| تعداد نشریات | 56 |
| تعداد شماره‌ها | 2,142 |
| تعداد مقالات | 22,135 |
| تعداد مشاهده مقاله | 96,685,973 |
| تعداد دریافت فایل اصل مقاله | 34,371,722 |
مدل‌سازی پارامترهای مقاومت برشی خاک سطحی در مقیاس زمین نما به کمک برخی ویژگی های خاک و محیطی در اراضی منطقه سمیرم استان اصفهان | ||
| آب و خاک | ||
| مقاله 6، دوره 28، شماره 2، خرداد 1393، صفحه 319-329 اصل مقاله (640.52 K) | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.22112 | ||
| نویسندگان | ||
| َشقایق هوائی1؛ شمس الله ایوبی* 2؛ محمد رضا مصدقی1 | ||
| 1دانشگاه صنعتی اصفهان | ||
| 2دانشگاه صنعتی اصفهان-دانشکده کشاورزی | ||
| چکیده | ||
| مقاومت برشی خاک سطحی یکی از مهم ترین ویژگی های مؤثر 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 کیلو متر مربع در اراضی شهرستان سمیرم، واقع در استان اصفهان انتخاب و نمونه برداری خاک (5-0 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 ماده 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 MLRو ANNs جهت پیش-بینی مقاومت برشی خاک سطحی (c و φ) 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 غیر خطی بین پارامتر ها است. نتایج تجزیه حساسیت 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 پارامتر φ 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. | ||
| کلیدواژه‌ها | ||
| مقاومت برشی خاک سطحی؛ شبکه عصبی مصنوعی؛ چسبندگی؛ زاویه اصطکاک داخلی؛ تجزیه حساسیت | ||
|
آمار تعداد مشاهده مقاله: 5,004 تعداد دریافت فایل اصل مقاله: 1,704 |
||