علوم آب و خاک

---

توابع انتقالی خاک عبارت‌اند از مدل‌های تخمین یک خصوصیت مشخص خاک با استفاده از ویژگی‌هایی که اندازه‌گیری آنها آسان، سریع و یا ارزان می‌باشد. روش معمول در برازش توابع انتقالی خاک استفاده از رگرسیون آماری است. این روش بر پایه فرض دقیق بودن متغیرهای مورد مطالعه و مشاهدات مربوط به آنها استوار بوده و در نهایت روابط بین متغیرها نیز به طور دقیق مشخص می‌شود. در مدل سازی سیستم‌های طبیعی مانند خاک، عموماً با مشاهدات نادقیق و یا روابط مبهم رو به رو هستیم، بنابراین استفاده از روش‌های برازش توابع که قادر به تبیین ساختار مبهم سیستم و در اختیار نهادن الگوهای منبطق با واقعیت هستند، ضروری است. در بررسی حـاضر از روش رگـرسیون مبتنی بر نـظریه مجموعه‌های فازی به منظور برازش توابع انتقالی شیمیایی و فیزیکی خاک استفاده شد. مدل‌های بهینه رگرسیون خطی با ضرایب فازی برای توابع فوق به دست آمد. تجزیه و تحلیل حساسیت بر پایه سطح اعتبار و با توجه به مقدار ابهام مدل‌ها و مقدار شاخص اطمینان مدل‌ها انجام شد. نتایج نشان داد که روش رگرسیون فازی در شرایط روابط ابهامی بین متغیرها و به طور کلی در مواردی که با خطاهای ناشی از ابهام در ساختار معادلات رگرسیونی رو به رو هستیم، می‌تواند مکمل و یا جایگزین مناسبی برای روش رگرسیون آماری تلقی شود.

---

منظور نمودن شاخص‌های حاصل‌خیزی خاک از جمله ظرفیت تبادل کاتیونی(CEC) می‌تواند در ارتقا و افزایش کیفیت نقشه‌های خاک مفید باشد. برای اندازه‌گیری CEC که زمان‌بر و پرهزینه است می‌توان از برآورد آن از طریق توابع انتقالی استفاده کرد. در این تحقیق، ابتدا چند محدوده (Delineation)‌ از دو واحد نقشه همگون (Consociation)، شامل دو فامیل خاک واقع در دشت شهرکرد، یک واحد نقشه شامل سری شهرک و دیگری شامل سری چهارمحال، مشخص شد. سپس، از اعماق صفر تا20 و30 تا50 سانتی‌متری محدوده‌ها نمونه‌گیری و چند ویژگی فیزیکی- شیمیایی هر نمونه در آزمایشگاه اندازه‌گیری شد. سه ویژگی درصد رس، درصد ماده آلی و رطوبت در پتانسیل 1500- کیلو پاسکال بیشترین هم‌بستگی را با CEC نشان دادند. توابع انتقالی با استفاده از رگرسیون خطی و شبکه عصبی استخراج شد. در این مطالعه، برای تمام مدل‌های شبکه عصبی یک لایه میانی به همراه یک گره کافی به نظر رسید. در هر دو روش، مدلی که شامل پارامتر‌های زود یافت ماده آلی و رس بود به وسیله روش رگرسیون با 81/0=R2 و 2/7= RMSE و از طریق شبکه عصبی با ضریب یادگیری 3/0 و تعدادتکرار(Epoch) 40 و 88/0=R2 و34/0= RMSE بهترین و دقیق‌ترین تخمین را در بین مدل‌ها جهت تخمین CEC نشان داد. تفکیک داده برحسب لایه و فامیل باعث افزایش دقت و صحت توابع گردید. تکنیک شبکه عصبی در مقایسه با رگرسیون، مدل‌هایی باR2 بیشتر و RMSE کمتر تولید کرد.

---

گنجایش تبادل کاتیونی یکی از ویژگی‌های شیمیایی مهم خاک بوده که اندازه‌گیری آن بسیار پرهزینه و وقت‌گیر است. توابع انتقالی، می‌تواند راه‌کاری مناسب در برآورد این پارامتر به جای اندازه‌گیری‌ مستقیم باشد. هدف از این تحقیق، توسعه چند تابع انتقالی مناسب برای برآورد گنجایش تبادل کاتیونی خاک‌های استان گیلان با استفاده از دو روش رگرسیون خطی چندگانه و شبکه عصبی مصنوعی و تأثیر گروه‌بندی خاک‌ها بر پایه کلاس‌های بافتی و کربن آلی بر بهبود توانایی برآورد گنجایش تبادل کاتیونی به وسیله دو روش بود. برای این تحقیق از 1662 داده مربوط به خاک‌های استان گیلان از بانک اطلاعات آزمایشگاه شیمی خاک مؤسسه تحقیقات برنج کشور استفاده شد. نتایج نشان داد که کربن آلی مهم‌ترین متغیر در برآورد گنجایش تبادل کاتیونی در کل داده‌ها و کلیه کلاس‌های بافتی و کربن آلی در هر دو روش رگرسیون و شبکه عصبی بوده است. شبکه عصبی مصنوعی نسبت به روش رگرسیون در برآورد گنجایش تبادل کاتیونی در کل داده‌ها، کارایی بهتری داشت و گروه‌بندی داده‌ها تنها در کلاس‌های بافتی شن و شنی رسی لومی در روش شبکه عصبی مصنوعی، موجب بهبود محسوس پیش‌بینی‌ها نسبت به کل داده‌ها شد.

---

منحنی مشخصه آب خاک نشان‌دهنده تغییرات رطوبت در برابر مکش آب خاک است که در مسائل حرکت آب در خاک دارای اهمیت بسیار زیادی می‌باشد. اندازه‌گیری این منحنی در آزمایشگاه وقت‌گیر و پرهزینه است، بنابراین روش‌های بسیاری برای تخمین آن ارائه شده است که از آن‌جمله می‌توان به توابع انتقالی اشاره نمود. با استفاده از توابع انتقالی امکان تخمین منحنی مشخصه از روی سایر پارامترهای خاک که اندازه‌گیری آنها آسان‌تر است، امکان‌پذیر می‌شود. توابع انتقالی پارامتریک توابعی هستند که برای پارامترهای مدل‌های موجود منحنی مشخصه ارائه شده‌اند. در این پژوهش 12 تابع انتقالی پارامتریک داخلی و خارجی برای مدل‌های بروکس و کوری، کمپبل و ونگنوختن درنظر گرفته شدند و روی 30 نمونه خاک با بافت‌های مختلف در استان فارس مورد ارزیابی قرار گرفتند. برای این منظور منحنی مشخصه آب خاک و سایر ویژگی‌های فیزیکوشیمیایی لازم خاک‌ها اندازه‌گیری شدند و خاک‌ها با توجه به بافت به سه گروه ریز، میانه و درشت بافت تقسیم شدند. نتایج این پژوهش نشان داد که توابع پارامتریک مدل ونگنوختن مناسب‌‌تر از توابع انتقالی پارامتریک دو مدل دیگر می‌باشد که از دلایل آن برازش بهتر مدل ونگنوختن بر داده‌های اندازه‌گیری شده است. هم‌چنین نتایج نشان داد که تابع پارامتریک وستن و همکاران مناسب‌ترین تابع برای تخمین منحنی مشخصه آب خاک در خاک‌های مورد بررسی در استان فارس است و توابع داخلی ارائه شده چندان مناسب نیستند

---

گنجایش زراعی و نقطه پژمردگی دائم، از مهم‌ترین داده‌های مورد نیاز در مطالعات آبیاری مزارع می‌باشند که اندازه‌گیری آنها دشوار و وقت‌گیر است. با این وجود، می‌توان آنها را از روی برخی ویژگی‌های زودیافت خاک مانند بافت، ماده آلی و مقدار آهک با استفاده از توابع انتقالی خاک، با دقت قابل قبولی تخمین زد. به‌همین منظور پژوهشی برای بررسی دقت مدل شبکه عصبی ROSETTA با سطوح مختلف برای تخمین رطوبت‌های گنجایش زراعی و نقطه پژمردگی دائم و ایجاد توابع انتقالی رگرسیونی بین این نقاط رطوبتی و ویژگی‌های زودیافت خاک مانند: درصد رس، شن، سیلت، آهک و گچ در منطقه بردسیر کرمان انجام شد. نمونه‏برداری در 20 منطقه و به دو روش (دست‏نخورده برای تعیین چگالی ظاهری و دست‏خورده برای تعیین سایر ویژگی‌های خاک) و به تعداد 120 نمونه انجام و ویژگی‌های زودیافت و دیریافت مورد نظر تعیین گردیدند. نتایج نشان داد، ارتقای مدل شبکه عصبی از سطح پایین‌تر به سطحی بالاتر، نیازمند تعداد ورودی بیشتری بوده، در حالی که تخمین‌ها تقریباً مشابه بود. بدین معنی که در اکثر خاک‌ها، افزایش ارتقای سطح مدل و استفاده از ورودی‌های بیشتر، موجب افزایش قابل ملاحظه دقت پیش‌بینی‌های مدل نشد. هم‌چنین نتایج به دست آمده از ایجاد توابع رگرسیونی نشان داد، همبستگی بین نقطه پژمردگی دائم با درصد رس مثبت و معنی‌دار بود (83%= r) که بیانگر تأثیر زیاد رس بر این نقطه رطوبتی است. گنجایش زراعی با مقدار شن، همبستگی معنی‌دار و منفی(80%- = r) و با مقدار سیلت، همبستگی مثبت و معنی‌دار (76%= r) داشت.

---

اندازه‌گیری مستقیم ویژگی‌های هیدرولیکی خاک وقت‌گیر و پر‌هزینه بوده و تا حدی به علت غیرهمگن بودن خاک و خطاهای آزمایشگاهی غیرقابل اعتماد است. در عوض ویژگی‌های هیدرولیکی خاک می‌تواند از جایگزینی داده‌های زودیافتی مانند بافت خاک و چگالی ظاهری با استفاده از توابع انتقالی به دست آید. شبکه‌های عصبی و رگرسیون آماری از جمله روش‌هایی هستند که برای تخمین توابع انتقالی خاک (PTFs) استفاده می‌شوند. در این پژوهش از شبکه عصبی نوع پرسپترون چند‌لایه (MLP) و مدل-های رگرسیونی حذف تدریجی متغیرها و گام به گام ورود متغیرها برای بسط این توابع برای تخمین هدایت هیدرولیکی اشباع خاک با استفاده از چگالی ظاهری، تخلخل کل و درصد توزیع اندازه ذرات خاک استفاده شد. داده‌ها از 125پروفیل خاک مربوط به مطالعات خاک‌شناسی و اصلاح اراضی موجود در سازمان آب و برق خوزستان تهیه شد. نتایج نشان داد که شبکه MLP با الگوریتم آموزشی بیزین با ضریب تعیین (65/0=2R) و خطای ( 04/0RMSE=) نسبت به مدل‌های رگرسیونی کارایی بهتری در تخمین هدایت هیدرولیکی اشباع خاک داشت.

---

هدایت ‌آبی‌اشباع و طول‌‌درشت ‌مویینگی از ویژگی‌های هیدرولیکی خاک هستند که تعیین آنها برای مدل‌سازی جریان آب و انتقال املاح در خاک بسیار مهم است. با توجه به اهمیت فراوانی که این پارامترها در تعیین نفوذ آب به خاک دارند، اندازه‌گیری آنها در بررسی فرآیند نفوذ آب به خاک ضروری است. از سوی دیگر اندازه‌گیری نفوذ آب به خاک دشوار، وقت‌گیر و پرهزینه است. یکی از راه‌های چیرگی بر این مشکل، استفاده از روش‌های غیرمستقیم از جمله توابع‌انتقالی خاک در تعیین این پارامترها می‌باشد. هدف از این پژوهش، پی‌ریزی توابع‌انتقالی برای برآورد هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی خاک بود. بدین منظور هدایت‌آبی‌اشباع و عکس طول‌درشت‌ مویینگی و هم‌چنین برخی ویژگی‌های زودیافت دو لایه پدوژنیکی سطحی و زیرسطحی خاک در 60 نقطه از دشت آزدگان واقع در شهرستان شهرکرد با استفاده از تک‌استوانه و به روش بار‌ثابت‌ چندگانه اندازه‌گیری شد. با استفاده از ویژگی‌های زودیافت اندازه‌گیری شده، به روش رگرسیون گام به گام توابعی برای برآورد هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی ایجاد شد. اعتبار‌ توابع اشتقاق یافته در تعیین هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی با استفاده از جذر میانگین مربعات خطا (RMSE)، میانگین خطا (ME)، خطای نسبی (RE) و ضریب همبستگی پیرسون ارزیابی شد. نتایج نشان داد که هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی به ترتیب با ضرایب همبستگی 92/0 و 72/0 بیشترین همبستگی را با جرم وی‍ژه ظاهری خاک داشتند. همبستگی معنی‌داری (05/0‌P<) بین توزیع اندازه‌ای ذرات خاک و هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی وجود نداشت. این امر را می‌توان در شباهت زیاد خاک‌های انتخابی از نظر کلاس بافتی و هم‌چنین متأثر بودن این دو پارامتر از منافذ درشت خاک دانست. کارآمدترین توابع در برآورد هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی به‌ ترتیب قادر به بیان 85 و 66 درصد از تغییرات این دو پارامتر بودند. تمامی توابع اشتقاق یافته، هدایت‌آبی‌اشباع و عکس طول ‌درشت ‌مویینگی را کمتر از مقدار واقعی برآورد کردند

---

ظرفیت تبادل کاتیونی (CEC) از ویژگی‌های مهم خاک است. اندازه‌گیری مستقیم CEC، به‌ویژه در خاک‌های اریدی‌سول بدلیل مقادیر بالای کربنات و گچ، دشوار، زمان‌بر و پرهزینه‌ است. از دیگر سوی، CEC خاک را می‌توان با روش‌های غیرمستقیم مانند توابع انتقالی خاک (PTFs) برآورد نمود. هدف از این مطالعه برآورد CEC با استفاده از توابع انتقالی کلاسی و پیوسته بود. یک مجموعه‌ داده (977n =) پس از گروه‌بندی بر اساس کلاس بافت خاک برای ایجاد توابع استفاده شد. مجموعه‌ مستقل دیگری (173n =) برای ارزیابی اعتبار توابع به‌کار رفت. برای ارزیابی توابع از مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و شاخص همخوانی (d) استفاده گردید. در هر کلاس بافتی، برتری (RI) توابع پیوسته نسبت به توابع کلاسی متناظر ارزیابی شد. توابع پیوسته در کلاس‌های بافتی ریزتر دقیق‌تر از توابع کلاسی بودند. با این حال، در کلاس‌های بافتی درشت‌تر، توابع کلاسی کارآمدتر بودند. با افزایش اندازه نسبی ذرات خاک، خطای برآورد توسط توابع کلاسی کاهش یافت، به‌طوری که مقدار RMSE در بافت رسی و لوم شنی به ترتیب 55/8 و 88/3 بود. لذا، بر پایه نتایج این مطالعه، برای برآورد CEC خاک، توابع پیوسته در کلاس‌های بافتی لوم سیلتی و ریزتر و توابع کلاسی در کلاس‌های بافتی لوم و درشت‌تر پیشنهاد می‌شوند