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   

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