده [English]

Surplus application of nitrate can lead to contamination of groundwater resources. Accurate knowledge of nitrate distribution in the root zone is essential for the design and management of drip irrigation systems. In this study, artificial neural network (ANN) model is used based on strong pattern recognition technique that made reasonable relations between input and output parameters. In order to simulate the nitrate distribution pattern, the Experiments were set on three different soil textures for surface and subsurface drip irrigation systems. The drippers were installed at 3 different soil depths (i.e. 15, 30 and 45 cm). The emitter outflows were considered as 2.4, 4 and 6 lit/hr. The fertigation treatments include treatments with nitrate concentrations of 125, 250 and 375 mg/liter. The effective variables include the initial nitrate of soil, nitrate concentrations in fertigation, initial soil moisture content, radial distance of points, applied water volume, saturated hydraulic conductivity, emitter discharge, emitter installation depth, soil bulk density, and the proportions of sand, silt and clay of soil. The mentioned variables were utilized for estimation of nitrate distribution pattern of surface and subsurface drip irrigation systems using ANN model. The comparisons results of simulated and measured values indicated that ANN models were capable methods for prediction of nitrate distribution. The values of correlation coefficient (R) were ranged 0.9-0.94 and 0.8-0.96 for surface and subsurface drip irrigation systems, respectively.

کلیدواژه‌ها [English]

  • Drip Irrigation
  • Artificial Neural Network
  • Simulation
  • Nitrate