بهینه یابی برآورد میزان رسوب معلق در مناطق خشک مطالعه موردی: حوضه فخرآباد مهریز (یزد)

فرسایش خاک، بی شک یکی از مهمترین مسایل و مشکلات موجود در عرصه های طبیعی کشور است و آثار مخربی در اکوسیستم های مختلف به جای میگذارد. با توجه به اینکه محاسبه مقادیر رسوب از طریق ایستگاه های رسوب سنجی و اندازه گیری های مستقیم فرسایش فرایندی هزینه بر و مشکل است، یافتن روش هایی برای برآورد دقیق میزان رسوب دهی حوضه های آبخیز به ویژه در مناطق خشک و فراخشک به دلیل شرایط حساس اکولوژیکی ضروری می نماید. یکی از روش هایی که تا به امروز در این مناطق نسبت به سایر روش های برآورد رسوب بیشتر مورد استفاده قرار گرفته است روش های رگرسیونی سنجه رسوب میباشد. لذا در این تحقیق مقادیر رسوب مشاهداتی 48 واقعه (دبی و رسوب متناظر) در یک دوره 23 ساله حوضه فخرآباد- مهریز با مقادیر برآوردی از روش های سنجه چند خطی، حد وسط دسته ها، منحنی سنجه حد وسط دسته ها با ضریب اصلاحی SMEARING ،QMLE و ضریب اصلاحی FAO و همچنین با نتایج حاصل از روش شبکه عصبی مصنوعی ANN مورد مقایسه قرار گرفته و صحت هر یک از این روش ها مورد آزمون قرار گرفت. بررسی حاصل از آزمون های مجذور میانگین مربع خطاها RMSE ضریب تبیین R2 و معیار ناش ME کارایی بالاتر روش شبکه عصبی ANN را نسبت به سایر روشهای مذکور نشان دادند. نتایج آزمون های مذکور برای روش شبکه عصبی مصنوعی به عنوان روش بهینه به ترتیب 203/3 ، 0/86 و 0/66 را نشان دادند. نتایج حاصل مبین این است که در استفاده از هر روشی برای برآورد رسوب معلق جریان در مناطق خشک و فراخشک به دلیل ماهیت داده های مشاهداتی و همچنین رژیم خاص جریان ها که اغلب بهصورت موقت و فصلی می باشند باید جانب احتیاط را رعایت نمود. در عین حال بررسی نتایج این تحقیق گویای انعطاف پذیری بالاتر مدلهای شبکه عصبی مصنوعی است که آنها را به ابزار مناسبی جهت مدلسازی در شرایطی که با فقر داده مواجه هستیم مبدل می سازد.

Keywords:

منحنی سنجه رسوب , مدلسازی , ضرایب اصلاحی , شبکه عصبی مصنوعی