شبیه‌سازی نفوذ آب در خاک با استفاده از نرم‌افزار Hydrus1D و داده‌های صحرایی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه گنبد کاووس

2 دانشگاه گنبدکاووس

چکیده

سابقه و هدف: در پژوهش حاضر از نرم‌افزار هایدروس یک بعدی برای برآورد پارامترهای هیدرولیکی مدل ون‌گنوختن معلم ‌‌‌‌‌‌و شبیه‌سازی نفوذ آب در خاک در چهار ایستگاه اطراف دانشگاه گنبد کاووس، دریاچه مصنوعی، کلاله و نگین‌شهر با بافت خاک لوم به روش معکوس، استفاده شد.
مواد و روشها‌: برای این منظور سه گزینه با تعداد متفاوت پارامترهای هیدرولیکی انتخاب شده برای فرایند بهینه‌سازی تعریف شد. در گروه اول تنها از داده‌های نفوذ‌تجمعی اندازه‌گیری ‌شده به عنوان ورودی نرم‌افزار استفاده شد. در گروه دوم مقدار رطوبت خاک اندازه‌گیری‌شده در پتانسیل ماتریک 3/0 اتمسفر(FC) ( و در گروه سوم از میزان رطوبت در مکش 15 اتمسفر (PWP) به عنوان داده‌های تکمیلی برای حل‌معکوس در کنار داده‌های نفوذ‌تجمعی، استفاده شد. پس از بهینه‌سازی پارامترهای هیدرولیکی خاک، با استفاده از نرم‌افزار هایدروس تغییرات نفوذ با زمان شبیه‌سازی شد.
یافته ها:
در ایستگاه کلاله مقدار بهینه پارامتر رطوبت اشباع (sø)، رطوبت باقیمانده(rø) و عکس مکش ورود هوا به خاک(α) به ترتیب برابر 34/0، 033/0 و 014/0 به دست آمد. در ایستگاه نگین‌شهر مقدار بهینه پارامتر مکش ورود هوا به خاک (α)‌، شکل منحنی رطوبتی (n) و هدایت هیدرولیکی اشباع خاک (ks) به ترتیب 006/0، 42/1 و 014/0سانتی متر بر دقیقه به دست آمد. در ایستگاه دریاچه مصنوعی مقدار بهینه پارامتر عکس مکش ورود هوا به خاک (α)‌، شکل منحنی رطوبتی (n) و هدایت هیدرولیکی اشباع خاک (ks) به ترتیب 015/0، 39/1 و 016/0سانتی‌متر بر دقیقه به دست آمد. در ایستگاه دانشگاه مقدار بهینه پارامتر هدایت هیدرولیکی اشباع خاک (ks) و عکس مکش ورود هوا به خاک (α) به ترتیب برابر 013/0 سا نتی‌متر بر دقیقه و 008/0 به دست آمد. پس از بهینه سازی پارامتر‌های هیدرولیکی خاک، با استفاده از نرم‌افزار هایدروس تغییرات نفوذ با زمان شبیه‌سازی شد. نتایج نشان داد که نرم‌افزار هایدروس نفوذ‌تجمعی را به خوبی شبیه‌سازی کرده است و با گذشت زمان میزان نفوذ را کمی بیشتر از داده‌های مزرعه ای پیش‌بینی نموده است. در ایستگاه کلاله بین داده‌های نفوذ مزرعه‌ای و نرم‌افزار هایدروس با ضریب R2 بالا (98/0) و RMSE کم (11/9 سانتی‌متر) همبستگی بیشتری وجود داشت و داده‌های پیش‌بینی شده توسط نرم‌افزار تقریبا" با داده‌های مزرعه‌ای برابر بود. در ایستگاه نگین‌شهر تفاوت داده‌های مزرعه‌ای و نرم‌افزار هایدروس بیشتر بود.
نتیجه گیری: با توجه به نتایج به دست آمده، نرم‌افزار هایدروس داده‌های نفوذ را کمی بیشتر از میزان واقعی پیش‌بینی کرده است. در همه ایستگاه‌ها مقدار R2 بالا بوده که نشان‌دهنده همبستگی متوسطی بین داده‌های مزرعه‌ای و نرم‌افزار هایدروس می باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Simulation of water infiltration in the soil using HYDRUS-1D software and field data

نویسندگان [English]

  • masumeh farasati 1
  • hosein shakeri 2
1 gonbad university
2 gonbad university
چکیده [English]

Abstract
Background and objectives: In the present study, HYDRUS 1D software was used to estimate the hydraulic parameters of the Van Genuchten- Moalem model and simulation of water infiltration in soil of four stations of Gonbad University, Artificial Lake, Kalaleh and Negin Shahr with loam soil texture by reverse method.
Materials and methods: For this purpose, three groups with a different number of hydraulic parameters selected for the optimization process were defined. In the first group, only the cumulative penetration data measured as software input was used. In the second group, the soil moisture content measured at 0.3 atmospheres (FC) and in the third group, the amount of moisture in the 15 atmospheric suction (PWP) as supplementary data for the inverse solution along with the data cumulative infiltration was used. After optimization of hydraulic parameters of soil, change of water infiltration with time simulated by HYDRUS 1D.
Results: In kalaleh station, optimized parameters øs, ø r and α value 0.34, 0.027 and 0.014 obtained. In neginshar, optimized parameters α, n and ks parameters 0.0075, 1.52 and 0.012cm/min obtained. In Artificial Lake optimized parameters α, n and ks parameters 0.011, 1.39 and 0.016 cm/min obtained. In Gonbad university station optimized parameters value ks and α value 0.011cm/min and 0.005 obtained. After optimizing the hydraulic parameters of the soil, using HYDRUS software, water infiltration simulated with time. The result showed that Hydrus software predicted the data to be slightly higher than the actual amount. The results showed that at all stations, the R2 value is high, indicating a high correlation between field data and Hydrus software. In the kalaleh station, there was a greater correlation between field infiltration data and Hydrus software with high R2 coefficient (0.997) and the predicted data by the software was approximately with field data was equal. And at Negin shahr station, the difference between field data and Hydrus software simulated data was higher.
Conclusion: At all stations, the R2 value is high, indicating a high correlation between field data and Hydrus software. In the kalaleh station, there was a greater correlation between field infiltration data and Hydrus software and the predicted data by the software was approximately with field data was equal. At Negin shahr station, the difference between farm data and Hydrus software was higher. According to the results Hydrus software simulated cumulative infiltration well and with over time, the infiltration rate was slightly higher than field data.

کلیدواژه‌ها [English]

  • simulation
  • infiltration
  • HYDRUS software
  • field data
- 1.Abbasi, F., Simunek, J., Feyen, J., van Genuchten, M.Th., and Shouse, P.J. 2003.
Simultaneous inverse estimation of soil hydraulic and solute transport parameters from
transient field experiments: homogeneous soil. Trans. ASAE, 46: 4. 1085-1095.
2.Alletto, L., Pot, V., Giuliano, S., Costes, M., Perdrieux, F., and Justes, E. 2015. Temporal
variation in soil physical properties improves the water dynamics modeling in a
conventionally-tilled soil. Geoderma, 243: 244. 18-28.
3.Asgarzadeh, H., Mosaddeghi, M.R., Dexter, A.R., Mahboubi, A.A., and Neyshabouri, M.R.
2014. Determination of soil available water for plants: consistency between laboratory and
field measurements. Geoderma, 8: 20. 226-227.
4.Bourgeois, O., Bouvier, C., Brunet, P., and Ayral, A. 2016. Journal of Hydrology. Inverse
modeling of soil water content to estimate the hydraulic properties of a shallow soil and the
associated weathered bedrock. 541: 116-126.
5.El-Nesr, N.M., Alazba, A.A., and Simunek, J. 2014. HYDRUS simulations of the effects of
dual-drip subsurface irrigation and a physical barrier on water movement and solute
transport in soils. Irrigation Science, 32: 111-125.
6.Fuladipanah, M. 2012. Sensitivity analysis of one dimensional hydrodynamic fully coupled
model. Middle-East J. Sci. Res. 12: 11. 1471-1476.
7.Ghaiumi Mohammadi, H., and Nurbakhsh, F. 2007. Detailed soil survey of Chahar-Takhteh
Agricultural research station (Chaharmahal and Bakhtiari province). Technical report,
No 6399. 27p. (In Persian)
8.Ghorbani Dashtaki, Sh., Homaee, M., Mahdian, M.H., and Kouchakzadeh, M. 2009.
Site-dependence performance of infiltration models, Water Resour. Manage. 23: 2777-2790.
9.Hopmans, J.W., Simunek, J., Romano, N., and Durner, W. 2002. Simultaneous determination
of water transmission and retention properties. Inverse methods. In: Methods of Soil
Analysis. Part 4. Physical Methods. (J.H. Dane and G.C. Topp, Eds.). SSSA Book Series
No. 5. Pp: 963-1008.
10.Ines, A.V.M., and Droogers, P. 2002. Inverse modelling in estimating soil hydraulic
functions: a Genetic Algorithm approach. Hydrol. Earth System Science, 6: 49-66.
11.Klute, A. 1986. Methods of Soil Analysis. Part 1- Physical and Mineralogical Methods.
2nd ed., Agronomy No. 9. ASA/SSSA Inc., Madison, Wisconsin, USA. 176p.
12.Lou, Y., and Ren, L. 2011. Numerical evaluation of depth effects of double-ring
infiltrometers on soil saturated hydraulic conductivity measurements. Soil Sci. Soc. Am. J.
76: 867-875. (In Persian)
13.Mashaiekhee, P., Ghorbani, Sh., Mosadeghee, M., Shirani, H., Panahee, M., and Noori, M.
2016. Soil hydraulic parameters estimation by using double ring data. J. Water Soil Res.
74: 7. 818-820. (In Persian)
14.Mirzaee, S., Zolfaghari, A.A., Gorji, M., Miles Dyck, M., and Ghorbani Dashtaki, S. 2013.
Evaluation of infiltration models with different numbers of fitting parameters in different soil
texture classes Arch. Agron. Soil Science.
15.Nakhaei, M., and Simunek, J. 2014. Parameter estimation of soil hydraulic and thermal
property functions for unsaturated porous media using the HYDRUS-2D code. J. Hydrol.
Hydromech. 62: 1. 7-15.
16.Pollalis, E.D., and Valiantzas, J.D. 2015. Isolation of a 1D infiltration time interval under
ring infiltrometers for determining sorptivity and saturated hydraulic conductivity:
numerical, theoretical, and experimental approach. J. Irrig. Drain. Engin. 141: 2.
17.Ramos, T.B., Simunek, J., Goncalves, M.C., Martins, J.C., Prazeres, A., and Pereira, L.S.
2012. Two-dimensional modeling of water and nitrogen fate from sweet sorghum irrigated
with fresh and blended saline waters. Agric. Water Manage. 111: 87-104.
18.Raoof, M., and Pilpayeh, A.R. 2013. Estimating soil wetting profile under saturated
infiltration process by numerical inversion solution in land slopes. Middle East J. Sci. Res.
13: 6. 732-736.
19.Rashid, N.S.A., Asker, M., Tanaka, T., Simunek, J., and van Genuchten, M.Th. 2015. Inverse
estimation of soil hydraulic properties under oil palm trees. Geoderma, 241: 306-312.
20.Russo, D., Bresler, E., Shani, U., and Parker, J.C. 1991. Analysis of infiltration events in
relation to determining soil hydraulic properties by inverse problem methodology. Water
Resource Research, 27: 1361-1373.
21.Simunek, J., and van Genuchten, M.Th. 1996. Estimating unsaturated soil hydraulic
properties from tension disc infiltrometer data by numerical inversion. Water Resource
Research, 32: 9. 2683-2696.
22.Simunek, J., Wendroth, O., and van Genuchten, M.Th. 1998. Parameter estimation analysis
of the evaporation method for determining soil hydraulic properties. Soil Sci. Soc. Am. J.
62: 894-905.
23.Simunek, J., Sejna, M., and van Genuchten, M.Th. 1999. The HYDRUS-2D software
package for simulating the two-dimensional movement of water, heat, and multiple solutes
in variably saturated media, version 2.0, IGWMC-TPS-70, International Ground Water
Modeling Center, Colorado School of Mines, Golden, Colo.
24.Simunek, J., Sejna, M., and van Genuchten, M.Th. 2012. HYDRUS: model use, calibration and
validation. American Society of Agricultural and Biological Engineers, 55: 4. 1261-1274.
25.Tiago, B., Ramos, M.C., Goncalves, J.C.M., Van Genuchten, M.Th., and Pires, F.P. 2006.
Estimation of Soil Hydraulic Properties from Numerical Inversion of Tension Disk
Infiltrometer Data. Vadose Zone J. 5: 2. 684-696.
26.Toomanian, N. 2009. Detailed soil survey of Khoor and Biabanak (Naiin). Technical report.
No, 654: 100. (In Persian)
27.US Department of Agriculture Natural Resources and Conservation Service. 2005. National
Engineering Handbook, Part 623, Surface Irrigation. National Technical Information
Service, Washington, DC, Chapter 4.
28.Vanclooster, M., Javaux, M., and Lambot, S. 2007. Recent advances in characterizing
flow and transport in unsaturated soil at the core and field. Estudios de la Zona No Saturada
del Suelo, 3: 19-35.