Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình xói mòn do dòng chảy ở quy mô tiểu lưu vực: So sánh các cấu trúc bản đồ tự tổ chức
Tóm tắt
Trong vài thập kỷ qua, đã có nhiều mô hình xói mòn do dòng chảy được đề xuất để ước tính xói mòn đất, điều này có thể dẫn đến mất đất màu mỡ và tăng cường lấp bùn và ô nhiễm trong các nguồn nước. Các mô hình xói mòn dựa trên vật lý thường được sử dụng với mục đích này, nhưng một vấn đề lớn liên quan đến việc sử dụng chúng là khó khăn trong việc đo lường trực tiếp các tham số ở hiện trường. Vấn đề này có thể được khắc phục bằng cách khám phá các mô hình thực nghiệm, chẳng hạn như các Bản đồ Tự tổ chức (SOM). Một SOM là một loại Mạng Nơ-ron Nhân tạo (ANN) dựa trên phương pháp học cạnh tranh để phân cụm và mô hình hóa đa dạng các cơ sở dữ liệu. Vì các nghiên cứu về mô hình xói mòn đất dựa trên SOM còn rất sơ khai, chúng tôi đã so sánh một số cấu trúc của SOM với mục đích ước tính sản lượng bùn dựa trên dữ liệu dòng chảy và khí hậu ở quy mô tiểu lưu vực. Nghiên cứu trường hợp là một tiểu lưu vực trong Lưu vực Thí nghiệm Sumé, nằm ở một vùng bán khô hạn của Brazil. Khác với ANN thông thường, các mô hình dựa trên SOM đại diện cho một tập hợp dữ liệu nhiều chiều thông qua một ma trận đặc trưng hai chiều, có thể được áp dụng cho các mục đích phân tích và ước tính. Để hiệu chỉnh và xác thực các cấu trúc SOM đã đề xuất, chúng tôi đã sử dụng dữ liệu từ 117 sự kiện mưa xảy ra từ năm 1985 đến 1991. Phân tích kết quả cho thấy tất cả các cấu trúc SOM đều được hiệu chỉnh hiệu quả với các hệ số NASH (Nash & Sutcliffe 1970) dao động từ 0.88 đến 0.90. Cấu trúc SOM với 6 × 8 nơ-ron là hiệu quả nhất trong việc ước tính sản lượng bùn khi xem xét tập dữ liệu xác thực (NASH = 0.73). Các bản đồ được tạo ra cho thấy sản lượng bùn có mối quan hệ trực tiếp với dòng chảy và cường độ mưa và có mối tương quan nghịch với độ cao trung bình của thực vật. Thời gian khô hạn dường như không ảnh hưởng đến sản xuất bùn. SOM được chứng minh là rất thực tiễn và thích hợp áp dụng cho các vị trí cụ thể. Loại phương pháp này cũng đòi hỏi dữ liệu dài hạn và hiệu chỉnh động với thông tin cập nhật để xem xét những thay đổi trong lưu vực.
Từ khóa
#mô hình xói mòn #dòng chảy #bản đồ tự tổ chức #tiểu lưu vực #sản lượng bùnTài liệu tham khảo
Adeloye, AJ, Rustum R, and Kariyama ID (2011) Kohonen Self-Organizing Map Estimator for the Reference Crop Evapotranspiration. Water Resources Research 47. doi:10.1029/2011WR010690
Beale M, Hagan M, Demuth H (2012) Neural Network Toolbox 7.0.3: User’s Guide, The MathWorks Inc., Natick
Cadier E, de Freitas BJ, Leprun JC (1983) Bacia Experimental de Sumé: Instalação e Primeiros Resultados. SUDENE. Recife - PE, Brazil
Cobaner M, Unal B, Kisi O (2009) Suspended sediment concentration estimation by an adaptive neuro-fuzzy and neural network approaches using hydro-meteorological data. J Hydrol 367:52–61
Collischonn W (2001) Simulação Hidrológica Em Grandes Bacias. Universidade Federal do Rio Grande do Sul. Porto Alegre - RS, Brazil
Farias CAS, Alves FM, Santos CAG, Suzuki K (2010) An ANN-based approach to modelling sediment yield: a case study in a semi-arid area of Brazil. IAHS Publ 337:316–321
Farias CAS, Santos CAG (2014) The Use of kohonen neural networks for runoff–erosion modeling. J Soils Sediments 14:1242–1250
Farias CAS, Santos CAG, Lourenço AMG, Carneiro TC (2013) Kohonen neural networks for rainfall-runoff modeling: case study of piancó river basin. J Urban Environ Eng 7:176–182
Garcı́a HL, González IM (2004) Self-organizing Map and clustering for wastewater treatment monitoring. Eng Appl Artif Intel 17:215–225
Haykin S (1999) Neural networks: a comprehensive foundation. Prentice Hall, Upper Saddle River
Kohonen T (1982) Self-organized formation of topologically correct feature maps. Biol Cybern 43:59–69
Márquez A, Guevara-Pérez E (2010) Comparative analysis of erosion modeling techniques in a basin of Venezuela. J Urban Environ Eng 4:81–104
Nash JE, Sutcliffe JV (1970) River flow forecasting through conceptual models: part I - a discussion of principles. J Hydrol 10:282–290
Silva IN, Spatti DH, Flauzino RA (2010) Redes neurais artificiais para engenharia e ciências aplicadas. Artliber, São Paulo - SP
Srinivasan VS, Galvão CO (2003) Bacia experimental de sumé: descrição e dados coletados, UFCG/CNPq, Campina Grande - PB
Vanmaercke M, Zenebe A, Poesen J, Nyssen J, Verstraeten G, Deckers J (2010) Sediment dynamics and the role of flash floods in sediment export from medium-sized catchments: a case study from the semi-arid tropical highlands in northern Ethiopia. J Soils Sediments 10:611–627