-303517-4375

5213363-446335

نشریه حفاظت منابع آب و خاك، سال پنجم، شماره اول، پاییز ١٣٩٤

کاربرد مدل سازي سري زمانی در پیش بینی شدت تخلیه زهکشی زیرزمینی و نوسانات سطح ایستابی

شفیعه وزیرپور1، فرهاد میرزایی اصل شیرکوهی2 ، حامد ابراهیمیان3* و حامد رفیعی4

دانش آموخته کارشناسی ارشد؛ گروه مهندسی آبیاري و آبادانی؛ پردیس کشاورزي و منابع طبیعی؛ دانشگاه تهران؛ کرج؛ ایران
دانشیار گروه مهندسی آبیاري و آبادانی؛ پردیس کشاورزي و منابع طبیعی؛ دانشگاه تهران؛ کرج؛ ایران
3*) استادیار گروه مهندسی آبیاري و آبادانی؛ پردیس کشاورزي و منابع طبیعی؛ دانشگاه تهران؛ کرج؛ ایران
ebrahimian@ut.ac.ir :نویسنده مسئول مکاتبات *
4) استادیار گروه اقتصاد کشاورزي؛ پردیس کشاورزي و منابع طبیعی؛ دانشگاه تهران؛ کرج؛ ایران

18697064085

تاریخ دریافت:25/05/1394 تاریخ پذیرش: 25/09/1394

چکیده
ویژگی هاي تصادفی بودن پدیده هاي زهکشی سبب شده تا بتوان از مفاهیم متغیرهاي تصادفی و سري هاي زمانی در مدل سازي و پیش بینی عملکرد آنها استفاده شود. هدف از پژوهش حاضر بررسی قابلیت مدل هاي سري زمانی در پیش بینی عملکرد سامانه زهکشی زیرزمینی شبکه ران بهشهر (که زهکش هاي آن به وسیله باران فعال می شوند) بود. در این مطالعه در ابتدا مدل Drainmod واسنجی و سپس متغیرهاي شدت تخلیه زهاب و عمق سطح ایستابی توسط مدل واسنجی شده شبیه سازي شد. سپس این اطلاعات براي توسعه و ارزیابی مدل هاي مختلف سري زمانی مورد استفاده قرار گرفت. نتایج نشان داد که مدل ARMAX با متغیرهاي برونزاي ارزش روزانه، بارش روزهاي قبل و متوسط متغیر مورد نظر در دو روز قبل در برآورد شدت تخلیه زهاب و عمق سطح ایستابی کارآمدتر میباشد به طوري که درصد میانگین مطلق خطا براي هر دو متغیر حدوداً هشت درصد بود. مقایسه نتایج پیش بینی مدل هاي برگزیده سري زمانی با نتایج شبیه سازي مدل واسنجی شده Drainmod نشان داد کاربرد مدل هاي سري زمانی در پیش بینی عملکرد سامانه زهکشی مطلوب و ضریب تعیین براي شدت تخلیه زهاب و عمق سطح ایستابی به ترتیب 51/0 و 74/0 و ریشه میانگین مربعات خطا نیز براي این متغیرها به ترتیب 01/0 سانتی متر بر روز و 6/8 سانتی متر بود.
کلیدواژه ها: سامانه زهکشی؛ سطح ایستابی؛ شدت تخلیه؛ مدل DRAINMOD؛ واسنجی
مقدمه
69530208307747

سال

پنجم

/

شماره
1
/

پاییز
94

سال

پنجم

/

شماره

1

/

پاییز

94

زهکشی اراضی از اقداماتی است که علاوه بر افزایش عملکرد در اراضی کشاورزي، استفاده پایدار از این اراضی را تضمین می کند. پیش بینی عملکرد سامانه هاي زهکشی در کنترل سطح ایستابی و تخلیه زه آب می تواند در برنامه ریزي و مدیریت این سامانه ها کمک فراوانی کند (مختاران و همکاران ،1392). امروزه دانش مدل سازي به دلیل کاهش هزینه ها و کوتاه کردن مدت زمان دستیابی به نتایج اجراي یک سناریو بر روي یک سیستم، به صورت گسترده اي در علوم مختلف بکار می رود. مدل Drainmod از جمله مدل هاي ریاضی است که براي شبیه سازي عملکرد سامانه هاي زهکشی سطحی و زیرزمینی و همچنین شبیه سازي انتقال نمک ها و عناصر غذایی و نیتروژن، توسعه و استفاده گسترده یافته است (Singh et 2006 al.,). نتایج بررسی عملکرد مدل Drainmod براي شبیه سازي سطح ایستابی در مصر نشان داد که انطباق خوبی بین مقادیر واقعی و پیش بینی شده وجود دارد و میانگین انحراف مطلق براي سطح ایستابی و شدت تخلیه در مزارع مختلف به ترتیب بین 11 تا 16 سانتیمتر و 2/0 تا 83/0 میلی متر در روز می باشد (2002(Wahba et al., . همچنین نتایج ارزیابی مدل Drainmod براي برآورد شدت تخلیه زهاب در منطقه جنوب غربی اوهایو نشان داد که میانگین انحراف مطلق و خطاي استاندارد در مزارع مورد مطالعه به ترتیب بین 1/0 تا 7/0 و 3/0 تا 7/1 میلی متر در روز است و در نهایت عملکرد مدل مناسب تشخیص داده شد (2006 (Wang et al.,. به طور کلی بر اساس تحقیقات انجام شده، مقادیر خطاي مطلق و خطاي استاندارد براي پیش بینی عمق سطح ایستابی به ترتیب در محدوده 4 تا 24 و 6 تا 30 سانتی متر و براي شدت تخلیه زهاب به ترتیب برابر 6/0 تا 4/1 و 8/0 تا 6/3 میلی متر در روز گزارش شده است( 1978Chang et al., ،Skaggs,
Wang ،Wahba et al., 2002 ،Gupta et al., 1993 ،1983
2006Skaggs et al., 2012 ،et al., ). سري زمانی مجموعه اي از داده هاي آماري است که در فواصل زمانی مساوي و منظم جمع آوري شده باشند و روش هاي آماري که این داده هاي آماري را مورد بررسی قرار می دهند، تحلیل سري هاي زمانی نامیده می شوند (2001Knotters and Bierkens, ). در سري هاي زمانی ویژگی مهم این است که معمولاً مشاهدات متوالی مستقل نیستند و دقیقاً این وابستگی است که بررسی شده و مدل می شود. تحلیل سري زمانی در علوم مختلف به منظور پیش بینی پدیده هاي مختلف کاربرد فراوان دارد (2001Sadorsky, 2006; Knotters and Bierkens, ). هدف از سري زمانی، تعیین قانونمندي و شناسایی رفتار آن براي پیش بینی در آینده می باشد( 2006Sadorsky, ).
نتایج استفاده از مدل سري زمانی ARIMA براي پیش بینی زمانی و مکانی هدایت الکتریکی زهاب زهکش هايزیر زمینی نشان داد که استفاده از متغیر برونزا و مدل ARMAX سبب افزایش دقت مدل سازي داده ها می شوند(1986Tisu and Guitjens, ). استفاده از مدل سري زمانی(0,1ARX( براي پیش بینی نوسانات سطح آب زیر زمینی یک رابطه پویا بین بارش مازاد و سطح ایستابی را نشان داد ( 2001Knotters and Bierkens, ). در پژوهشی روش سري زمانی ARIMA براي برآورد تعرق از آسمانه گیاه با استفاده از اطلاعات جریان شیره گیاهی و اطلاعات هواشناسی بکار گرفته شد. نتایج نشان داد که مدل (3,1,1ARIMA( به عنوان بهترین مدل براي تخمین تعرق در دوره مرطوب میباشد( 2005 Chelcy et al,). روش سري زمانی براي پیش بینی رطوبت خاك با استفاده از اندازه گیري رطوبت در یک عمق مشخص به منظور تعیین دقیق زمان آبیاري بعدي و تأثیر آن روي رطوبت خاك در اعماق دیگر به کار گرفته شد و به منظور بررسی اثر آبیاري، از آبیاري به عنوان یک عبارت مداخله گر استفاده شد. نتایج نشان داد که مدل سازي سري زمانی توانست با دقت مطلوبی رطوبت خاك را برآورد کند (2012Aljoumani et al., ). در پژوهشی دیگر، براي شبیه سازي فرآیند بارش- رواناب از مدل ARIMAX و بارش به عنوان داده ورودي مستقل براي پیش بینی رواناب آینده استفاده شد. دقت مدل ARIMAX در برآورد رواناب مطلوب گزارش شد( 2013 Nourani et al.,).
در مناطق مرطوب که داراي بارندگی قابل توجهی هستند، اراضی به صورت دیم کشت می شوند. زهکش ها در این اراضی معمولاً در موقع بارندگی فعال خواهند شد .
از آنجا که بارش یک پدیده تصادفی است، می توان از دانش سري زمانی در پیش بینی عملکرد سامانه زهکشی زیرزمینی استفاده کرد. تاکنون مطالعات بسیار محدودي در زمینه کاربرد مدل سازي سري زمانی در سامانه زهکشی زیرزمینی انجام شده است. بنابراین هدف اصلی این تحقیق پیش بینی شدت تخلیه زهکش و عمق سطح ایستابی بین دو زهکش زیرزمینی با استفاده از تحلیل سري زمانی و مقایسه نتایج حاصل از آن با مدل شبیه سازي Drainmod می باشد.

مواد و روش ها سري زمانی
براي بررسی وابستگی بین مشاهدات متوالی (مانند هیدروگراف دبی زهکش و سطح ایستابی) از تابع خود همبستگی و تابع خود همبستگی جزئی استفاده شد. خود همبستگی در تاخیر K عبارت است از همبستگی بین مشاهداتی که K واحد زمانی با یکدیگر فاصله دارند. تابع خود همبستگی نظري که با k نشان داده می شود و به صورت رابطه( 1) تعریف می شود ( ,.Chelcy et al
:(2005
cov(xt ,xtk )
k 

var(xt ) (1)
همبستگی بین xt و xt+k بعد از حذف اثر متغیرهاي -xt+2 ،… ،xt+k و 1xt+ را ضریب خودهمبستگی جزئی می نامند. در برآورد ضرایب الگو با استفاده از داده هاي سري زمانی، فرض بر این است که متغیرهاي الگو ایستا هستند. یک متغیر سري زمانی وقتی ایستا است که میانگین، واریانس و ضریب خود همبستگی آن در طول زمان ثابت باقی بماند. در این مطالعه ،براي بررسی پایایی متغیرها از آزمون دیکی- فولر1 استفاده شد .(Dickey and (1979Fuller, معمولاً براي تخمین الگوي سري زمانی، از روش باکس- جنکینز (2011 ,.Box et al) استفاده می شود که داراي چهار مرحله شناسایی، تخمین ،کنترل تشخیصی و پیش بینی می باشد.

الگوهاي سري زمانی

الگوي خودرگرسیونی (AR)
اگر متغیر وابسته یا متغیر مورد نظر براي پیش بینی Yt باشد، آنگاه فرآیند خود رگرسیون در حالت کلی به صورت رابطه (2) خواهد بود (1999(Gujarati, :
(Yt )a1(Yt1)2(Yt2)
…p(Ytp )Ut
که در آن Yt یک فرآیند خودرگرسیون مرتبه pام ،AR(p) است. به عبارت دیگر، متغیر Yt از فرآیند خود رگرسیون مرتبه pام پیروي م یکند. در رابطه بالا،  میانگین Y و Ut جمله اخلال خالص است .
الگوي میانگین متحرك (MA)
فرآیند میانگین متحرك در پیش بینی الگوي هاي سريزمانی به طور گسترده استفاده می شود. این الگو به صورت رابطه( 3) است (2006 ,Sadorsky):
Yt 0U t 1U t1
2U t2  … qU tq

در رابطه بالا؛ مقدار ثابت و U جمله اخلال است. در الگوي بالا Yt از فرآیند A(q) پیروي می کند.

الگوي خود رگرسیون میانگین متحرك (ARMA)
4272528268123

سال

پنجم

/

شماره

1
/

سال



قیمت: تومان

دسته بندی : منابع آب خاک

دیدگاهتان را بنویسید