حسین بیات

دامنه رطوبتی با حداقل محدودیت (LLWR) یک شاخص کیفیت فیزیکی خاک است که به طور گسترده‌ای برای مدیریت آب مورد استفاده قرار می‌گیرد. همچنین روش گنجایش آب انتگرالی (IWC) به عنوان روش نوین آب قابل استفاده خاک برای گیاه پیشنهاد شده است. اﻧﺪازهﮔﯿﺮی LLWR و IWC به طور ﺗﺠﺮﺑﯽ ﺑﻪ ﻫﺰﯾﻨﻪ و زﻣﺎن زﯾﺎدی ﻧﯿﺎز دارد. ﺑﻪ ﮐﺎرﮔﯿﺮی ﺗﻮاﺑﻊ انتقالی (PTF ) ﻣﯽﺗﻮاﻧﺪ ﺑﺮآورد این مفاهیم را تسریع کند. ﺗﺎﮐﻨﻮن ﺗﻼش‌های بسیار اندکی در ﺟﻬﺖ ﺗﻮﺳﻌﻪ ﺗﻮاﺑﻊ انتقالی ﺑﺮای ﺑﺮآورد LLWR و IWC از ﺧﺼﻮﺻﯿﺎت زودﯾﺎﻓﺖ ﺧﺎک با روشﻫﺎی نوین ﺻﻮرت گرﻓﺘﻪ اﺳﺖ. ﻫﺪف از اﯾﻦ ﭘﮋوﻫﺶ ﺑﺮرﺳﯽ ﺑﺮآورد LLWR و IWC و منحنی نگه‌داری آب خاک (با توابع شبه‌پیوسته) با استفاده از ویژگی‌های ﻓﯿﺰﯾﮑﯽ، مکانیکی و ﺷﯿﻤﯿﺎﯾﯽ ﻣﺘﻌﺪد با به کار‌گیری روش‌های پرسپترون چندلایه، رگرسیون فرآیند گوسی ، شبکه بیزین (شبکه عصبی بر پایه الگوریتم آموزشی بیزین )، M5 (نوعی درخت رگرسیونی)، ماشین‌های یادگیری افراطی (ELM) ، ماشین بردار پشتیبان (SVM ) با تابع هسته خطی و برنامه‌ریزی ژنتیک ) (GP و برخی دیگر روش‌ها می‌باشد. تعداد 120 نمونه از استان‌های تهران و همدان برداشت شد. بر روی نمونه‌های برداشت شده ویژگی‌های فیزیکی، شیمیایی و مکانیکی از جمله LLWR و IWC اندازه‌گیری شد. تعداد 28 تابع انتقالی، در قالب 7 گروه، با استفاده از ترکیب‌های مختلف از متغیرهای ورودی ایجاد و LLWR و IWC با هفت روش مذکور تخمین زده شد. استفاده از بافت خاک باعث ایجاد ضعیف‌ترین مدل در این تحقیق و در عین حال قابل قبول در مقایسه با نتایج گزارش شده توسط دیگر محققین گردید، که در شرایط عدم وجود اطلاعات اضافی می‌توان از آن استفاده نمود. استفاده از اجزای بافت خاک موجب بهبود معنی‌دار تخمین LLWR و IWC گردید، اما جرم مخصوص ظاهری فقط تخمین LLWR را بهبود داد که نشان‌دهنده اثر کمتر جرم مخصوص ظاهری در محاسبه IWC نسبت به LLWR است. استفاده از FC و PWP به‌عنوان تخمین‌گر علاوه بر اجزای بافت خاک و جرم مخصوص ظاهری، باعث ایجاد مدل‌هایی با کمترین خطا در بین 28 مدل ایجاد شده در این تحقیق گردید. همچنین کارایی FC در بهبود تخمین‌های LLWR و IWC نسبت به PWP بیشتر بود. ضریب تغییرات بالای PWP (39 درصد) در مقایسه با FC (30 درصد)، و همبستگی بیشتر FC نسبت‌به PWP با LLWR و IWC عامل این نتیجه بود. استفاده از dg و Sg به‌عنوان تخمین‌گر برای بهبود تخمین LLWR و IWC برتری نسبت به استفاده از رس و شن به‌عنوان تخمین‌گر نداشتند. تاثیر مستقیم اجزای بافت خاک بر نگه‌داری رطوبت عامل این نتیجه بود. استفاده از OM، Ks، MWD، PR300، PR3000 به‌عنوان تخمین‌گر در مدل‌های 10 تا 16، علاوه بر رس، شن و BD، موجب بهبود معنی‌دار دقت یا قابلیت اعتماد (یا هر دو) تخمین‌ها در مدل‌های مذکور نسبت به مدل 3، در اکثر روش‌ها گردید. به‌طور کلی استفاده از CEC و CaCO3 به‌عنوان تخمین‌گر فقط در برخی روش‌ها موجب بهبود معنی‌دار دقت یا قابلیت اعتماد (یا هر دو) تخمین LLWR و IWC گردید. بنابراین، لازم است برای ایجاد هر مدل بهترین روش مورد استفاده قرار گیرد، که غالبا بر اساس آزمون و خطا به‌دست می‌آید. EC و pH تاثیر قابل توجه و قوی در بهبود تخمین LLWR و IWC داشتند. چراکه، ارتباط قوی با توزیع اندازه منافذ و عوامل نگه‌داشت آب در خاک دارند. استفاده از ترکیب‌های مختلفی از پارامترهای مربوط به منحنی تراکم محصور، موجب بهبود معنی‌دار دقت یا قابلیت اعتماد (یا هر دو) تخمین LLWR‌ و IWC در اکثر مدل‌های 21 تا 24، نسبت به مدل 3، در تمام روش‌ها، بجز GP، گردید. همچنین تاثیر پارامترهای منحنی تراکم محصور در بهبود تخمین IWC بیشتر از LLWR بود. نفوذپذیری هوا تاثیر قابل توجهی در تخمین‌ها نداشتند. توزیع خطای تخمین LLWR‌ و IWC بر روی مثلث بافت خاک وابسته به بافت، روش ایجاد مدل و تخمین‌گر‌های استفاده شده بود. در تخمین هر دو متغیر LLWR و IWC، دو روش RGPE و M5 به‌ترتیب کمترین خطای تخمین را در مرحله معتبرسازی داشتند. در تخمین هر دو متغیر LLWR و IWC، روش ELM بیش‌ترین خطای تخمین را در مرحله معتبرسازی داشت. در تخمین منحنی نگه‌داری آب خاک با استفاده از توابع انتقالی شبه‌پیوسته نیز روند تاثیر متغیرها بر بهبود تخمین‌ها تقریبا مشابه روند تاثیر آن‌ها بر تخمین LLWR‌ و IWC بود. به‌طور کلی، درصورت در دسترس بودن FC و PWP، استفاده از آن‌ها به‌عنوان تخمین‌گر باعث ایجاد بهترین مدل‌ها در تخمین منحنی نگهداری آب خاک، LLWR‌ و IWC می‌گردد، هرچند بسیاری از ویژگی‌های فیزیکی، مکانیکی و شیمیایی نیز دارای تاثیر معنی‌دار بودند.