ارزیابی کارآیی مدل‏ها در توصیف توزیع اندازه ذرات خاک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه بیابان‌زدایی دانشکدة کویرشناسی دانشگاه سمنان

2 کارشناس ارشد گروه علوم و مهندسی خاک پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 دانشجوی کارشناسی ارشد بیابان‌زدایی دانشگاه سمنان

چکیده

دقت و مطلوبیت کاربردی مدلهای توزیع اندازة ذرات اولیة خاک (PSD) میتواند پشتوانه‌ای مناسب برای برآورد خصوصیات هیدرولیکی خاک باشد. تحقیق حاضر با هدف ارزیابی و رتبه‌بندی دقت مدلهای مختلف در توصیف PSD خاکهای مختلف انجام شد. علاوه بر این، مطلوبیت کاربردی این مدلها با درنظرگرفتن دو عامل دقت برازش و تعداد پارامترهای مدل، با استفاده از آمارههای F و مالو (Cp) و آکاییک (AIC) ارزیابی شد. همچنین تأثیر بافت و درصد رس خاک بر دقت و کارآیی مدلها بررسی شد. در مطالعة حاضر، پنج مدل لاگ‌ـ نرمال جیکی (J)، لاگ‌ـ نرمال ساده (SL)، مدل‌های لاگ‌ـ نرمال اصلاح‌شدة ORL و ONL و مدل شیوازوا‌ و کمبل (SC)، مدل نرمال (N) و مدل‌های چهارپارامتری گمپرتز (G) و فردلاند (Fr) برای هفتاد و یک نمونة خاک، که شامل کلاس مختلف بافتی بودند، آزمایش شدند. کمترین و بیشترین مقادیر ضریب تبیین (R2) به‌ترتیب از آنِ مدل‌های جیکی (J) و مدل چهارپارامتری فردلاند (Fr) بود. نتایج مقایسة مدلهای N و SL نشان داد با کاهش رس خاک دقت مدل N افزایش و دقت مدل SL کاهش مییابد. به عبارت دیگر، با درشت‌شدن بافت در نمونة خاکهای مطالعه‌شده توزیع جرم‌ـ اندازة ذرات به‌تدریج به الگوی نرمال نزدیک می‌شود. نتایج آماره‌های F، Cp، و AIC نیز نشان دادند مدل Fr در بیشتر خاک‌های مطالعه‌شده بهترین کارآیی را در توصیف PSD خاک‌ها دارد و پس از آن مدل‌های لاگ‌ـ نرمال اصلاح‌شدة ORL و ONL بیشترین کارآیی را داشتند. بررسی تغییرات R2 در کلاس‌های بافتی شنی و لوم شنی نشان داد مدل‌های G، ONL، ORL،N ، و Fr برازش بهتری نسبت به مدل‌های SL، J، و SC دارند. در حالی که در کلاس‌های بافتی رسی و رس سیلتی کارآیی مدل‌های SL و SC نسبت به مدلهای G و N بهبود یافت.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigation of models for describing soil particle size distribution

نویسندگان [English]

  • Ali Asghar Zolfaghari 1
  • Mohammad Taghi Tirgar Soltani 2
  • Mohammad Reza Yazdani 1
  • Elham Soleimani Sardo 3
1
2
3
چکیده [English]

In the present study, five log-normal models, normal model (N), and two four- parameter models namely Gompertz (G) and Fredlund (Fr) were tested on 71 PSD data from 10 soil textural classes. The Jaky (J) and Fr models had the smallest and largest R2 values for all of the soils, respectively. The results of comparing the N and simple log-normal (SL) models showed that the accuracy of the N model increased with decrease soil clay content. In other words, the mass-size distribution of soil samples tends to a normal statistical pattern from the finer to the coarser textural classes. The result of F, Cp and AIC statistics showed that the Fr was the best model to describe PSD for majority of soils and the modified log-normal models namely ORL and ONL was the next in rank, respectively. The range of R2 values for the sandy and sandy loam soil texture classes indicated that the G, ONL, ORL, N and Fr models had a better fit on the data than the SL and Shiozawa-Campbell (SC) models. However, the performance of the SL and SC models improved compare to G and N models in clay and silty clay soil texture classes.

کلیدواژه‌ها [English]

  • Fitting models
  • F statistic
  • Mallow statistic
  • Akaike’s Information Criterion