پیش بینی رفتار انقباض پذیری خاک ها به کمک شبکه عصبی مصنوعی در مقیاس زمین نما در منطقه چلگرد استان چهارمحال وبختیاری

STUDENT

DEGREE

YEAR

Swelling-shrinkage are among the important soil mechanical and physical properties which play a vital role in the stability of buildings, and also for tillage practices and irrigation in agriculture. Few studies have been done to investigate and predict the swelling-shrinkage behavior of soils at the watershed scale in Iran. This study was conducted to measure the Atterberg limits and consistency indices and shrinkage curves of soils in Cherlgerd district, Charmahal-va-Bakhtiari province. One hundred and thirteen soil samples (disturbed and undisturbed clods) were collected from the 0-10 cm layer of different land uses and positions to measure the Atterberg limits, shrinkage curve and selected soil properties. Primary and secondary topographic attributes were determined using digital elevation model. Normalized difference vegetation index (NDVI) was obtained using satellite ETM+ images. Soil shrinkage curve was measured, according to Archimedes's principle, by covering the undisturbed clods with an Acrylic Resin which was slowly permeable to vater vapor and impermeable to liquid water. Then, the void ratio ( e ) values were plotted vs . the moisture volume ratio (?) values and the shrinkage curve data were modeled using Peng and Horn (2005) model. Derivatives of Peng-Horn's model were solved to derive shrinkage quatities/indices related to different zones on the soil shrinkage curve. Soil consistency limits and indices, fittig parameters ( e r , e s , ? , n and m ) of Peng–Horn's model and quantities/indices for volume- and moisture ratio-changes on the soil shrinkage curve were predicted by easily-available inputs using multiple linear regression (MLR) and artificial neural networks (A) models. The modeling results showed that pedotransfer functiond (PTFs) developed by MLR could explain 28-66% of the Atterberg consistency limits and indices in the study area using soil and auxiliary environmental data; whereas, A models improved the coefficient of determination ( R 2 ) to 78-94%. Sensitivity analysis (SA) using StatSoft method, indicated that soil organic matter (OM), clay content, calcium carbonate

انبساط و انقباض به عنوان یکی از مهم‌ترین پدیده های فیزیکی و مکانیکی خاک محسوب می شوند که در ارتباط با پایداری سازه ها و هم چنین مباحث خاک ورزی و آبیاری در کشاورزی اهمیت دارند. در کشور ایران، پژوهش های اندکی در مورد انقباض و انبسا ط پذیری خاک ها و پیش بینی آن در مقیاس حوضه آب خیز انجام گرفته است. هدف از انجام این پژوهش اندازه گیری و تخمین حدود آتربرگ و شاخص های پایداری و منحنی انقباض در خاک های بخشی از منطقه چلگرد استان چهارمحال و بختیاری بود. بدین منظور در 113 نقطه از منطقه مورد بررسی، در کاربری ها و موقعیت های مختلف توپوگرافی، از لایه 10-0 سانتی‌متری نمونه‌های خاک دست خورده و هم چنین کلوخه های دست‌نخورده برداشت شده و حدود آتربرگ، منحنی انقباض و برخی ویژگی های خاک اندازه گیری شد. ویژگی های توپوگرافی منطقه شامل مشخصه های اولیه و مرکب با استفاده از مدل رقومی ارتفاعی و شاخص نرمال شده پوشش گیاهی (NDVI) از روی تصاویر ماهواره ای ETM+ محاسبه شدند. منحنی انقباض خاک با پوشش دادن کلوخه ها با رزین اکریلیکی (اندکی تراوا به بخار آب و ناتراوا به آب مایع) بر اساس قانون ارشمیدس اندازه گیری شد. سپس با ترسیم نسبت پوکی ( e ) در برابر نسبت حجم آب (?)، منحنی انقباض خاک رسم شده و مدل پنگ و هورن (2005) بر آن برازش داده شد. با استفاده از مشتق های مدل پنگ-هورن و حل آن‌ها، کمّیت ها و شاخص های انقباض مرتبط با نواحی مختلف منحنی انقباض خاک استخراج گردید. به کمک داده‌های زودیافت، حدود و شاخص های پایداری خاک، پارامترهای برازش یافته ( e r ، e s ، ? ، n و m ) مدل پنگ-هورن و کمّیت ها و شاخص های تغییر حجم (نسبت پوکی) و نسبت رطوبت منحنی انقباض خاک با مدل های رگرسیون چند متغیره خطی (MLR) و شبکه عصبی مصنوعی (A) پیش‌بینی شدند. نتایج مدل سازی حدود آتربرگ و شاخص های پایداری خاک نشان داد که توابع انتقالی خاکی (PTFs) رگرسیونی توانستند 28 تا 66 درصد از تغییرات آن‌ها را در منطقه مورد بررسی توجیه کنند، درحالی‌که استفاده از مدل های A ضرایب تبیین ( R 2 ) را به حدود 78 تا 94 درصد بهبود بخشیدند. نتایج تجزیه و تحلیل حساسیت (SA) به روش StatSoft نشان داد که مهم‌ترین ویژگی های موثر بر حدود آتربرگ و شاخص های پایداری خاک، ماده آلی (OM)، درصد رس، درصد آهک (CCE) و از متغیرهای محیطی مهم‌ترین پارامترها شیب، ارتفاع، شاخص خیسی (WI)، انحنای افقی (PlanC) و هم چنین شاخص NDVI بودند. نتایج برازش مدل پنگ-هورن بر داده های اندازه گیری شده منحنی انقباض خاک خیلی خوب بود (در تمامی موارد مقادیر R 2 مدل بیش از 99 درصد بود). تجزیه هم بستگی اسپیرمن نشان داد که بین پارامترهای مدل پنگ-هورن هم بستگی درونی زیادی وجود دارد. در مدل‌سازی با PTFs رگرسیونی، تخمین اکثر متغیرهای انقباض خاک، به کمک داده‌های زودیافت، ضرایب تبیین مناسبی ایجاد نکردند ولی در برخی موارد افزودن متغیرهای کمکی توپوگرافی و شاخص NDVI به توابع پیش بینی فضایی خاک (Fs) رگرسیونی، تا حدودی ضرایب تبیین را بهبود بخشید. نتایج مدل‌سازی به روش A با توجه به مقادیر شاخص بهبود نسبی (RI) که برای تمامی متغیرها در دامنه 37 تا 72 درصد قرار گرفت، نشان داد که مدل های A با در نظر گرفتن روابط غیرخطی و پیچیده بین پارامترهای مدل انقباض و ویژگی های زودیافت بسیار موفق تر عمل کرده اند. نتایج SA به روش StatSoft نشان داد که در مورد پارامترهای مدل پنگ-هورن، مهم‌ترین ویژگی های مؤثر، توزیع اندازه ذرات (PSD) خاک ( d g ) بود. به علاوه چگالی ظاهری (BD) و OM خاک نیز بر پارامترهای e r و e s تأثیرگذار بودند. نتایج SA در مورد کمّیت ها و شاخص های بخش های مختلف منحنی انقباض خاک، نشان داد ویژگی های متفاوتی تأثیرگذار بودند. از جمله این که در ناحیه انقباض ساختمانی علاوه بر مقدار رس، OM و BD نیز پارامترهای مهم شناخته شدند که مدل های رگرسیونی PTFs و Fs نتوانستند آن‌ها را شناسایی کنند. در ناحیه انقباض بهنجار، مهم‌ترین پارامترهای خاکی مؤثر درصد رس، گنجایش تبادل کاتیونی (CEC)، OM و CCE تشخیص داده شدند. در نواحی انقباض پس ماند و صفر، مهم‌ترین عوامل مؤثر درصد رس، CEC و به میزان کم تری OM و OM/Clay بودند. در مورد شاخص های رطوبتی %? ss و %? ps نیز توزیع اندازه ذرات، BD، OM، نسبت OM/Clay و CCE به عنوان فاکتورهای حساس شناخته شدند. درحالی‌که در نواحی انقباض پس ماند و صفر، ویژگی های رس و سیلت، CEC و حتی SAR پارامترهای حساس بودند. نتایج SA نشان داد که در مورد گنجایش انقباض و گنجایش انقباض نسبی، علاوه بر PSD، CEC، BD و نسبت CEC/Clay نقش مهمی ایفا کرده اند. در مجموع وجود رس سبب افزایش گنجایش انقباض و ماده آلی و آهک سبب تعدیل آن در خاک های مورد بررسی شدند. نتایج مدل‌سازی به کمک A برای پارامترهای مدل پنگ-هورن و شاخص ها و کمّیت های انقباض خاک، نشان داد که این مدل ها قادرند بخش قابل‌توجهی از تغییرات آن‌ها را در منطقه مورد بررسی توجیه کنند. واژه های کلیدی: حدود آتربرگ، شاخص های پایداری، منحنی انقباض خاک، مدل پنگ و هورن، رگرسیون چندمتغیره خطی، شبکه عصبی مصنوعی