ارزیابی مدل های روش زمین آماری کریجینگ جهت تخمین هدایت الکتریکی (EC) آبهای زیرسطحی دشت خمین
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,058
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PWSWM02_125
تاریخ نمایه سازی: 12 شهریور 1392
Abstract:
تعیین میزان شوری آب در مناطق مختلف و انتخاب محصولات مناسب و مقاوم با شوری در استفاده بهینه از اراضی زراعیو افزایش محصولات در واحد سطح، موثر خواهد بود. هدایت الکتریکی بهترین شاخص برای بیان میزان شوری آب می باشدکه به راحتی قابل اندازه گیری است. در این پژوهش، با استفاده از مدل های متفا وت روش زمین آماری کریجینگ ، مانند گوسی،کروی، نمایی و غیره، تغییرات مکانی مقادیر هدایت الکتریکی (EC) آبهای خروجی از قنات ها و چاه های واق ع در نواحی مرکزی و شرقی دشت خمین مورد بررسی قرار گرفت. به این منظور بر اساس نمونه برداری صورت گرفته در مهرماه سال 1389 از 27 حلقه چاه و قنات، مقدار هدایت الکتریکی (EC) آنها اندازه گیری شد.سپس در محیط نرم افز اری سیستم اطلاعات جغرافیایی (GIS) نمونه آب های برداشت شده مورد تجزیه و تحلیل قرار گرفت. به دلیل محدودیت های اقتصادی و دیگر مشکلات عملی و محیطی، نمونه برداری ها تنها در نقاط معدودی صورت می پذیرد. برای رفع این مشکل و اطلاع از وضعیت پارامتر (EC) در مناطقی که نمونه برداری صورت نگرفته بود، با استفاده از تکنیک میان یابی و با بکارگیری شاخص نیم تغییرنما در انواع روش های زمین آماری، نمونه های برداشت شده در نقاط مشخص، به سطح تعمیم داده شد و سپس هر یک از روش ها مورد ارزیابی قرار گرفت. ارزشیابی مدل ها در این مطالعه، مقادیر میانگین خطا (ME)، میانگین استاندارد شده خطا (MSE) و ریشه مربع میانگین خطای استاندارد شده (RMSSE) بود. نتایج بدست آمده نشان داد که مدل گوسی دارای بیشرین دقت در برآورد تغییرات مکانی میزان هدایت الکتریکی در دشت خمین را دارد.
Keywords:
Authors
سعید گزمه
دانشجوی کارشناسی ارشد گروه علوم خاک دانشگاه زابل
سهیلا رضازاده شمخال
دانشجوی کارشناسی ارشد گروه علوم خاک دانشگاه زابل
محمد حاتم خانی
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه زابل
ابراهیم شیرمحمدی
مربی گروه علوم خاک دانشگاه زابل
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :