تاثير كاربري هاي مختلف بر نفوذ آب در خاك

Effect of Different Land Uses on Water Infiltration: Case study in Neyshabour, Khorasan Razavi

نفوذ يكي از پديده هاي مهم در چرخه آبي است. با توجه به تغييرات زياد رطوبت خاك، ارايه مدلي مناسب جهت تخمين صحيح نفوذ حايز اهميت است. در اين پژوهش، سرعت نفوذ و نفوذ تجمعي آب در خاك در سه كاربري كشاورزي، مرتع و باغ در شهرستان نيشابور واقع در خراسان رضوي اندازه گيري شد. اندازه گيري نفوذ در هر كاربري به روش تك حلقه در 5 نقطه با سه تكرار انجام شد. همچنين مدل هاي فيليپ، كوستياكوف، كوستياكوف-لوييز، هورتون وسازمان حفاظت خاك آمريكا (SCS) براي تخمين نفوذ آب در خاك به كار گرفته شدند. جهت انتخاب مدل مناسب معيارهاي سنجش خطا شاملRMSE (ريشه ميانگين مربعات خطا) و R2(ضريب تبيين) براي هر مدل تعيين شد. نتايج نشان داد كه در كاربري كشاورزي دقت مدل هاي هورتون، كوستياكوف و كوستياكوف - لوييس در برآورد سرعت نفوذ و نفوذ تجمعي بالا بود. در كاربري هاي مرتع و باغ، مدل هاي كوستياكوف و فيليپ به ترتيب، داراي بيشترين وكمترين دقت براي برآورد نفوذ آب در خاك بودند.

Infiltration is an important process in water cycle. Considering the high variability of soil moisture, selection of proper model(s) for estimating water infiltration is important. In this study, infiltration rate and cumulative infiltration of water were measured in three land use systems including agriculture, pasture, and horticulture in Neyshabour town of Khorsan Razavi. Infiltration measurement was performed by single cylinder at 5 points with 3 replications for each land use. Also, Philip, Kostiakov, Kostiakov-Louiz, Horton, and soil conservation service (SCS) of United States models were used for estimating water infiltration in the studied soils. To select the best model, root mean square error (RMSE), and determination coefficient (R2) were determined for each model. The results showed that in the case of agriculture land use effects, precision of Horton, Kostiakov, and Kostiakov-Loiuz models for estimating infiltration rate and cumulative infiltration were high. In pasture and horticulture land use, Kostiakov and Philip had the highest and lowest precision, respectively, for predicting water infiltration.