32 نتیجه برای حساسیت
سهیلا اسمعیلیان، علی طالبی، مجید اسماعیلیان،
جلد 22، شماره 1 - ( 3-1397 )
چکیده
شبیه‌سازی و اولویت‌بندی عوامل مؤثر در فرسایش آبی با استفاده از کاربرد مدل (USLE-M (Universal Soil Loss Equation-Modified) در مدل پویائی سیستم و بررسی کارائی آن، از اهداف تحقیق حاضر می‌باشد. در این مدل ترکیبی، با استفاده از نرم‌افزار شبیه‌سازی سیستم‌های پویا (Vensim) کلیه متغیرها و عوامل دخیل در فرسایش و هدررفت خاک با توجه به معادله USLE-M، در نظر گرفته شده است. پس از اجرای مدل، مقادیر برآورد شده و مشاهداتی با یکدیگر مقایسه و آنالیز حساسیت به‌منظور مشخص نمودن پارامترهای حساس انجام گرفته است. سپس واسنجی روی پارامترهای حساس انجام گردیده است. این مطالعه حاکی از آن است که نتایج مدل، به‌دلیل در نظر گرفتن کلیه عوامل مؤثر در فرسایش خاک، قابل قبول بوده است. نتایج حاصل از تحلیل حساسیت مدل، نشان‌دهنده حساسیت بالای مدل به شیب و پوشش گیاهی به‌ترتیب، در شیب‌های زیاد و کم بوده است. با بررسی تغییر در پارامترهای مختلف مانند پوشش گیاهی و شیب برروی مقدار فرسایش، درصد پوشش گیاهی بهینه نیز به‌ترتیب در شیب‌های 67 و 40 درصد، 20 و 60 درصد برآورد گردیده است.
زهرا عباسی، حمیدرضا عظیم زاده، علی طالبی، احد ستوده،
جلد 22، شماره 4 - ( 12-1397 )
چکیده
ارزیابی کیفی منابع آب زیرزمینی از نظر تأمین آب شرب، اهمیت شایانی دارد. منابع آب زیرزمینی دشت عجب‌شیر واقع در حاشیه دریاچه ارومیه به‌دلیل برداشت بی‌رویه با افت سطح آب و نفوذ آب شور به سفره آب شیرین مواجه شده است. هدف این مطالعه، پهنه‌بندی کیفیت آب زیرزمینی دشت با استفاده از شاخص کیفی آب زیرزمینی و سامانه اطلاعات جغرافیایی است. در این مطالعه، از نتایج آنالیز 10 پارامتر شیمیایی کلسیم، سدیم، منیزیم، پتاسیم، سولفات، بی‌کربنات، کلراید، هدایت الکتریکی، کل جامدات محلول و سختی کل در 15 حلقه چاه استفاده شد. ابتدا نقشه غلظت مؤلفه‌ها به‌روش کریجینگ ترسیم شد. سپس بر اساس استاندارد شرب سازمان بهداشت جهانی، نقشه نرمال و رتبه تهیه و با استخراج وزن هر مؤلفه از نقشه رتبه، نقشه شاخص کیفی تهیه شد. نتایج نشان داد که مقدار شاخص کیفی بین 61 تا 81 در رده‌های متوسط تا قابل قبول است. تحلیل حساسیت مدل به روش حدف تک‌نقشه نشان داد که شاخص کیفی نسبت به پتاسیم حساستر است. به‌طورکلی، شاخص کیفیت آب در شمال شرقی به جنوب غربی دشت و سایر مناطق آن به‌ترتیب در رده قابل قبول و رده متوسط قرار می‌گیرد.
فهیمه امیری میجان، حسین شیرانی، عیسی اسفندیارپور، علی اصغر بسالت پور، حسین شکفته،
جلد 23، شماره 3 - ( 9-1398 )
چکیده
استفاده از شیب منحنی مشخصه رطوبتی خاک در نقطه عطف (شاخص S)، یکی از شاخص‌های مهم ارزیابی کیفیت خاک در برنامه‌ریزی مدیریت اراضی زراعی و باغی محسوب می‌شود. هدف از این پژوهش، تعیین مؤثرترین ویژگی‌های خاک در منطقه جیرفت بر تخمین شاخص S با استفاده از الگوریتم هیبرید شبیه‌سازی تبرید - شبکه عصبی مصنوعی بود. به این منظور، 350 نمونه خاک دستخورده و 350 نمونه خاک دستنخورده از اراضی زراعی و باغی برداشت و سپس برخی از ویژگی‌های فیزیکی و شیمیایی خاک، شامل درصد شن، سیلت، رس، قابلیت هدایت‌الکتریکی اشباع، چگالی ظاهری، درصد تخلخل کل، درصد مواد آلی و درصد کربنات کلسیم معادل با استفاده از روش‌های استاندارد اندازه‌گیری شدند. همچنین با استفاده از دستگاه صفحات فشاری، مقدار رطوبت خاک در مکش‌های 0، 30،10، 50، 100، 300، 500، 1000 و 1500 کیلوپاسکال تعیین شد. در ادامه با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی- شبیه‌سازی تبرید، ویژگی‌های مؤثر بر مدل‌سازی شاخص S استخراج شدند. درنهایت با استفاده از پنج ویژگی استخراج شده (درصد ش و رس، قابلیت هدایت‌الکتریکی، چگالی ظاهری و ظرفیت زراعی)، مدل‌سازی شاخص S توسط شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که با کاهش متغییرهای ورودی، دقت مدل‌سازی افزایش یافت. بهعلاوه، نتایج آنالیز حساسیت نشان داد چگالی ظاهری با بالاترین ضریب حساسیت (ضریب حساسیت 5/0) به‌عنوان مهم‌ترین ویژگی در مدل‌سازی شاخص S محسوب می‌شود. بنابراین، از آنجا که افزایش تعداد ویژگیها لزوماً باعث افزایش دقت مدل‌سازی نمیشود، کاهش ویژگی‌های ورودی بهسبب کاهش هزینه و زمان انجام پژوهش مقرون بهصرفه است.
هادی سیاسر، تورج هنر، محمد عبداللهی پور،
جلد 23، شماره 4 - ( 12-1398 )
چکیده
تخمین تبخیر- تعرق گیاه مرجع یکی از مهم‌ترین مؤلفه‌ها در مطالعات هیدرولوژی، برنامه‌ریزی آبیاری و مدیریت منابع آب است. در این پژوهش به ارزیابی مدل‌های خطی تعمیم‌یافته، جنگل تصادفی و درخت گرادیان بوستینگ در شرایط داده‌های اقلیمی منطقه سیستان پرداخته شد. داده‌های مورد استفاده شامل دمای حداکثر، دمای حداقل، دمای میانگین، رطوبت حداکثر، رطوبت حداقل، رطوبت میانگین، بارش، ساعات آفتابی، سرعت باد و تبخیر از تشت بین سال‌های 1387 تا 1396 بود. با ارائه الگوهای مختلف شامل ترکیبی از پارامترهای هواشناسی به‌عنوان ورودی‌های مدل در مقیاس زمانی روزانه، مقدار تبخیر- تعرق توسط مدل‌های پیشنهادی به‌عنوان خروجی مدل برآورد شد. همچنین قابلیت پیش‌بینی این مدل‌ها، در مقایسه نتایج آنها با نتایج روش فائو- پنمن- مانتیث به‌عنوان روش مبنا ارزیابی شد. در بین الگوهای مورد بررسی، الگوی M1 که دارای بیشترین تعداد پارامترهای هواشناسی ورودی (10 پارامتر) بود، با کمترین خطا 0/633 RMSE = و 0/451 MAE = و بیشترین ضریب همبستگی 0/993 R= برای مدل درخت گرادیان بوستینگ، بهترین عملکرد را در بین مدل‌ها و الگوهای بالا نشان داد. با انجام فرایند حساسیت‌سنجی پارامترها، دمای هوا به‌عنوان مهم‌ترین متغیر مؤثر برای الگوهای انتخابی در هر سه مدل مطالعه‌شده، به‌دست آمد. بنابراین افزایش دقت و صحت داده‌های دما، می‌تواند به افزایش دقت مدل‌های پیشنهادی کمک کند. استفاده از مدل درخت گرادیان بوستینگ توانست بیش از 70 درصد، زمان اجرای مدل را در مقایسه با سایر مدل‌های مورد مطالعه کاهش دهد. درنهایت این پژوهش، مدل درخت گرادیان بوستینگ را برای برآورد تبخیر- تعرق در منطقه دشت سیستان توصیه می‌کند.
هیدی محمودپور، سمیه جنت رستمی، افشین اشرف زاده،
جلد 24، شماره 3 - ( 9-1399 )
چکیده
با توجه به ناکارآمد بودن شاخص DRASTIC در مسائل مربوط به بالا آمدن آب شور در مناطق ساحلی، در این پژوهش، برای ارزیابی آسیب‌پذیری آبخوان ساحلی تالش، سه پارامتر کاربری اراضی، فاصله تا ساحل و اختلاف تراز سطح آب زیرزمینی با سطح آب دریا به شاخص DRASTIC اضافه شد. نتایج حاصل از صحت‌سنجی مدل‌ها با داده‌های EC اندازه‌گیری شده از چاه‌های کیفی در دشت تالش نشان داد که DRASTIC اصلاح شده با ضریب همبستگی 0/52 نسبت به DRASTIC با ضریب 0/45 تطابق به‌نسبت بیشتری با نقشه پهنه‌بندی EC دارد. همچنین آنالیز حساسیت حذف پارامترهای مدل نیز نشان داد، که تغییر شاخص آسیب‌پذیری با حذف پارامتر عمق تا سطح ایستابی (D) در روش DRASTIC و پارامتر کاربری اراضی (Lu) در روش DRASTIC اصلاح شده، بیشتر از سایر پارامترهاست. در ادامه، براساس آنالیز حساسیت تک‌پارامتری، مؤثرترین پارامترها در روش DRASTIC، عمق تا سطح ایستابی و تغذیه خالص است درحالی که در روش DRASTIC اصلاح شده، پارامترهای کاربری اراضی و عمق تا سطح ایستابی مؤثرترین پارامترها هستند. به‌طور کلی نتایج این مطالعه نشان داد، که با اصلاح روش DRASTIC درصد مساحت طبقات با آسیب‌پذیری زیاد تا خیلی زیاد کاهش یافته است درحالی که طبقات با آسیب‌پذیری خیلی کم تا متوسط، بیشتر شده است.
محمد معین فلاحی، بهروز یعقوبی، فریبرز یوسفوند، سعید شعبانلو،
جلد 24، شماره 3 - ( 9-1399 )
چکیده
بارندگی مهم‌ترین منبع تأمین آب شرب و کشاورزی ساکنین نواحی مختلف کره زمین محسوب می‌شود. بنابراین شبیه‌سازی و تخمین این پدیده هیدرولوژیکی از اهمیت بسزایی برخوردار است. در این مطالعه برای اولین بار، بارش درازمدت شهر رشت در طی یک دوره 62 ساله از 1956 تا 2017 به‌صورت ماهانه توسط یک مدل هوش مصنوعی ترکیبی بهینه‌یافته، شبیه‌سازی شد. برای توسعه مدل هوش مصنوعی ترکیبی (WGEP)، مدل برنامهنویسی بیان ژن (GEP) و تبدیل موجک (Wavelet transform) ترکیب شدند. در ابتدا، تأخیرهای مؤثر داده‌های سری زمانی با استفاده از تابع خودهمبستگی شناسایی شدند و با استفاده از آنها برای هر یک از مدل‌های GEP و WGEP هشت مدل متفاوت تعریف شد. سپس، نتایج مدل‌های GEP تجزیه‌و‌تحلیل شدند و مدل برتر GEP و مؤثرترین تأخیرها معرفی شدند. مقادیر شاخص عملکرد (VAF)، ضریب همبستگی (R) و شاخص پراکندگی (SI) برای مدل برتر GEP به‌ترتیب مساوی با 25/765، 0/508 و 0/709 محاسبه شدند. علاوه بر این، تأخیرهای شماره (t-1)، (t-2)، (t-3) و (t-12) مؤثرترین تأخیرها بودند. در ادامه، اعضای مختلف موجک های مادر نیز بررسی شدند که موجک مادر demy به‌عنوان بهینه‌ترین انتخاب شد. همچنین، تجزیه‌و‌تحلیل نتایج مدل‌های ترکیبی نشان داد که تبدیل موجک عملکرد مدل برنامهنویسی بیان ژن را به‌شکل قابل ملاحظه‌ای بهبود بخشید. استفاده از این موجک مادر باعث افزایش سه برابری شاخص عملکرد مدل WGEP برتر شد. علاوه بر این، شاخص‌های آماری R و MARE برای مدل WGEP برتر به‌ترتیب مساوی با 0/935 و 0/862 به‌دست آمدند. همچنین مقادیر SI، VAF و ضریب نش‌ساتکلیف برای این مدل به‌ترتیب برابر با 0/296، 0/394 و 0/858 تخمین زده شدند. نتایج این مطالعه نشان داد که تبدیل موجک عملکرد مدل برنامهنویسی بیان ژن را به‌شکل قابل توجهی افزایش می‌دهد و پیشنهاد می‌شود تبدیل موجک برای بهبود عملکرد سایر الگوریتم‌های هوش مصنوعی در مباحث هیدرولوژیکی مورد استفاده قرار گیرد.
احسان یارمحمدی، سعید شعبانلو، احمد رجبی،
جلد 25، شماره 1 - ( 3-1400 )
چکیده
بهینهسازی مدل‌های هوش مصنوعی از اهمیت بسزایی برخوردار است زیرا باعث بهبود عملکرد این مدل‌ها و افزایش انعطاف آنها می‌شود. در این مطالعه، عمق آبشستگی در مجاورت تکیه پل‌ها به شکل‌های مختلف توسط مدل ANFIS و ANFIS-Genetic Algorithm (GA) تخمین زده شد. به‌عبارت دیگر، برای بهینهسازی توابع عضویت مدل ANFIS از GA استفاده شد که عملکرد مدل ANFIS به‌شکل قابل توجهی بهبود یافت. در ابتدا، پارامترهای تأثیرگذار بر روی عمق آبشستگی در اطراف تکیه‌گاه پل‌ها تعریف شدند. سپس با استفاده از این پارامترهای ورودی، یازده مدل مختلف برای هر یک از مدل‌های ANFIS و ANFIS-GA تولید شدند. سپس با تجزیه و تحلیل نتایج این مدل‌ها، مدل برتر برای هر یک از روش‌های ANFIS و ANFIS-GA زنتیک معرفی شدند. به‌عنوان مثال، مقدار ضریب همبستگی و شاخص پراکندگی برای مدل ANFIS به‌ترتیب برابر با 0/979 و 0/070 و برای مدل ANFIS-GA نیز به‌ترتیب مساوی با 0/986 و 0/056 محاسبه شدند. علاوه بر این، نسبت اختلاف متوسط برای مدل‌های برتر ANFIS و ANFIS-GA به‌ترتیب مساوی با 0/984 و 0/988 بودند. بنابراین نشان داده شد که مدل‌های ترکیبی ANFIS-GA دقت بیشتری در مقایسه با مدل‌های ANFIS داشتند. همچنین، تحلیل حساسیت نشان داد که عدد فرود (Fr) و نسبت عمق جریان به شعاع حفره آبشستگی (h/L) به‌عنوان مؤثرترین پارامترهای ورودی برای تخمین عمق آبشستگی در مجاورت تکیه‌گاه پل‌ها شناسایی شدند.
فرشاد حیاتی، احمد رجبی، محمد علی ایزدبخش، سعید شعبانلو،
جلد 25، شماره 1 - ( 3-1400 )
چکیده
تخمین و شبیه‌سازی روند بارندگی در نواحی مختلف جهان به‌دلیل خشکسالی و تغییر اقلیم از اهمیت فراوانی برخوردار است. در این مطالعه، یک مدل هوش مصنوعی ترکیبی برنامه‌ریزی بیان ژن- موجک (WGEP) برای مدل‌سازی بارندگی درازمدت 67 ساله شهر انزلی برای اولین بار توسعه داده شد. این مدل از ترکیب تبدیل موجک (Wavelet) و برنامه‌ریزی بیان ژن (GEP) به‌دست آمد. در ابتدا، بهینه‌ترین عضو خانواده تبدیل موجک معرفی شد. سپس با تجزیه و تحلیل نتایج مدل‌سازی، دقیق‌ترین تابع اتصال و برازش برای مدل برنامه‌ریزی بیان ژن به‌دست آمد. در ادامه، با استفاده از تابع خودهمبستگی و خودهمبستگی نسبی و تأخیرهای مختلف، 15 مدل WGEP توسعه داده شد. مدل‌های WGEP برای بازه‌های زمانی 37، 20 و 10 ساله به‌ترتیب آموزش، آزمون و صحت‌سنجی شدند. همچنین، با انجام تحلیل حساسیت، مدل برتر و مؤثرترین تأخیرها برای شبیه‌سازی بارش درازمدت شناسایی شدند. مدل برتر مقادیر تابع هدف را با دقت بالایی تخمین زد. به‌عنوان مثال، مقادیر ضریب همبستگی و شاخص پراکندگی برای این مدل در شرایط صحت‌سنجی به‌ترتیب برابر با 0/946 و 0/310 محاسبه شدند. علاوه بر این، تأخیرهای شماره 1، 2، 4 و 12 به‌عنوان مؤثرترین تأخیرها در مدل‌سازی بارش توسط مدل ترکیبی معرفی شدند. همچنین، نتایج مدل برتر ترکیبی با مدل برنامهنویسی بیان ژن مقایسه شد که مدل ترکیبی دقت بیشتری داشت.
کورش شیرانی،
جلد 25، شماره 2 - ( 6-1400 )
چکیده
شناسایی مناطق حساس و مستعد فرسایش خندقی با استفاده از مدل های آماری و همچنین استفاده حداکثری از داده ها و اطلاعات موجود با صرف هزینه و زمان کمتر و دسترسی به دقت بیشتر از اهمیت ویژهای برخوردار می‌باشد. هدف این پژوهش تعیین مناطق حساس به فرسایش خندقی و تهیه نقشه حساسیت نسبت به آن با استفاده از داده کاوی روش های آماری دو متغیره دمپسترشفر و چندمتغیره خطی و تلفیق آنها به منظور ارتقاء قابلیت ها و مرتفع نمودن معایب آنها در حوزه آبخیز سمیرم در جنوب استان اصفهان می‌باشد. بدین منظور با استفاده از نقشه پراکنش مکانی 156 خندق و14 پارامتر موثر در رخداد خندق، مقادیر شاخص ضریب تحمل (TOL) و فاکتور تورم واریانس (VIF) آزمون همخطی چندگانه (Multicollinearity) عوامل موثر تعیین شدند. مدل‌سازی و اعتبارسنجی به‌ترتیب با استفاده از نسبت 70 و 30 درصد خندق های شناسایی شده انجام شد. نقشه های حساسیت تهیه شده به 5 طبقه حساسیت خیلی کم تا خیلی زیاد تقسیم شدند. شاخص سطح سلول هسته (SCAI) و سطح زیر منحنی ویژگی عملگر گیرنده (AUC-ROC) به ترتیب به منظور تعیین آستانه های طبقات و اعتبارسنجی نقشه های پهنه بندی حساسیت مورد استفاده قرار گرفتند. نتایج روش رگرسیون چند متغیره نشان داد که پارامترهای کاربری اراضی، شیب و فاصله از آبراهه بیشترین تاثیر را در رخداد خندق داشته اند. مدل تلفیقی با AUC-ROC معادل 0/942، نسبت به مدل های نظریه شواهد دمپسترشفر (0/924) و رگرسیون چند متغیره (0/864) از دقت بیشتری برخوردار می‌باشد. همچنین مقدار SCAI در مدل تلفیقی از رده‌های حساسیت خیلی‌کم به خیلی‌زیاد دارای روند نزولی می‌باشد که بیانگر تفکیک مناسب رده‌بندی حساسیت در این مدل می باشد.
امیر حسین عظیمی، سعید شعبانلو، فریبرز یوسفوند، احمد رجبی، بهروز یعقوبی،
جلد 25، شماره 4 - ( 12-1400 )
چکیده
در این مطالعه، عمق حفره آبشستگی در پائین¬دست سرریزهای سنگی با شکل¬های مختلف J، I، U و W توسط یک روش نوین هوش مصنوعی تحت عنوان ماشین آموزش نیرومند خارج از محدوده (ORELM) شبیه¬سازی شد. داده¬های مشاهداتی به دو دسته آموزش (70 درصد) و تست (30 درصد) تقسیم شدند. سپس تابع فعال¬سازی بهینه برای شبیه¬سازی عمق آبشستگی در پائین¬دست سرریزهای سنگی انتخاب شد. در ادامه، با استفاده از پارامترهای ورودی که شامل نسبت طول سازه به عرض کانال (b/B)، عدد فرود تراکمی (Fd)، نسبت اختلاف عمق جریان بالادست و پائین¬دست سازه به ارتفاع سازه (Δy/hst) و فاکتور شکل سازه (φ)، یازده مدل مختلف ORELM برای تخمین عمق آبشستگی توسعه داده شدند. با انجام یک تحلیل حساسیت، مدل برتر و مؤثرترین پارامترهای ورودی شناسایی شدند. مدل برتر مقادیر آبشستگی¬ها را توسط پارامترهای بدون بعد b/B, Fd, Δy/hst شبیه¬سازی کرد. برای این مدل، مقادیر ضریب همبستگی (R)، شاخص عملکرد (VAF)و ضریب نش (NSC) برای مدل برتر در شرایط تست به¬ترتیب مساوی با 0/956، 91/378 و 0/908 بدست آمدند. همچنین، پارامترهای بدون بعد b/B, Δy/hst به¬عنوان مؤثرترین پارامترهای ورودی شناسایی شدند. همچنین، نتایج مدل برتر با مدل ماشین آموزش نیرومند نیز مقایسه شدند که مدل ORELM دقت بیشتری داشت. علاوه بر این، تحلیل عدم قطعیت نشان داد که مدل ORELM مقادیر آبشستگی¬ها را بیشتر از واقعیت تخمین زد. در ادامه، برای مدل برتر، یک تحلیل حساسیت مشتق نسبی (PDSA) اجرا گردید.
محمد جواد امیری، مهدی بهرامی، معصومه السادات موسوی، علی شعبانی،
جلد 26، شماره 4 - ( 12-1401 )
چکیده
روش تشت تبخیر کلاس A یکی از روش‌های بسیار رایج تخمین تبخیر– تعرق مرجع (ET0)است که به‌دلیل سادگی، هزینه به‌نسبت کم و توانایی تخمین تبخیر- تعرق روزانه، به‌طور گسترده در جهان استفاده می‌شود. در این تحقیق کارایی 8 معادله تجربی شامل آلن و پروئیت ، کوئنکا، اشنایدر، اشنایدر اصلاح شده، پرییرا و همکاران، اورنگ، راگووانشی و والندر و فائو 56 در برآورد ضریب تشت تبخیر کلاس A و تبخیر - تعرق گیاه مرجع در ایستگاه فسا واقع در استان فارس مورد ارزیابی قرار گرفت. برای این منظور ضریب تشت محاسبه شده از معادلات فوق با ضریب تشت اندازه‌گیری شده که از نسبت تبخیر - تعرق به‌دست آمده از روش فائو- پنمن- مانتیث به میزان تبخیر از تشت به‌دست آمد، مقایسه شد. نتایج نشان داد تمامی معادلات تجربی دارای دقت بسیار پایینی در برآورد ضریب تشت تبخیر هستند (0/25;0/3> R2). نتایج مقایسه بین ET0 به‌دست آمده از معادلات تجربی با ET0 به‌دست آمده از معادله پنمن- مانتیث- فائو نشان داد که معادله فائو 56 دارای بهترین عملکرد است (0/3=NRMASE;0/72=R2). به‌منظور افزایش دقت معادلات تجربی ضریب تشت تبخیر، این معادلات با داده‌های هواشناسی 8 ساله (1386-1394) ایستگاه هواشناسی فسا تصحیح شده و با داده‌های مستقل 2 ساله (1394-1396) اعتبارسنجی شد. نتایج نشان داد که دقت همه معادلات تجربی افزایش یافته و معادله کوئنکا با 0/16 = NRMASE و 0/63 = R2 به‌عنوان مناسبترین معادله برای تخمین ضریب تشت و تبخیر- تعرق مرجع (0/18=NRMASE;0/85=R2). برای منطقه فسا انتخاب شد. آنالیز حساسیت نشان داد که به‌ترتیب داده‌های سرعت باد (U)، رطوبت نسبی (RH)، فاصله تشت از پوشش گیاهی (F)، شیب منحنی فشار بخار اشباع (∆)، ساعت آفتابی (n)، و فشار هوا (P) بیشترین تأثیر را در تخمین ضریب تشت تبخیر دارد. با استناد به نتایج آماری و تحلیل حساسیت، معادله‌ای برای برآورد ضریب تشت در منطقه فسا و سایر مناطق دارای اقلیم یکسان با آن منطقه استخراج شد.
فاطمه مسکینی ویشکایی، علیرضا جعفرنژادی، محی الدین گوشه، بهاره دلسوز خاکی، مریم جوادزاده،
جلد 27، شماره 3 - ( 9-1402 )
چکیده
از روش‌های متداول مدیریت آبیاری در مزارع، استفاده از آب سهل‌الوصول و در ضریب تخلیه مجاز رطوبتی خاک است. این پژوهش با هدف تعیین ضرایب حساسیت گندم، رطوبت بحرانی و ضریب تخلیه مجاز رطوبتی خاک با روشی بر مبنای فیزیکی در سه بافت غالب خاک زیر کشت گندم در استان خوزستان انجام شد. تیمارها شامل آبیاری کامل و اعمال تنش آبی در سه سطح کم، متوسط و شدید بودند. بیشترین و کمترین ضریب حساسیت عملکرد گندم نسبت به شرایط رطوبتی خاک به‌ترتیب مربوط به خاک با بافت لوم رسی سیلتی (1/26=Ky) و لوم رسی (0/96=Ky) بود. مقدار رطوبت بحرانی خاک به‌ترتیب در خاک لومی (0/25cm3cm-3 ) > لوم رسی سیلتی (0/23cm3cm-3 ) > لوم رسی (0/22cm3cm-3 ) دیده شد. با وجود بیشتر بودن رطوبت بحرانی در خاک لومی، بیشترین ضریب تخلیه مجاز رطوبتی نیز در خاک لوم (0/54) محاسبه شد. ضریب تخلیه مجاز رطوبتی در لوم رسی سیلتی و لوم رسی به‌ترتیب برابر 0/44 و 0/42 به‌دست آمد. نتایج نشان¬دهنده تأثیر هم¬زمان ویژگی‌های خاک و گیاه در سهولت دسترسی آب خاک برای گیاه است.
