امكان‌سنجي كاربرد روش درخت تصميم در تعيين منحني مشخصه رطوبتي خاك از روي پارامترهاي زوديافت آن

Feasibility of decision tree application (M5 model) for determining soil moisture characteristic curve from easily available soil parameters

در اين پژوهش با نمونه‌برداري از خاك‌هاي مختلف، درصد شن، رس، سيلت، منحني رطوبتي، چگالي ظاهري، مقدار ماده آلي، هدايت الكتريكي عصاره اشباع (ECe) و نسبت جذبي سديم (SAR)، اندازه‌گيري و در ادامه پارامترهاي هيدروليكي معادله ون‌گنوختن براي منحني رطوبتي خاك‌ها به روش بهينه‌سازي معكوس تعيين شدند. در انتها به كمك مدل درختي M5، مقادير رطوبت غير‌اشباع خاك به‌صورت توابعي وابسته به مكش، درصد شن، رس و سيلت، چگالي ظاهري، مواد آلي، نسبت جذبي سديم و شوري عصاره اشباع تخمين زده شد. در مرحله بعد مقدار ضريب تعيين (2R)، مقادير ريشه ميانگين مربعات خطا (RMSE) و ميانگين خطاي اريب (MBE) بين مقادير رطوبت اندازه‌گيري شده و شبيه‌سازي شده با روش مدل درختي M5 در همه بافت‌ها و شوري‌ها تعيين شد. نتايج نشان داد كه علاوه‌بر داده مكش به‌عنوان ورودي، داده‌هاي ديگر مانند درصد شن، سيلت و رس، نقش به‌سزايي در پيش‌بيني مقدار رطوبت داشتند. اما بيش‌ترين تاثير را پارامتر مكش ماتريك در پيش‌بيني رطوبت از خود نشان داد. بنابراين نتايج مدل درختي M5 بيانگر آن است كه با وجود در دسترس بودن داده‌هاي فيزيكي و شيميايي خاك، مقادير مكش ماتريك به‌عنوان يك پارامتر اساسي براي شبيه‌سازي دقيق رطوبت در منحني رطوبتي مورد نياز است. واژه‌هاي كليدي: بافت خاك، شوري عصاره اشباع، منحني رطوبتي، درخت تصميم

One of the major issues making difficult to model soil water and crop relationship is difficulty of determining soil hydraulic characteristics as soil moisture and unsaturated hydraulic conductivity curves. Because these characteristics are affected by chemical and physical agents. In this study, some readily available soil parameters such as sand, clay and silt percentage, moisture versus matric suction, bulk density, organic matter, saturated electrical conductivity (EC) and sodium adsorption ratio (SAR) were measured. Also soil hydraulic parameters are determined by optimization method. Finally, soil unsaturated moisture parameter is formulated by M5 decision tree method as functions of matric suction, sand, clay and silt percentage, bulk density, organic material, sodium adsorption ratio and saturated electrical conductivity. Also computed moisture data is compared with measured soil moisture curve data. Next, the R2 Determination coefficient, root mean square error (RMSE) and mean of bios error (MBE) is determined between measured and decision tree model (M5) fitted moisture data for all soil textures and salinities. Result showed that besides matric potential data. The sand, silt and clay data have also special effect on precision of moisture determining with M5. But matric potential data has greater effect on valid moisture prediction comparing to observed data. Generally, results of modeling with decision tree model (M5) showed that although some physical and chemical soil data could be available and measurable but matric potential data is required as key input parameter for accuratly simulation moisture retention curve. Keywords: Decision tree model, Saturation extracts salinity, Soil texture, Soil moisture curve