دانشکده منابع طبیعی دانشگاه تهران نشریه علمی - پژوهشی مرتع و آبخیزداری 5044-2008 70 1 2017 05 22 Sediment concentration modeling in rill flow using the Adaptive Nero Fuzzy Inference System (ANFIS) in semi arid region مدل‌سازی غلظت رسوب حاصل از فرسایش شیاری با استفاده از سیستم نروفازی (ANFIS) در منطقه نیمه‌خشک 219 234 61979 10.22059/jrwm.2017.61979 FA سوما محمدپور دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه گنبد کاووس، ایران. حامد روحانی استادیار دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس، ایران. حجت قربانی واقعی استادیار دانشکده کشاورزی منابع طبیعی، دانشگاه گنبد کاووس، ایران. سید مرتضی سیدیان استادیار دانشکده کشاورزی منابع طبیعی، دانشگاه گنبد کاووس، ایران. ابولحسن فتح آبادی استادیار دانشکده منابع طبیعی، دانشگاه گنبد کاووس، ایران. Journal Article 2015 01 04 In many semi-arid regions of Iran, soil erosion has turned into a serious environmental problem affecting land productivity, nutrient loss, water quality, and fresh water ecosystems. Rates of soil loss differ according to erosion type and land degradation processes. Rill erosion is commonly observed when rainstorms occur on steep slopes and sediment transport in rill flows exhibits the characteristics of non-equilibrium transport. In this paper, sediment concentration of rill flow is estimated by adaptive neuro-fuzzy inference system (ANFIS). A series of mathematical equations and parameters affecting rill hydrodynamics and soil detachment were used for well-defined rill sediment concentration. A series of filed experiments were performed to evaluate the model. The stepwise method was used to select the most important and effective input variables from measured input parameters of soil properties, topographic and vegetation attributes affecting sediment concentration of rill flow. Based on the stepwise procedure, the most significant parameters in the model predications were steep slope, vegetation percentage, clay percentage, and shear stress parameters. The values of sediment concentration simulated by the model were in agreement with observed values with Coefficient of Correlation (R2), Root Mean Square Error (RMSE) and Mean Bias Error (MBE) of 0.697, 30.5 and 1.0, respectively. The results of the investigation shows that the data-driven ANFIS modeling approach can be a powerful alternative technique for correctly estimating rill sediment concentration. در بسیاری از مناطق نیمه‌خشک ایران فرسایش خاک به‌عنوان یک معضل محیط‌زیستی بر حاصل‌خیزی خاک، کیفیت آب و زیست‌بوم‌های آبی اثر می‌گذارد. نرخ خاک برداشت شده براساس نوع فرسایش و فرآیندهای تخریب زمین متفاوت است. فرسایش شیاری معمولاً در مواقع بارش شدید بر روی دامنه‌های شیب‌دار ایجاد می‌شود و شرایط انتقال رسوب در آن نامتعادل است. در این تحقیق با استفاده از مدل نروفازی اقدام به شبیه‌سازی غلظت رسوب حاصل از فرسایش شیاری شده است. یک‌سری از روابط تجربی و پارامترهایی که برای شبیه‌سازی هیدرودینامیک شیار، جدا شدن خاک و ظرفیت حمل و انتقال رسوب که بر فرسایش حاصل از شیار مؤثرند به عنوان ورودی مدل در نظر گرفته شدند. فرآیند توسعه و ارزیابی مدل با استفاده از مجموعه داده‌های مشاهده‌ای در 27 شیار آزمایشی با دبی 12 لیتر بر دقیقه مقایسه شد. در این پژوهش برای تعیین ترکیب بهینه ورودی‌ها  از روش گام به گام از میان 10 پارامتر ورودی مؤثر در برآورد غلظت رسوب شامل ویژگی‌های خاک، توپوگرافی و پوشش گیاهی استفاده شد. براساس نتایج روش گام به گام، چهار پارامتر درصد شیب، درصد پوشش گیاهی، درصد رس و تنش برشی جریان برای مدل‌سازی انتخاب شدند. ارزیابی مدل نشان داد که مدل نروفازی با  ضریب تبیین، جذر میانگین مربعات خطا و میانگین خطای اریب، به ترتیب، 697/0، 5/30 و 0/1 قادر به پیش‌بینی قابل قبول غلظت رسوب حاصل از فرسایش شیاری بود.  https://jrwm.ut.ac.ir/article_61979_444a99ddb8aa38b74d09380ed645e01b.pdf