مدل سازی پارامترهای مقاومت برشی خاک سطحی در مقیاس زمین نما به کمک برخیویژگی های خاک و محیطی در اراضی منطقه سمیرم استان اصفهان

Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 414

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JSW-28-2_008

تاریخ نمایه سازی: 2 آبان 1396

Abstract:

مقاومت برشی خاک سطحی یکی از مهم ترین ویژگی های موثر در تخمین و اندازه گیری فرسایش خاک بوده که اندازه گیری مستقیم آن در سطح حوضه آبخیز هزینه بر و وقت گیر می باشد. این پژوهش با هدف پیش بینی مقاومت برشی خاک سطحی و رتبه بندی مهم ترین فاکتورهای موثر بر آن، با استفاده از مدل سازی توسط روش های شبکه عصبی مصنوعی ANNs و رگرسیون چندمتغیره خطی MLR و مقایسه این دو روش انجام شد . برای اندازه گیری مقاومت برشی خاک سطحی در صحرا، دستگاه جعبه برش مستقیم طراحی و ساخته شد که قادر به تعیین هر دو پارامتر چسبندگی c و زاویه اصطکاک داخلی ϕ می باشد. منطقه مورد مطالعه به مساحت 3500 کیلومترمربع در اراضی شهرستان سمیرم، واقع در استان اصفهان انتخاب نمونه برداری خاک 0-5 سانتی متری و اندازه گیری مقاومت برشی خاک سطحی توسط دستگاه مزبور در 100 نقطه انجام شد . ویژگی های توزیع اندازه ذرات، درصد رس ریز ، مقدار ما ده آلی ، درصد آهک، چگالی ظاهری و درصد سنگ ریزه خاک روی نمونه های خاک تعیین شدند . شاخص نرمال شده پوشش گیاهی NDVI ، کاربری زمین و نوع سازند زمین شناسی نیز تعیین گردید. مدل سازی به دو روش MLR و ANNsجهت پیش بینی مقاومت برشی خاک سطحی ϕ و c انجام شد . به منظور ارزیابی و مقایسه عملکرد مدل های مذکور از شاخص های ضریب تبیین و ریشه میانگین مربعات خطا استفاده شد . نتایج نشان دهنده دقت مناسب روش ANNs نسبت به روش MLR به دلیل توانایی زیاد شبکه عصبی در کشف و بررسی روابط پیچیده غیرخطی بین پارامتر ها است . نتایج تجزیه حساسی ت بر اساس مدل های شبکه عصبی نشان داد که NDVI، چگالی ظاهری و میزان رس ریز فاکتورهایی هستند که به کمک آن ها می توان c خاک را پیش بینی کرد . نتایج تجزیه حساسیت در مورد پارامترϕ نشان داد که میزان شن، چگالی ظاهری و NDVI مهم ترین فاکتور ها و نسبت OM/Clay و مقدار ماده آلی کم اهمیت ترین فاکتورها در پیش بینی این پارامتر در منطقه مورد بررسی بودند.

Authors

شقایق هوایی

دانشجوی دکتری، گروه خاکشناسی، دانشکده کشاورزی، دانشگاه ولی عصررفسنجان

شمس اله ایوبی

دانشیار گروه خاک شناسی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان

محمدرضا مصدقی

دانشیار گروه خاک شناسی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان