مقایسه روش های زمین آماری با روش غیرپارامتریک - k نزدیک ترین همسایه برای برآورد هدایت هیدرولیکی اشباع خاک

آگاهی از هدایت هیدرولیکی اشباع خاک در مدیریت آبیاری و مدل سازی هیدورلوژیکی، ضروری می باشد، ولی در بیش تر موارد به علت محدودیت های عملی و یا هزینه ای، اندازه گیری آن با دشواری همراه است. در این پژوهش مدل های مختلف زمین آماری با نوعی از الگوریتم های غیرپارامتریک از نوع یادگیرنده های تنبل موسوم به k- نزدیک ترین همسایه، برای تخمین هدایت هیدرولیکی اشباع خاک از روی داده های سهل الوصول خاک، مورد مقایسه قرار گرفت. در این پژوهش 151 نمونه از خاک های زراعی اطراف بجنورد، جمع آوری شده و متغیرهای کمکی شامل فراوانی ذرات، جرم مخصوص حقیقی و ظاهری همچنین هدایت الکتریکی عصاره اشباع خاک (ECe)، درصد مواد آلی خاک (OM)، رطوبت اشباع خاک (θs)، pH و میزان مواد خنثی شونده آن (TNV) برای برآورد هدایت هیدرولیکی اشباع به کار گرفته شد. استفاده از آماره های ضریب هبستگی پیرسون (r)، خطای ماکزیمم (ME)، ریشه میانگین مربعات خطا (RMSE)، کارآیی مدل (EF) و ضریب جرم باقی مانده (CRM) نشان داد که از نظر دقت برآورد، روش غیرپارامتریک k- نزدیک ترین همسایه (با داشتن آماره های 76/0=r، 655/0=EF، 87/42=RMSE، 89/26= MEو 11/0- =CRM) نسبت به سایر روش ها از دقت قابل قبولی برخوردار بوده و پس از آن روش های کوکریجینگ و کریجینگ ساده، واجد بیش ترین دقت در تخمین مقادیر هدایت هیدرولیکی اشباع خاک بوده اند. بر این اساس، می توان نتیجه گیری کرد که استفاده از تکنیک k- نزدیک ترین همسایه به عنوان روشی جایگزین برای اشتقاق توابع انتقالی خاک، به ویژه هنگامی که فراهمی داده های جدید، نیاز به اشتقاق دوباره این توابع را الزام آور می کند، می تواند به کار رود.