مقایسه مقادیر اندازه گیری و پیش بینی شده هدایت هیدرولیکی خاک توسط مدلهای ROSETTA و UNSATK در برخی ازخاکهای موجود در بانک اطلاعاتی UNSODA
محل انتشار: نهمین کنگره علوم خاک ایران
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,230
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SSCI09_386
تاریخ نمایه سازی: 30 خرداد 1385
چکیده مقاله:
تعیین منحنی های هدایت هیدرولیکی – رطوبت خاک در صحرا و آزمایشگاه علاوه بر وقت گیر بودن، بسیار هزینه بر هستند . از این رو به روش های بسیار زیادی برای برآورد این دو منحنی، ارائه شده است (7 و 5 ، 3 ، 1 ، 4 ) ون گنوختن (1980) van Genuchten معادلات زیر را برای تعیین منحنی مشخصه رطوبتی خاک ارائه کرد : [فرمولها در متن اصلی]. همچنین ون گنوختن برای هدایت هیدرولیکی غیر اشباع خاک، معادله زیر را بر اساس معادله معلم (1976) ارائه کرد . این معادله به نام معادله معلم - ون گنوختن معروف است Mualem - van Genuchten
(MVG): [فرمول در متن اصلی] می باشد مقدار l برابر 0/5 توصیه شده است 3) و ).5 اسچپ Schaap و همکاران (2000) بیان کردند که روش MVG برای تخمین منحنی K−θ خطای زیادی دارد و مدل معلم - ون گنوختن (1980) را اصلاح کردند . این محققین بیان کردند که در مدل معلم - ون گنوختن (MVG) مقدار l همیشه برابر 0/5 نیست و بسته به نوع بافت خاک، l مقادیر مختلفی به خود می گیرد و حتی در بعضی موارد مقدار l می تواند منفی باشد . مقدار Ks در معادله معلم - ون گنوختن (1980) همیشه برابر مقدار Ks نیست و با Ko نمایش داده می شود (4) . با تخمین Ko و l در برنامه کامپیوتری ROSETTA بر اساس شبکه عصبی Neural Network می توان با وارد کردن عوامل α ، n ، θr و θs به دست آمده از منحنی مشخصه آب خاک تابع هدایت هیدرولیکی غیر اشباع خاک را توسط معادله به دست آورد [4].
نویسندگان
عبداله رادسر
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه شیراز
شاهرخ زندپارسا
استادیار بخش آبیاری دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :