کارایی مدل های برآورد دامنه رطوبتی با حداقل محدودیت در خاک

دامنه ای از رطوبت حجمی خاک که در آن، محدودیت ها برای رشد گیاه در ارتباط با پتانسیل آب، تهویه و مقاومت مکانیکی خاک در کمترین مقدار خود باشد، دامنه رطوبتی با حداقل محدودیت (LLWR) نامیده می شود. اندازه گیری LLWR به طور تجربی به هزینه و زمان زیادی نیاز دارد. به کارگیری توابع تبدیلی ((PTF می تواند برآورد آن را تسریع کند. درباره صحت و قابلیت اعتماد تخمین PTF های توسعه یافته برای خصوصیات هیدرولیکی خاک از طریق شبکه عصبی مصنوعی (ANNs)، روش چند هدفی مدیریت گروهی داده ها ((MGMDHو رگرسیون چند متغیره خطی MLR)) اطلاعات متناقضی در دست است. این پژوهش به منظور ارزیابی کارایی سه روش مذکور در تخمین مستقیم LLWR انجام گرفت. بدین منظور 188 نمونه دست نخورده برای تعیین منحنی نگهداری آب خاک، منحنی مقاومت خاک و نهایتا ثابت های رطوبتیpwp)θ، fcθ، sr θ، afp θ) و نمونه های دست خورده برای اندازه گیری یازده ویژگی فیزیکی و شیمیایی خاک به کار گرفته شد. پس از محاسبه LLWR از رطوبت های حد بالا و حد پایین (LLWRe) یک بار دیگر نیز LLWR با به کارگیری سه روش مذکور مستقیما ((LLWRd از خصوصیات خاک برآورد شد. صحت و قابلیت اعتماد تخمین با به کارگیری آماره های مجذور میانگین مربعات خطا (RMSE)، معیار اطلاعات آکایک AIC)) و بهبود نسبی مورد بررسی قرار گرفت. روش ANNs از بالاترین صحت و قابلیت اعتماد تخمین برخوردار بودRMSE) پایین تر و AIC منفی تر(. MGMDH و MLR در درجات بعدی قرار داشتند. معنی دار بودن تفاوت صحت و قابلیت اعتماد تخمین PTF های ایجاد شده با سه روش مختلف با به کارگیری AIC ارزیابی شد. تفاوت ها بین PTF های ایجاد شده با روش های ANNs وMGMDH از یک طرف و روش MLR از نظر آماری معنی دار بود، اما تفاوت بین ANNs با MGMDH فقط برای مرحله آموزش معنی دار شد. در بین سه روش مورد مطالعه، ANNs از بالاترین کارایی در برآورد مستقیم LLWR برخوردار بود.