ارزيابي روشهاي برآورد رطوبت ظرفيت زراعي در خاك هاي استان خوزستان

Evaluation of Estimation Methods for Water Field Capacity in Soils of Khuzestan Province

اين تحقيق با هدف ارزيابي عملكرد روشهاي مرسوم برآورد رطوبت ظرفيت زراعي جهت معرفي تابع انتقالي مناسب خاكهاي منطقه استان خوزستان در شرايط آزمايشگاهي و مزرعه انجام پذيرفت. به منظور رصد وضعيت رطوبتي خاكها در هر دو مدل فيزيكي و مزرعه آزمايشي اقدام به كارگذاري حسگرهاي دفني دستگاه انعكاس سنجي حوزه زماني (TDR) در اعماق مختلف و انجام آبياري قطره اي از يك منبع نقطه اي سطحي با دبي 4 ليتر در ساعت گرديد. سپس، ويژگي هاي فيزيكي خاك همراه با مقادير رطوبت در مكش هاي معين براي تعيين پارامترهاي هيدروليكي مدل رطوبتي ون گنوختن معلم به كمك نرم افزارRETC اندازه گيري شد. نتايج اين پژوهش در ارزيابي عملكرد چندين تابع انتقالي نقطه اي معروف نشان داد كه مدلهاي نيمه تجربي متكي بر اصول فيزيكي كه در سطح مزرعه مورد آزمايش قرار گرفته اند مي تواند جايگزين مناسبي براي روشهاي سنتي تخمين ميزان رطوبت ظرفيت نگهداري آب در خاك باشد. به طوري كه، تابع انتقالي Twarakavi et al. (2009) با آماره هاي (1/3%) NRMSE و (51/0%) SE توانست رطوبت ظرفيت زراعي را با دقت خوبي نسبت به روش شبكه عصبي Rosetta (2001) با مقادير (2/5%) NRMSE و (71/0%) SE يا معادله Dexter (2004) با مقادير (7/9%) NRMSE و (75/1%) SE برآورد نمايد. هر چند، تفاوتي در كارايي مدل (ME) براي هر سه تابع انتقالي ملاحظه نگرديد. بر اساس نتايج ارزيابي اين توابع انتقالي با استفاده از آناليز واريانس يك طرفه در سطح معني داري 5 درصد به وضوح مشاهده گرديد اثرات منفي ميزان شن و تراكم خاك بر مقادير رطوبت ظرفيت زراعي قابل توجه است. بر عكس، ميزان رس و سيلت در سطح معني داري 5 درصد داراي تأثير مثبتي بر مقادير رطوبت ظرفيت زراعي داشت.

This study aimed to assess the performance of the conventional methods for estimating soil moisture at field capacity (θfc) and introduce the appropriate PTF under laboratory and field conditions in Khuzestan province soils. The buried probes of the time domain reflectometry device (TDR) inserted at various depths in order to monitor soil moisture conditions in both the physical model and experimental field under a point source drip irrigation with discharge rates of 4 lph. Then, physical soil properties and soil water contents at their specific matric potentials were measured to calculate the hydraulic parameters of Van GenuchtenMualem model with the RETC program. The results of this research to evaluate the performance of several wellknown PointPTFs showed that the quasiempirical models based on physical principles can be a good alternative to traditional methods for estimating θfc on the condition that they have been tested in the field. So that, the PTF of Twarakavi et al. (2009) with indices of NRMSE (3.1%) and SE (0.51%) could carefully predict θfc more accurate than the Rosetta (2001) artificial neural network approach which presented the values of NRMSE (5.2%) and SE (0.71%) or the Dexter (2004) equation with the values of NRMSE (9.7%) and SE (1.75%). However, there were not observed any differences in the indicator of model efficiency (ME) for each three PTFs. Based on the assessment results of these PTFs, the negative effects of soil compaction and the amount of sand on the θfc were clearly showed using oneway ANOVA (p < 0.05). On the contrary, the amount of clay and silt had positive effect on the θfc, significantly (p < 0.05).