Developing pedotransfer functions to predict interrill erodibility using fractal dimensions of soil particles and aggregates (A case study: Molla Ahmad watershed basin of Ardabil).

Behnezhad, Mohammad (2018) Developing pedotransfer functions to predict interrill erodibility using fractal dimensions of soil particles and aggregates (A case study: Molla Ahmad watershed basin of Ardabil). Masters thesis, University of Mohaghegh Ardabili.

[img]
Preview
Text (ارائه توابع انتقالی برای برآورد فرسایش¬پذیری بین¬شیاری با استفاده از ابعاد فراکتالی ذرات و خاکدانه¬های خاک (مطالعه موردی: حوضه آبخیز ملا احمد اردبیل))
Mohammad Behnezhad.pdf

Download (552kB) | Preview
Official URL: http://www.uma.ac.ir

Abstract

Nowadays soil erosion is a serious enviromental problem. Erosion is a global problem that hazared water and soil resources. The purpose of this study was developing pedotransfer functions to predict interrill erodibility using fractal dimension of soil particle and aggregates beside other soil properties.Totaly, 100 soil samples were taken from Molla Ahmad watershed in order to measure soil erodibility factor from soil properties. Physical and chemical analysis was done on soil samples. Data were divided three series as 60 data for training ,20 data for validation and 20 data for testing. MATLAB R2016 and SPSS softwares were used for developing neural network and regression pedotransfer functions(PTFs), respectively. Values of determination cofficient (R2) and root mean square error (RMSE) in estimating erodibility factor obtained 0.022 and 0.87 for best PTF of regression with input varibles of organic carbon, silt and fractal dimension of aggregates and 0.98 and 0.046 for best PTF of artificial neural network with input variables of silt and organic carbon and fractal dimension of aggregates. Results showed that both PTF had high accuracy but neural network showed high performance. Also, adding fractal dimension of aggregates to other soil parameters increased accuracy of regression and artificial neural network PTF. According the results of this study, silt and organic carbon had most effect on erodibility factor (K) in the region.

Item Type: Thesis (Masters)
Persian Title: ارائه توابع انتقالی برای برآورد فرسایش¬پذیری بین¬شیاری با استفاده از ابعاد فراکتالی ذرات و خاکدانه¬های خاک (مطالعه موردی: حوضه آبخیز ملا احمد اردبیل)
Persian Abstract: امروزه فرسایش خاک یکی از مشکلات جدی زیست محیطی به شمار می¬آید. فرسایش یک مشکل جهانی است که منابع آب ‌و خاک را به خطر می¬اندازد. هدف از این مطالعه ارائه توابع انتقالی برای برآورد فرسایش‌پذیری بین شیاری با استفاده از ابعاد فراکتالی ذرات و خاکدانه¬های خاک در کنار سایر ویژگی¬های زود یافت خاک بود. برای این منظور تعداد100 نمونه خاک از حوضه آبخیز ملااحمد اردبیل به‌صورت دست‌خورده و دست‌نخورده با استوانه¬های استیل به قطر و ارتفاع cm5 برداشته شد. تجزیه¬های آزمایشگاهی فیزیکی و شیمیایی روی نمونه خاک صورت گرفت. داده¬ها به سه سری داده¬های آموزشی (60 داده) و ارزیابی (20 داده) و آزمونی (20 داده) تقسیم شدند. برای ایجاد توابع رگرسیونی از نرم¬افزار SPSS و برای ایجاد توابع شبکه عصبی مصنوعی از نرم¬افزار MATLAB 2016 استفاده شد. مقادیر ضریب تبیین) (R2 و مجذور میانگین مربعات خطا (RMSE)در تخمین فاکتور فرسایش¬پذیری خاک(K) بر اساس داده¬های آموزشی به ترتیب برابر 87/0و022/0 برای بهترین تابع رگرسیونی با متغیرهای ورودی کربن آلی، سیلت و بعد فراکتال خاکدانه¬ها و به ترتیب برابر 98/0 و 046/0 برای بهترین تابع شبکه عصبی مصنوعی با متغیرهای ورودی سیلت، کربن آلی و بعد فراکتال خاکدانه¬ها به دست آمد. نتایج بیانگر آن است که هر دو تابع از دقت خوبی برخوردار بودند ولی شبکه عصبی به علت داشتن R2 بالا (98/0) کارایی بالایی نسبت به توابع رگرسیونی داشت. همچنین افزودن بعد فراکتال خاکدانه¬ها به بقیه متغیرهای زودیافت خاک با افزایش R2(92/0) در بخش آزمونی باعث افزایش دقت نسبی مدل¬های رگرسیونی و شبکه عصبی مصنوعی شد. به‌طورکلی، نتایج این پژوهش نشان داد در منطقه موردمطالعه، سیلت و کربن آلی به ترتیب با همبستگی (727/0) و (599/0-) بیشترین تأثیر را در برآورد ضریب فرسایش¬پذیری خاک داشتند
Supervisor:
SupervisorE-mail
Asghari, ShokrollahUNSPECIFIED
Advisor:
AdvisorE-mail
Shahab Arakhazlo, HossienUNSPECIFIED
Mesri Gundoshmian, TarahomUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Soil Engineering
Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Soil Engineering
Divisions: Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Soil Engineering
Faculty of Agricultural Sciences & Natural Resources > Department of Soil Engineering
Date Deposited: 06 Oct 2018 14:22
Last Modified: 06 Oct 2018 14:22
URI: http://repository.uma.ac.ir/id/eprint/430

Actions (login required)

View Item View Item