برآورد مکانی هدایت هیدرولیکی اشباع خاک با استفاده از ویژگی های خاک و متغیرهای محیطی

ویژگی های هیدرولیکی خاک، به ویژه هدایت هیدرولیکی اشباع (Ks)، نقشی کلیدی در حل مسائل مرتبط با مدیریت خاک و آب در سیستم های کشاورزی، بوم شناسی و زیست محیطی دارند. اندازه گیری مستقیم این ویژگی ها دشوار، پرهزینه و زمان بر است؛ از این رو، استفاده از روش هایی غیرمستقیم برای برآورد آنها رایج است. در این پژوهش با بهره گیری از ویژگی های زودیافت خاک و متغیرهای کمکی محیطی (داده های عوارض زمین و سنجش از دور)، کارایی روش های رگرسیون خطی چندگانه (MLR)، درخت تصمیم (DT) و شبکه های عصبی مصنوعی (ANN) در برآورد و نقشه سازی توزیع مکانی Ks بخش هایی از حوضه های آبخیز چرداول و چمشیر (استان ایلام) ارزیابی شد. بدین منظور، Ks در ۹۵ نقطه از محدوده مورد مطالعه با استفاده از دستگاه نفوذپذیری آب به خاک گولف اندازه گیری شد. برخی از ویژگی های زودیافت خاک و متغیرهای کمکی محیطی نیز در این نقاط تعیین شد. سپس اعتبار مدل های اشتقاق یافته در برآورد Ks با استفاده از ضریب تبیین (R²)، جذر میانگین مربعات خطا (RMSE)، ضریب همبستگی تطابق (rc) و میانگین خطا (ME) ارزیابی شد. نتایج ارزیابی این مدل ها نشان داد که مدل ANN عملکرد بهتری نسبت به مدل‎ های MLR و DT در تخمین Ks داشت. مدل های MLR و DT مقادیر Ks را کمتر از مقدار واقعی برآورد کردند، در حالی که ANN تخمین هایی دقیق تر و پایاتر ارائه کرد. نتایج همچنین نشان داد که نقشه تغییرپذیری مکانی Ks می تواند با تلفیق ویژگی های زودیافت خاک و متغیرهای کمکی محیطی تهیه شود؛ این رویکرد می تواند به توسعه مدل های اگروهیدرولوژیکی در مناطق با محدودیت داده کمک کند. در مجموع یافته ها بیان گر آن است که افزودن داده های کمکی محیطی به ویژگی های خاک می تواند باعث افزایش دقت برآورد Ks، به ویژه در مدل ANN، شود.

کلیدواژه ها:

درخت تصمیم ، سنجش از دور ، شبکه عصبی مصنوعی ، عوارض زمین ، ویژگی هیدرولیکی خاک